Dalam artikel kali ini saya ingin membahas mengenai agent yang dapat bertindak rasional dalam sudut pandang Artificial Intelligence (AI). Agent dalam konteks AI dapat diartikan sebagai apa saja yang dapat merasakan/mempersepsikan lingkungan dengan sensor dan bertindak terhadap lingkungan melalui aktuator. Konsep rasionalitas ini adalah salah satu konsep yang sangat penting dalam merancang sebuah agent karena saat merancang agent tentu kita ingin mengoptimalkan kinerja-nya bukan? 😀 Tentu kita tidak ingin merancang sebuah robot pencuci piring yang akan melemparkan piringnya ke luar rumah jika menemukan noda yang sulit dihilangkan hehe.

Mari kita mulai dengan definisi agent rasional dari sudut pandang AI. Berdasarkan buku “Artificial Intelligence: A Modern Approach” yang ditulis oleh Russel dan Norvig, agent yang rasional didefinisikan sebagai berikut: “Dalam setiap rangkaian persepsi yang mungkin, agen dikatakan rational apabila memilih aksi yang diharapkan memaksimalkan ukuran kinerja (performance measure) , berdasarkan apa yang Ia amati tentang lingkungan (sejarah input) dan pengetahuan lain yang dimilikinya.”

Nah rational atau tidaknya perilaku agent bergantung kepada empat hal, yaitu: 1) ukuran kinderja (performance measures), (2) rangkaian persepsi, (3) pengetahuan akan lingkungan, serta (4) aksi yang mungkin.

Mari kita lihat penentuan rasional atau tidaknya tindakan agent dari contoh studi kasus berikut.

Diasumsikan terdapat dua robot: vacuum cleaner robot dan messy robot. Tujuan dari robot yang pertama adalah membuat ruangan bersih, sedangkan tujuan dari robot kedua adalah bermain dengan anak-anak dan membuat anak-anak bahagia. 

Setelah robot pertama dioperasikan, ternyata robot ini sukses membersihkan ruangan dari kotoran, namun setelah semua kotoran di lançai hilang robot tersebut tetap bergerak kesana kemari. Hal ini menyebabkan konsumsi listrik yang tinggi.

Dalam kasus yang kedua, ketika robot kedua beroperasi, robot bisa bermain permainan olahraga seperti menendang dan melempar bola dengan anak-anak. Anak-anak merasa bahagia bermain dengan robot. Meski demikian ruangan anak-anak menjadi berantakan dengan bola.

Dari penjelasan di atas, robot mana yang bertindak rational?

Jadi untuk menjawab kasus di atas, jawabannya tentu akan sangat bergantung  kepada asumsi yang kita gunakan.

Dalam kasus robot vacuum cleaner tujuan yang ingin dicapai adalah membuat lantai bersih (tidak tertulis tujuan untuk meminimalkan konsumsi listrik). Nah tujuan “lantai bersih” ini perlu kita detailkan lagi maksudnya agar dapat terukur, artinya perlu ditetapkan ukuran kinerjanya (performance measures-nya) terlebih dahulu. Andaikan digunakan asumsi sebagai berikut: 

(1) performance measures: banyaknya kotoran yang dibersihkan dalam satu shift selama 8 jam. 

atau

memberikan award satu point untuk setiap kotak yang bersih dalam satu satuan waktu. (Maximal time steps dalam satu shift misalkan adalah 1000 time steps) 

(2) persepsi robot: Agent dapat mempersepsikan lokasi dan mempersepsikan apakah terdapat kotoran atau tidak dalam lokasi tersebut. 

(3) pengetahuan akan lingkungan: Geografi dari lingkungan diasumsikan diketahui sebelumnya oleh robot, namun robot tidak mengetahui distribusi kotoran dan distribusi dari lokasi awal (initial location) robot.  

(4) aksi yang mungkin:  Bergerak ke kiri, kanan, sedot dan tidak melakukan apa-apa. 

Nah jika kita baca lagi skenarionya dan disitu tertulis bahwa robot berhasil membersihkan lantai, maka sesuai ukuran performance metrics nomor (1) dan berdasarkan point (2)-(4) di atas, maka robot 1 sudah bertindak rasional. Ingat di dalam kasus tidak disebutkan bahwa tujuannya meminimalkan konsumsi listrik. 

Namun jika performance measure yang digunakan selain memberikan award untuk setiap kotak lantai yang bersih adalah memberikan pinalti untuk setiap langkah yang dilakukan agent saat bergerak, maka tindakan agent 1 tidak rational (karena seharusnya jika sudah bersih semua lantainya maka dalam korteks ini lebih rasional agent berhenti). 

Begitu pula jika asumsi nomor 3 kita ubah, misalkan robot tidak mengetahui geografi lingkungan, maka akan lebih rasional jika agent tetap bergerak dan mengeksplorasi lingkungan (tidak berhenti bergerak).

Di sini kita bisa menilai apakah kemudian tindakan robot rasional atau tidak.  

Sama seperti kasus pertama kita terlebih dahulu harus memperjelas asumsi yang kita gunakan dan meninjau keempat unsur yang menentukan rasionalitas. Andaikan digunakan asumsi sebagai berikut:

(1) performance measures: keberhasilan bermain dengan anak diukur misalkan dengan melihat interaksi robot dan anak. Jika robot dapat berinteraksi dengan memberikan objek mainan  ke anak (meski anak tidak bisa menangkapnya) maka diberi award 1 dan jika robot dapat mendeteksi bahwa anak tersenyum atau tertawa saat bermain (katakan didefinisikan satu shift bermain 10 menit) maka robot mendapatkan 5 awards untuk setiap senyuman yang terdeteksi.

(2) persepsi robot: Agent memiliki sensor camera untuk mengenali wajah dan obyek mainan, agent memiliki auditory sensor untuk mendengar, agent dapat mengetahui posisi object, agent dapat mengetahui lokasi.

(3) pengetahuan akan lingkungan: Geografi dari lingkungan diasumsikan diketahui sebelumnya oleh robot (robot mengetahui lingkungan kamar Anak).

(4) aksi yang mungkin:  Bergerak ke kiri, ke kanan, mengambil obyek, melempar obyek.

Dengan beberapa asumsi di atas, maka robot telah bertindak rasional karena telah berusaha memaksimalkan ukuran kinerja meskipun kamar berantakan (ingat tidak disebutkan di dalam studi kasus bahwa tujuannya membuat kamar bersih ubtuk kasus Messy robot, dan namanya juga si Messy Robot (robot berantakan) hehe :)).

Demikian teman-teman semoga bisa sedikit memberikan gambaran tentang kasus yang sedang kita bahas. Ingat bahwa yang berusaha kita kontrol saat merancang agent cerdas adalah agentnya, bukan mengatur lingkungannya :). Tujuannya adalah dengan lingkungan yang ada, persepsi dan aksi yang mungkin, kita bisa memaksimalkan tindakan agent sehingga bisa mencapai apa yang diinginkan. Perlu diingat juga bahwa ukuran rasional atau tidaknya agent tidak ditentukan oleh apakah tujuannya tercapai atau tidak, namun lebih kepada apa tindakan yang dipilih agent sehingga bisa mengoptimalkan ukuran kinerjanya. 

Demikian semoga bermanfaat.

Referensi:

Russell, S. J., Norvig, P., & Davis, E. (2010). Artificial intelligence: a modern approach. 3rd ed. Upper Saddle River, NJ: Prentice Hall