Dalam tulisan sebelumnya, sudah dipaparkan bahwa AI adalah bagian dari Sistem Cerdas. Di dalam AI itu sendiri (sebagaimana gambar diatas maupun dibawah) ada "agen" yang menjadi "eksekutor" dalam sistem tersebut. Itulah akhirnya lahir yang namanya: Agen Cerdas. Agen Cerdas sering digambarkan secara skematis sebagai sistem fungsional abstrak mirip dengan program komputer. Sistem fungsional abstrak tersebut termasuk juga dalam software nya atau yang sering disebut juga dengan bot. Maka, bila kita berbicara apa itu "Agen Cerdas" kita bisa refer ke bot, perangkat kerasnya ataupun keseluruhan.

Konsep Agen Cerdas ini dapat dibagi menjadi 2 bagian: Sifat Agen & Jenis-Jenis Agen.

Sifat Agen

Sebuah agen haruslah mengarah kepada “lakukan hal yang benar”. Berdasarkan kepada apa yang dapat dipahaminya dan tindakan yang dapat dilakukannya. Tindakan yang benar adalah tindakan yang akan menyebabkan agen tersebut paling berhasil.

Agen rasional: untuk setiap deretan persepsi yang mungkin, sebuah agen rasional hendaklah memilih satu tindakan yang diharapkan memaksimalkan ukuran performance-nya, dengan adanya bukti yang diberikan oleh deretan persepsi dan apapunpengetahuan terpasang yang dimiliki agen itu. Rasionalitas berbeda dari omniscience (tahu segala/all-knowing dengan pengetahuan tak berhingga).

Agen dapat melakukan tindakan untuk memodifikasi persepsi masa depan sedemikian hingga dapat memeroleh infoemasi yang berguna (pengumpulan informasi, eksplorasi). Sebuah agen adalah otonom (autonomous) apabila perilakunya ditentukan oleh pengalamannya sendiri (dengan kemampuan belajar dan beradaptasi).

Dengan menggabungkan pengetahuan yang dimiliki dengan pengetahuan yang didapat dari lingkungannya, agen dapat menyimpulkan aspek lingkungan yang tersembunyi sebelum melakukan tindakan yang selektif. Agen Berbasis Pengetahuan bersifat fleksibel, mereka dapat beradaptasi dengan perubahan lingkungan dan memperbarui pengetahuan yang relevan.

Simple reflex agents : berdasarkan persepsi yang terakhir. 

Model-based reflex agents : memiliki representasi internal tentang keadaan sekitar. 

Goal-based agents : memiliki informasi tentang tujuan, memilih tindakan yang mencapai tujuan. 

Utility-based agents : melakukan penilaian kuantitatif terhadap suatu keadaan lingkungan – utility function. 

Learning agents : belajar dari pengalaman, meningkatkan kinerja. 

Source

Evangelinosite | YogiPratama | TugasISDe