Agen AI
Dibagikan oleh pengguna Flashcards.gg · dibuat dengan AI · Laporkan set ini
Materi ini membahas konsep dasar, komponen, dan jenis-jenis agen kecerdasan buatan (AI agent) dalam bahasa Indonesia.
Ketuk kartu untuk membalik
Kartu · 51
- AI Agent
- Entitas otonom berbasis AI yang mempersepsikan lingkungan, mengambil keputusan, dan melakukan tindakan untuk mencapai tujuan tertentu.
- Percept
- Masukan sensorik lengkap yang diterima oleh agen AI dari lingkungannya pada waktu tertentu.
- Sensor
- Komponen atau mekanisme yang digunakan agen untuk mengamati dan mengumpulkan data dari lingkungan.
- Aktuator (Actuator)
- Komponen atau alat yang memungkinkan agen mengambil tindakan fisik atau digital untuk memengaruhi lingkungan.
- Tindakan (Action)
- Langkah atau keluaran yang dilakukan oleh agen sebagai respons terhadap persepsi dan tujuannya.
- Lingkungan (Environment)
- Dunia atau konteks tempat agen beroperasi dan berinteraksi secara dinamis.
- Otonomi (Autonomy)
- Kemampuan agen untuk beroperasi dan membuat keputusan secara mandiri tanpa campur tangan langsung manusia.
- Rasionalitas Agen
- Prinsip bahwa agen selalu memilih tindakan terbaik untuk memaksimalkan keberhasilan berdasarkan informasi yang dimiliki.
- Fungsi Agen (Agent Function)
- Pemetaan matematis dari urutan persepsi yang diterima ke dalam tindakan yang akan diambil.
- Program Agen (Agent Program)
- Implementasi nyata atau kode perangkat lunak yang menjalankan fungsi agen pada arsitektur tertentu.
- Kerangka Kerja PEAS
- Metode formal untuk mendefinisikan agen: Performance measure, Environment, Actuators, dan Sensors.
- Performance Measure (PEAS)
- Kriteria objektif untuk menilai seberapa sukses agen mencapai tujuannya dalam lingkungan tertentu.
- Simple Reflex Agent
- Agen yang memilih tindakan hanya berdasarkan persepsi saat ini menggunakan aturan kondisi-tindakan (if-then).
- Model-Based Reflex Agent
- Agen refleks yang mempertahankan kondisi internal untuk melacak aspek lingkungan yang tidak dapat diamati langsung.
- Goal-Based Agent
- Agen yang menggabungkan informasi keadaan dengan tujuan eksplisit untuk memilih tindakan yang tepat.
- Utility-Based Agent
- Agen yang menggunakan fungsi utilitas untuk mengukur tingkat kepuasan atau kualitas dari setiap kemungkinan hasil.
- Learning Agent
- Agen yang mampu belajar dari pengalaman masa lalu untuk meningkatkan kinerjanya seiring berjalannya waktu.
- Elemen Pembelajar (Learning Element)
- Komponen dalam learning agent yang bertanggung jawab membuat perbaikan dan mempelajari strategi baru.
- Elemen Kinerja (Performance Element)
- Komponen dalam learning agent yang bertanggung jawab memilih tindakan eksternal berdasarkan persepsi.
- Kritikus (Critic)
- Komponen yang mengevaluasi perilaku agen terhadap standar kinerja eksternal dan memberikan umpan balik.
- Generator Masalah (Problem Generator)
- Komponen yang menyarankan tindakan baru atau eksplorasi eksperimental yang dapat mengarah pada pengalaman baru.
- Lingkungan Deterministik
- Lingkungan di mana keadaan berikutnya ditentukan sepenuhnya oleh keadaan saat ini dan tindakan yang diambil.
- Lingkungan Stokastik
- Lingkungan yang mengandung ketidakpastian atau unsur acak sehingga hasil tindakan tidak dapat dipastikan.
- Fully Observable
- Kondisi lingkungan di mana sensor agen dapat mendeteksi seluruh aspek yang relevan setiap saat.
- Partially Observable
- Kondisi lingkungan di mana sensor agen memiliki informasi terbatas atau terdapat data yang tersembunyi.
- Lingkungan Statis
- Lingkungan yang tidak berubah saat agen sedang mempertimbangkan atau menghitung tindakannya.
- Lingkungan Dinamis
- Lingkungan yang terus berubah seiring berjalannya waktu meskipun agen tidak melakukan tindakan apapun.
- Lingkungan Diskrit
- Lingkungan dengan jumlah keadaan, waktu, persepsi, dan tindakan yang terbatas dan terpisah jelas.
- Lingkungan Kontinu
- Lingkungan dengan parameter mulus dan tak terhingga seperti kecepatan, suhu, atau waktu nyata.
- Single-Agent vs Multi-Agent
- Pembeda apakah agen beroperasi sendirian atau berinteraksi dan bersaing dengan agen cerdas lainnya.
- Episodic vs Sequential
- Pembeda apakah tindakan saat ini memengaruhi keputusan masa depan (sekuensial) atau terbagi dalam episode independen.
- LLM-based Agent
- Sistem agen modern yang menggunakan Large Language Model sebagai inti penalaran dan pembuat keputusannya.
- Tool Use / Function Calling
- Kemampuan agen LLM memanggil API, kalkulator, atau fungsi eksternal untuk memperluas kapabilitasnya.
- Reasoning (Penalaran Agen)
- Proses berpikir terstruktur agen untuk memecah masalah besar menjadi serangkaian langkah logis.
- Chain of Thought (CoT)
- Teknik prompting yang membimbing model berpikir langkah demi langkah sebelum menghasilkan kesimpulan akhir.
- ReAct Framework
- Paradigma yang menggabungkan Reasoning (penalaran) dan Action (eksekusi tindakan) secara berulang bergantian.
- Perencanaan (Planning)
- Proses menyusun urutan tindakan sebelum mulai mengeksekusinya demi mencapai tujuan akhir secara efisien.
- Short-Term Memory (AI Agent)
- Penyimpanan konteks percakapan terkini yang berada dalam batas jendela konteks model.
- Long-Term Memory (AI Agent)
- Penyimpanan eksternal persisten seperti basis data vektor untuk mengingat informasi lintas sesi percakapan.
- RAG (Retrieval-Augmented Generation)
- Mekanisme pengambilan data relevan dari sumber eksternal sebelum agen menghasilkan respons berbasis konteks.
- Sistem Multi-Agent
- Arsitektur di mana banyak agen AI dengan peran berbeda bekerja sama atau bernegosiasi menyelesaikan proyek kompleks.
- Orchestrator Agent
- Agen koordinator utama yang mendelegasikan subtugas ke beberapa agen spesialis lain.
- Role-Playing Agent
- Pendekatan konfigurasi di mana agen diberi persona khusus seperti analis, pemrogram, atau desainer.
- Self-Reflection (Refleksi Diri)
- Kemampuan agen mengevaluasi hasil kinerjanya sendiri dan memperbaiki kesalahan tanpa instruksi luar.
- Human-in-the-Loop (HITL)
- Prinsip desain di mana tindakan kritis agen membutuhkan persetujuan atau konfirmasi manual dari manusia.
- Loop Tindakan Agen (Agent Loop)
- Siklus berulang dari agen yang mencakup persepsi, analisis, perencanaan, tindakan, dan penerimaan umpan balik.
- LangChain
- Framework open-source populer untuk merancang dan membangun alur aplikasi berbasis LLM dan agen.
- LangGraph
- Pustaka untuk membangun aplikasi agen multi-langkah yang kompleks dan memiliki siklus kerja dengan state.
- AutoGPT
- Contoh awal implementasi agen otonom open-source yang berusaha mencapai tujuan umum secara mandiri.
- Halusinasi pada Agen AI
- Kondisi kegagalan ketika agen menghasilkan fakta keliru atau mengeksekusi parameter alat yang tidak valid.
- Safety & Guardrails Agen
- Mekanisme pengaman terprogram untuk mencegah agen melakukan tindakan destruktif atau melanggar aturan etika.