Daftar Isi
Agen Artificial Intelligence: Memahami Peran dan Fungsinya
Agen artificial intelligence (AI) adalah perangkat lunak yang dirancang untuk berinteraksi dengan lingkungannya, mengumpulkan data, dan menggunakan informasi tersebut untuk melaksanakan tugas secara mandiri. Tujuan spesifik yang ditetapkan oleh manusia menjadi panduan bagi agen AI, namun branda memiliki kebebasan untuk memilih tindakan optimal guna mencapainya. Contohnya, agen AI dalam customer service bertujuan menyelesaikan pertanyaan pelanggan dengan mengajukan pertanyaan otomatis, berkonsultasi dengan dokumen internal, dan memberikan solusi. Berdasarkan umpan balik pelanggan, agen ini dapat memutuskan untuk menyelesaikan masalah sendiri atau mengeskalasinya ke perwakilan manusia.
Persona dan Memori dalam Agen AI
Setiap agen AI dilengkapi dengan persona, yang mencakup peran, kepribadian, dan gaya komunikasi yang unik, serta instruksi dan deskripsi alat yang dapat digunakannya. Persona yang terdefinisi dengan baik memastikan agen bertindak konsisten dan tepat dalam perannya, berkembang seiring dengan pengalaman dan interaksi dengan pengguna atau sistem lain. Selain itu, agen AI biasanya memiliki berbagai jenis memori yang memungkinkannya mempertahankan konteks, belajar dari pengalaman, dan menyesuaikan perilakunya seiring waktu.
Alat dan Model dalam Agen AI
Agen AI menggunakan alat, yaitu fungsi atau sumber daya eksternal, untuk mengakses informasi, memproses data, mengendalikan perangkat, atau terhubung dengan sistem lain. Alat ini dapat berupa antarmuka fisik, antarmuka pengguna grafis, atau API programatik. Agen belajar menggunakan alat ini secara efektif berdasarkan kemampuan dan konteksnya. Selain itu, agen AI menggunakan model bahasa besar (LLM) sebagai “otak” branda. LLM menafsirkan instruksi, memikirkan solusi, menghasilkan bahasa, dan mengoordinasikan komponen lain, termasuk pengambilan memori dan penggunaan alat, untuk melaksanakan tugas.
Jenis-Jenis Agen AI
Agen AI dirancang untuk memahami lingkungan branda, membuat keputusan, dan mengambil tindakan untuk mencapai tujuan tertentu. Branda beroperasi secara mandiri, tanpa intervensi manusia langsung, dan dapat dikategorikan berdasarkan perilaku, lingkungan, dan jumlah agen yang berinteraksi.
1. Agen Refleks Sederhana: Agen ini bertindak berdasarkan persepsi saat ini menggunakan aturan kondisi-tindakan, merespons langsung terhadap rangsangan tanpa mempertimbangkan pengalaman masa lalu atau kemungkinan masa depan. Misalnya, sistem kontrol lampu lalu lintas mengubah sinyal berdasarkan waktu yang telah ditetapkan.
2. Agen Refleks Berbasis Model: Agen ini mempertahankan representasi internal dunia, memungkinkan branda melacak aspek lingkungan yang tidak dapat diamati secara langsung. Model internal ini membantu dalam membuat keputusan yang tepat dengan mempertimbangkan bagaimana dunia berkembang dan bagaimana tindakan branda mempengaruhinya. Contohnya, penyedot debu robot memetakan ruangan dan melacak area yang telah dibersihkan.
3. Agen Berbasis Tujuan: Agen ini merencanakan tindakan dengan tujuan tertentu dalam pikiran. Tidak seperti agen refleks yang merespons rangsangan langsung, agen berbasis tujuan mengevaluasi bagaimana urutan tindakan yang berbeda dapat mengarah pada tujuan yang ditetapkan, memilih jalur yang paling menjanjikan. Misalnya, agen perutean logistik menemukan rute pengiriman optimal berdasarkan faktor seperti jarak dan waktu.
4. Agen Berbasis Utilitas: Agen ini memperluas pemikiran berbasis tujuan dengan mengevaluasi tindakan berdasarkan seberapa baik branda memaksimalkan fungsi utilitas—ukuran “kebahagiaan” atau “kepuasan.” Pendekatan ini memungkinkan branda membuat pertukaran yang rumit antara tujuan yang bersaing atau hasil yang tidak pasti. Misalnya, agen manajemen portofolio keuangan mengevaluasi investasi berdasarkan faktor seperti risiko, pengembalian, dan diversifikasi.
5. Agen Pembelajaran: Agen ini meningkatkan kinerja branda seiring waktu melalui pengalaman. Branda menyesuaikan perilaku dengan mengamati konsekuensi dari tindakan branda, memodifikasi model internal dan pendekatan pengambilan keputusan untuk mencapai hasil yang lebih baik dalam interaksi mendatang. Misalnya, chatbot customer service meningkatkan akurasi respons seiring waktu dengan belajar dari interaksi sebelumnya.
Sistem Multi-Agen
Sistem multi-agen terdiri dari beberapa agen otonom yang berinteraksi dalam suatu lingkungan. Agen-agen ini dapat bekerja sama menuju tujuan bersama, bersaing untuk sumber daya, atau menunjukkan campuran perilaku kooperatif dan kompetitif. Misalnya, robot gudang mungkin menggunakan agen hierarkis untuk mengatur pengambilan keputusan di berbagai tingkat, dengan agen tingkat tinggi membuat keputusan strategis dan mendelegasikan tugas spesifik kepada agen tingkat rendah. Struktur ini mencerminkan banyak organisasi manusia dan memungkinkan pengelolaan masalah pada tingkat abstraksi yang sesuai. Misalnya, sistem pengiriman drone mengelola operasi armada di tingkat atas dan navigasi individu di tingkat yang lebih rendah.
Agen AI digunakan dalam berbagai aplikasi dalam artificial intelligence, mencakup berbagai kerangka kerja dan arsitektur.
“`
