Penjelasan PEAS Dalam Konteks Inteligent Agent

Pasti kalian disini yang baru mulai mempelajari tentang kecerdasan tiruan bingung akan kata "PEAS". Apasih PEAS? oke untuk itu pertama-tama saya akan membahas tentang pengertian PEAS dan akan diteruskan dengan serba-serbi PEAS. Cielah serba-serba serbi :D oke untuk mempersingkat waktu kita langsung saja.

PEAS merupakan singkatan dari kata Performance measure, Environment, Actuators, Sensor.

Ketika kita akan membuat suatu rancangan agent, kita harus mengidentifikasi lingkungan masalah atau yang biasa kita sebut dengan “Task Environment”. Apa saja itu? mari kita simak satu persatu.

•         Pertama ada Performance measure, berisi komponen-komponen yang akan                 menjadi tolak ukur keberhasilan agent.
•         Kedua ada Environment, berisi kondisi yang dapat mempengaruhi disekitar agent.
•         Ketiga ada Actuators, berisi kemampuan yang dapat agent itu lakukan.
•         Dan yang terakhir ada Sensors, berisi hal-hal apa saja yang dapat diinput agent.

Saya akan memberikan satu contoh agar pembaca lebih memahaminya. Simak baik baik.

Contoh : AGENT LENGAN ROBOT PENGECAT RUANG OTOMATIS

1. Performance measure : Keakuratan mengikuti perintah yang diinputkan, kerapihan saat mengecat, keakuratan tebal dan tipis cat, kecepatan saat bekerja,pPekerjaan yang pas(presisi).
2. Environment : Permukaan tembok yang di cat, cat tembok, operator (mandor).
3. Actuators :  Bisa menggunakan sistem hidrolik, sistem pneumatik, motor DC, motor AC, motor stepper dan berbagai jenis penggerak lainnya.
4. Sensor : Kamera yang akan digunakan untuk mendeteksi batas-batas garis, keyboard yang akan digunakan untuk menginputkan tebal pengecatan berapa mm, batas-batas tinggi warna tertentu.

Contoh diatas hanyalah merupakan salah satu contoh dari banyaknya contoh-contoh yang lain, seperti : Taksi Otomatis, Medical diagnosis system, Robot pabrik penjamin mutu, Interactive english tutor, dan lainnya.

Selanjutnya jenis-jenis yang ada pada Environment. Ada 6 buah jenis Environment, apa saja itu?

1.       Fully observable (vs. partially observable)
2.       Deterministic (vs. stochastic)
3.       Episodic (vs. sequential)
4.       Static (vs. dynamic)
5.       Discrete (vs. continuous)
6.       Single agent (vs. multiagent)

Contoh: Jenis Environment

	Agent
	Catur dengan waktu	Catur tanpa waktu	Taxi driving
Fully observable	Ya	Ya	Tidak
Deterministic	Strategic	Strategic	Tidak
Episodic	Tidak	Tidak	Tidak
Static	Semi	Ya	Tidak
Discrete	Ya	Ya	Tidak
Single agent	Tidak	Tidak	Tidak

Jenis-Jenis Agent :

1. Simple reflex agents: berdasarkan persepsi yg terakhir.
2. Model-based reflex agents: memiliki representasi internal tentang keadaan sekitar.
3. Goal-based agents: memiliki informasi tentang tujuan, memilih tindakan yang mencapai tujuan.
4. Utility-based agents: melakukan penilaian kuantitatif terhadap suatu keadaan lingkungan - utility function.
5. Learning agents: belajar dari pengalaman, meningkatkan kinerja.

Mari kita bahas satu-persatu.
1. Simple reflex agents

Gambar tersebut menunjukkan bahwa struktur simple reflex agent adalah struktur yang paling sederhana dalam bentuk skema,  yang mana menunjukkan tentang  aturan condition action yang memungkinkan agent untuk membuat sambungan dari persepsi untuk mengambil keputusan. Persegi panjang untuk menunjukkan keadaan internal saat proses keputusan berjalan, dan oval untuk mewakili latar belakang informasi yang digunakan dalam proses tersebut.

2. Model-based reflex agents

Gambar tersebut menunjukkan bahwa model based reflex agent menjaga semacam internal model yang tergantung pada sejarah persepsi dan dengan itu dapat mencerminkan setidaknya dua atau lebih aspek yang tidak teramati negara saat ini. Kemudian memilih tindakan dengan cara yang sama sebagai agen refleks. Model ini dapat dikatakan lebih kuat daripada simple reflex agent.

3. Goal-based agents

Gambar tersebut menunjukkan bahwa goal based agents dapat memperluas pada kemampuan model-based agents, dengan menggunakan "goal" informasi. Tujuan informasi adalah untuk menggambarkan kondisi yang diinginkan. Hal ini memungkinkan agen dapat untuk memilih di antara beberapa kemungkinan, memilih satu yang mencapai negara tujuan. Search dan planing adalah sub bidang kecerdasan buatan yang ditujukan untuk mengurutkan tindakan dalam menemukan dan mencapai tujuan agen. Dalam beberapa kasus, sayangnya goal-based agent kurang efisien.

4. Utility-based agents

Gambar tersebut menunjukkan bahwa “Goal” tidak cukup untuk menghasilkan perilaku yang berkualitas tinggi. Ada banyak urutan tindakan  untuk mencapai tujuan, akan tetapi beberapa ada yang lebih cepat, lebih aman, bahkan lebih dapat diandalkan, atau lebih murah daripada yang lain. Tujuannya hanyalah memberikan perbedaan antara kondisi "bahagia" dan "tidak bahagia", sedangkan ukuran kinerja yang lebih umum harus memungkinkan perbandingan beberapa urutan kondisi yang berbeda jika agent ingin mencapai tujuan. Terminologi yang digunakan adalah untuk mengatakan bahwa jika satu kondisi lebih disukai daripada kondisi yang lain, itu dapat membuat utilitas yang lebih tinggi untuk agent.

5. Learning agents

Gambar tersebut menunjukkan bahwa learning agents dapat belajar dari sebuah pengalaman, meningkatkan kinerja bertanggung jawab untuk membuat perbaikan elemen kinerja dalam bertanggung jawab dan untuk memilih tindakan eksternal kritikus guna memberikan umpan balik tentang bagaimana agen itu saat bekerja.



Terimakasih karena telah membaca, semoga informasi ini dapat berguna bagi saya, kita, dan kalian semua :D 

Sumber referensi :

• http://artikel-teknologi-informasi.blogspot.co.id/2012/11/pengertian-agent-pada-ai-artificial.html
• http://tiindonesia.blogspot.co.id/2013/01/peas.html
• http://noteinformatic.blogspot.co.id/2015/10/tugas-kecil-1-kecerdasan-buatan.html
• http://oferiachacha.blogspot.co.id/2013/12/peas-lengan-robot-pengecat-ruang.html
• imamcs.lecture.ub.ac.id/files/2013/09/03-Agen-Cerdas AI IK IL 1314IC.ppt
• Slide perkuliahan Stuart Russell's (Berkeley) http://aima.cs.berkeley.edu/ 
• Slide perkuliahan Sistem Cerdas Ruli Manurung (Universitas Indonesia) http://www.cs.ui.ac.id/WebKuliah/IKI30320/

Related Posts: