Welcome: October 2016

Archive for October 2016

LOGICAL AGENT

Monday 17 October 2016

Posted by Bagas

LOGICAL AGENT

Logic merupakan jantung dari program, programer mempunyai keyakinan bahwa sebuah computer dapat dibuat mengerti logika, maka computer dapat dibuat untuk berfikir
.

Agent itu sendiri adalah sesuatu yang dapat di pandang sebagai mana dapat mengamati lingkungannya melalui sensor dan bertindak atas lingkungannya melalui actuators (penggerak) fungsi agent adalah memetakan dari sejarah persepsi dalam tindakan, dan agent terdiri dari arsitektur + program.

KNOWLEDGE BASED-AGENT

Knowledge base (KB) adalah kumpulan representasi fakta tentang lingkungan atau dunia yang berhubungan atau menjadi daerah bekerjanya agen. Terdapat bahasa pada knowledge representation language. :

Representasi Pengetahuan yang bersifat general.

Kemampuan beradaptasi sesuai temuan fakta.

Kemampuan menyimpulkan sesuatu dari pengetahuan yang sudah ada.

Syarat Representasi Knowledge base (KB)

· Representational Adequacy
kemampuan merepresentasikan semua pengetahuan yang dibutuhkan di domainnya

· Inferential Adequacy
kemampuan memanipulasi struktur pengetahuan untuk membentuk struktur baru

· Inferential Efficiency
kemampuan untuk manambahkan informasi untuk mempercepat pencarian dalam inferensi

· Acquisitional Efficiency
kemampuan untuk menambah informasi baru secara mudah.Pengetahuan yang dimiliki agent tidak berguna jika ia tidak melakukan apapun Karenanya kita perlu menambahkan aturan agar dia dapat bergerak (complete the knowledge base).

Cara menyusun Knowledge based agent

Untuk dapat menyusun sebuah knowledge based agent maka kita harus terlebih dulu bisa menyusun knowledge basenya itu sendiri.

Untuk menyusun knowledge base kita perlu menentukan bagaimana cara kita merepresentasikan pengetahuan kita (knowledge representation)

Knowledge representation, merupakan bentuk yang mudah disimpan dan digunakan pada komputer. Dalam perkuliahan ini kita menggunakan beberapa macam knowledge representation language

B. WUMPUS WORLD

Dalam dunia perangkat lunak, perangkat lunak/aplikasi yang mampu bekerja mandiri untuk menyelesaikan tugasnya. Ia dibekali dengan sejumlah kemampuan untuk dapat berinteraksi dengan agen-agen yang lain, serta berinteraksi dengan lingkungannya, mendapatkan pengetahuan dari lingkungan sekitarnya untuk kemudian melakukan aksi berdasarkan dari pengetahuan yang dicerapnya tersebut.

Contoh :

Wumpus adalah seekor monster mitologi yang akan memakan si agen jika tertangkap/ ada di sekitarnya. Untuk mengetahui apakah si agen mendekati sumur, Wumpus atau emas, dia bisa mendeteksi dari dunia kotak di sekitarnya. Jika ada angin semilir, berarti di sebelah kotak ada sumur. Jika ada bau menyengat, berarti agen mendekati Wumpus. Jika ada kemilau, berarti di kotak itu ada emas. Tujuan dari agen di sini adalah mengambil emas dan membunuh Wumpus.

C. LOGIC IN GENERAL

Agen teknologi Logika membedakan dirinya dengan kesederhanaan, fleksibilitas dan kemampuan memperingatkan terintegrasi. Dengan fasilitas layanan mandiri yang sederhana, Agen Logic “RulePoint” dirancang untuk pengguna bisnis untuk menentukan aturan untuk peristiwa dan tindakan terkait. Bersama-sama, dengan arsitektur-event, portofolio produk Logic Agen memungkinkan organisasi untuk meraih kelincahan yang lebih besar.

Kombinasi Agen Logika dan Informatika akan memajukan teknologi kepemimpinan Informatika dalam dua cara yang mendasar. Pertama, kombinasi Agen Logic Kompleks Event Pengolahan dan Platform Informatika memungkinkan jenis lain dari proyek integrasi data yang lebih luas. Kedua, kombinasi dari Agen Logic Kompleks Event Pengolahan dan Informatica Identitas Resolusi mendukung identitas sadar pengolahan acara. Integrasi data aktif dan identitas-sadar pengolahan acara akan memungkinkan berbagai aplikasi di bidang jasa keuangan, kesehatan dan, khususnya, sektor publik.

Symbolic Logic

Symbolic logic dimulai dengan G.W. Leibniz (1646-1717), tetapi setelah ia meninggal dunia, kemudian seluruh lapangan tersebut di kendalikan lagi oleh, George Logic (1815-1864) dan logikanya yang dikenal booelan logic. Symbolic logic berinteraksi dengan konsep abstraksi kedalam symbol-simbol dan interkoneksi symbol-simbol oleh operator tertentu.

Contoh symbolic logic:

If ——— P is True

Then—– P or Q is True

P or Q is False

Dari simbolic logic diatas P adalah simbolik dari contoh kalimat kita punya uang, yang mana bisa bernilai benar tau malah bisa bernilai salah, dan Q adalah dari contoh kaliamat kita punya kendaraan, bila sebaliknya tidak menggunakan atau tidak memiliki kendaraan berarti salah.

Kelompok :

Bagas Wicaksono (11114977)

Ryadi Wicaksono (19114555)

Muhammad Fitrah (17114260)

Referensi :

http://slidewiki.org/deck/11180_logical-agents

https://wikandanar.wordpress.com/2010/04/27/teknologi-agen-perangkat-lunak/

https://id.wikipedia.org/wiki/Struktur_dan_agen

READ FULL POST

Intelligent Agent

Sunday 16 October 2016

Posted by Bagas

Add Comments

INTELLIGENT AGENT

Apa itu Intelligent Agent ?

Kecerdasan Buatan atau kecerdasan yang ditambahkan kepada suatu sistem yang bisa diatur dalam konteks ilmiah yang kita kenal Intelegensi Artifisial/Intelligent agent.

Agent dan lingkungan :

Terdapat 2 macam agent yaitu :

Agent manusia

· Sensor : mata,telinga

· Actuators : tangan,kaki,mulut

Agent robot

· Sensor : kamera dan infrared range finders

· Actuators : berbagai macam motor

Rasionalitas

Sebuah agent harus melakukan hal yang benar berdasarkan apa yang dapat di pahaminya dan dapat di lakukannya, rasionalitas sendiri itu adalah sebuah aksi/keinginan yang rasional jika kita harus memilih suatu aksi. Sebuah agent harus dapat menentukan apa yang ia lakukan dengan benar dan berhasil.

Pengukuran performance adalah sebuah kriteria untuk keberhasilan sebuah prilaku agent contohnya ukuran performance dari sebuah agent mesin cuci dapat berupa berapa banyak pakaian yang dapat di tampung, jumlah waktu mencuci&membilas,berapa banyak listrik yang di kosumsi, Agent dapat bertindak sesuai dengan yang diharapkan dan agent dikatakan autonomous, jika perilakunya ditentukan oleh pengalamanya sendiri.

PEAS : Perfomance measure , Environment , Actuators , Sensors

Kita ambil contoh Agent Mobil otomatis tampa kemudi.

Perfomance measure : Aman , mudah di akses, tepat waktu, legal.

Environment : Jalan raya, trafik, pelangan

Actuators : Kemudi, gas, rem, klakson, lampu

Sensors : Kamera, speedometer, GPS,

Type Type agent

Agent goal based:

· · Tujuan-tujuan tertentu dapat dicapai dengan cara-cara berbeda Beberapa lebih baik, memiliki manfaat yang lebih tinggi

· · Meningkatkan tujuan-tujuan

· · Memilih tujuan utama dari tujuan-tujuan yang berbenturan

· · Memilih dengan tepat beberapa tujuan memiliki kemungkinan berhasil

Agent utility-based

· Agent membutuhkan tujuan untuk mengetahui situasi mana yang diharapan,

· akan menjadi sulit ketika urutan yang yang panjang dari tindakan-tindakan actions dibutuhkan untuk mencari tujuan.

· Biasanya diselidiki dalam pencarian perencanaan penelitian.

· Pengetahuan diwakili lebih explisit dan dapat dimanispulasi.

Agent learning

· Semua program agent tedahulu mendeskripsikan metode unutk memilih tindakan-tindakan (actions)

· Mekanisme pembelajaran dapat digunakan untuk melakukan tugas ini

· Ajarkan mereka dalam pembelajaran bukan memerintahkan mereka

· Keutunganya adalah agar mereka menjadi kuat jika berada dilingkungan yang tidak diketahui atau baru

Type Type Lingkungan

· Fully observable ( vs. partially obervable ): Sensor-Sensor Sebuah agen mengamati dan memberinya akses ke keadaan lengkap lingkungannya pada setiap jangka waktu.

· Determenistic( vs. stochastic ): Keadaan lingkungan berikutnya sepenuh di tentukan oleh keadaan sekarang dan tindakan yang di laksanakan oleh agen.

· Episodic( vs.sequential ): Pengalaman agen dibagi kedalam "episode-episode"atomik setiap episode terdiri dari si agen memahami dan kemudian melaksanakan satu tindakan.

Kelompok :

Muhammad Fitrah
Ryadi Wicaksono

Referensi :
https://id.wikipedia.org/wiki/Kecerdasan_buatan
artikel-teknologi-informasi.blogspot.com