1. PENGENALAN INTELEGENSI BUATAN

1.1 Pengertian Intelegensi Buatan

Kecerdasan Buatan “Artificial Intelegence (AI)” merupakan suatu metode atau sistem pada suatu kontroller (komputer atau sejenisnya) yang digunakan dalam mengambil suatu keputusan atau melakukan suatu tindakan. Kecerdasan buatan atau sering disebut Artificial Intelegence (AI) dapat diartikan dalam beberapa pengertian sebagai berikut :

·         Suatu cara yang sederhana untuk membuat komputer dapat “berpikir” secara intelligent.

·         Bagian dari ilmu komputer yang mempelajari perancangan sistem komputer yang inteligent, yaitu suatu sistem yang memperlihatkan karakteristik yang ada pada tingkah laku manusia, seperti mengerti suatu bahasa, mempelajari,mempertimbangkan dan memecahkan suatu masalah.

·         Suatu studi bagaimana membuat komputer dapat mengerjakan sesuatu, yang pada saat ini, orang dapat mengerjakan lebih baik.

·         Bidang ilmu komputer yang memungkinkannya untuk memahami, bernalar dan bertindak.

Tujuan Kecerdasan Buatan “Artificial Intelegence (AI)”  dalam penggunaan sistem pengambil keputusan adalah :

·         Untuk mengembangkan metode dan sistem untuk menyelesaikan masalah, masalah yang biasa diselesaikan melalui aktifivitas intelektual manusia, misalnya pengolahan citra, perencanaan, peramalan dan lain-lain, meningkatkan kinerja sistem informasi yang berbasis komputer.

·         Untuk meningkatkan pengertian/pemahaman kita pada bagaimana otak manusia bekerja.

Arah pengembangan dari kecerdasan buatan atau Artificial Intelegence (AI) pada suatu sistem pengambil keputusan memiliki 2 metode sebaga berikut :

·         Mengembangkan metode dan sistem untuk menyelesaikan masalah pada sistem kecerdasan buatan (AI) tanpa mengikuti cara manusia menyelesaikannya. Arah pengembangan kecerdasan buatan (AI) dengan metode ini adalah sistem pakar / expert system.

·         Mengembangkan metode dan sistem untuk menyelesaikan masalah pada sistem kecerdasan buatan (AI) melalui pemodelan yang mengikuti cara berpikirnya manusia, atau cara bekerjanya otak manusia. Arah pengembangan kecerdasan buatan menggunakan metode seperti ini adalah sistem jaringan syaraf tiruan (neural networks).

Bidang-bidang Aplikasi Kecerdasan Buatan “Artificial Intelegence (AI)” Menurut Elaine Rich :

ü  Masalah pada AI (Task Domain) :

1.     Tugas Keduniaan (Mundane Task) Perception: Vision, Speech Recognition

2.    Natural Language: Understanding, Generation, Translation

3.    Commonsense Reasoning

4.    Robot Control

ü  Tugas Formal (Formal Task) :

1.     Games (Chess, Backgamon, checkers,Go)

2.    Mathematics (Geometry, Logic, Integral, Calculus, Proving properties of programs)

ü  Tugas Ahli (Expert Tasks) :

1.   Engineering (Design,Fault Finding, Manufacturing Planning)

2.  Scientific Analysis, Medical Diagnosis, Financial Analysis

1.2 Intelegensi Buatan dan Intelegensi Alami

Kecerdasan buatan memiliki kelebihan-kelebihan, yaitu memiliki logika dan dapat menyelesaikan masalah, dapat berpikir, dan berlogika seperti pikiran manusia ada juga yang tidak seperti manusia. Diantara kelebihan-kelebihan tersebut juga terdapat berbagai kelemahan, yaitu memiliki logika dan dapat menyelesaikan masalah hanya pada daerah tertentu saja, bahasa yang digunakan adalah bahasa alam (bahasa yang khusus dibuat) serta minimnya perkembangan.

Keuntungan Kecerdasan Buatan :

1.     Kecerdasan buatan lebih bersifat permanen. Kecerdasan alami akan cepat mengalami perubahan. Hal ini dimungkinkan karena sifat manusia yang pelupa. Kecerdasan buatan tidak akan berubah sepanjang sistem komputer dan program tidak mengubahnya.

2.    Kecerdasan buatan lebih mudah diduplikasi dan disebarkan. Mentransfer pengetahuan manusia dari satu orang ke orang lain butuh proses dan waktu lama. Disamping itu suatu keahlian tidak akan pernah bisa diduplikasi secara lengkap. Sedangkan jika pengetahuan terletak pada suatu sistem komputer, pengetahuan tersebuat dapat ditransfer atau disalin dengan mudah dan cepat dari satu komputer ke komputer lain

3.    Kecerdasan buatan lebih murah dibanding dengan kecerdasan alami. Menyediakan layanan komputer akan lebih mudah dan lebih murah dibanding dengan harus mendatangkan seseorang untuk mengerjakan sejumlah pekerjaan dalam jangka waktu yang sangat lama.

4.    Kecerdasan buatan bersifat konsisten. Hal ini disebabkan karena kecerdasan busatan adalah bagian dari teknologi komputer. Sedangkan kecerdasan alami senantiasa berubah-ubah.

5.    Kecerdasan buatan dapat didokumentasikan. Keputusan yang dibuat komputer dapat didokumentasikan dengan mudah dengan melacak setiap aktivitas dari sistem tersebut. Kecerdasan alami sangat sulit untuk direproduksi.

6.    Kecerdasan buatan dapat mengerjakan pekerjaan lebih cepat dibanding dengan kecerdasan alami

7.    Kecerdasan buatan dapat mengerjakan pekerjaan lebih baik dibanding dengan kecerdasan alami.

Keuntungan kecerdasan alami:

1.     Kreatif. Kemampuan untuk menambah ataupun memenuhi pengetahuan itu sangat melekat pada jiwa manusia. Pada kecerdasan buatan, untuk menambah pengetahuan harus dilakukan melalui sistem yang dibangun

2.    Kecerdasan alami memungkinkan orang untuk menggunakan pengalaman secara langsung. Sedangkan pada kecerdasan buatan harus bekerja dengan input-input simbolik

3.    Pemikiran manusia dapat digunakan secara luas, sedangkan kecerdasan buatan sangat terbatas.

Jadi, secanggih-canggihnya suatu kecerdasan buatan tidak akan permah dapat menggantikan kecerdasan alami karena kecerdasan buatan itu sendiri berasal dari kecerdasan alami.

1.3 Komputasi Intelegensi Buatan dan Komputasi Konvensional

Aritifficial Intelligence merupakan software yang memungkinkan komputer digital bisa meniru beberapa fungsi otak manusia yang terbatas walaupun hardware AI khusus dapat dibuat, tetapi ternyata hampir semua software AI bisa dilaksanakan pada semua jenis komputer, mulai dari komputer mikro sampai komputer besar.

Program AI dapat ditulis dalam semua bahasa komputer dan telah ditulis dalam bahasa Assembler, BASIC, Fortran,Pascal,C dan sebaliknya. Namun, bahasa pemrograman khusus aplikasi AI mulai dikembangkan pula.Dua bahasa pemrograman AI yang sangat populer adalah LISP dan Prolog.

KOMPUTASI AI
Software AI tidak didasarkan pada algoritma, tetapi didadasarkan pada representasi dan manipulasi simbol. Didalam AI, sebuah simbol bisa merupakan huruf, kata, atau bilangan yang digunakan untuk menggambarkan objek, proses, dan hubungannya. Sumber bisa merupakan cetakan atau elektronik. objek bisa berupa orang, benda, ide, pikiran, peristiwa, atau pernyataan suatu fakta. Dengan menggunakan simbol, komputer bisa menciptakan suatu basis pengetahuan yang menyatakan fakta, pikiran, dan hubungannya satu sama lain. Berbagai proses digunakan untuk memanipulasi simbol agar mampu memecahkan masalah. Pengolahannya bersifat kuantitatif, bukan kualitatif seperti halnya komputasi yang didasarkan pada algoritma.

KOMPUTASI KONVENSIONAL
            Teknik pembuatan Program AI sangat berbeda dengan teknik pemrograman menggunakan bahasa konvensional. Dalam software konvensional,kita memerintah komputer bagaimana menyelesaikan suatu masalah. Sebaliknya, dalam AI kita tidak memerintah komputer untuk menyelesaikan masalah, tetapi memberitahu komputer tentang adanya masalah. Dalam komputasi konvensional, kita memberikan data kepada komputer dan program yang telah kita susun terlebih dahulu dengan langkah demi langkah memspesifikasikan cara data digunakan sampai komputer bisa memberikan solusi. Dalam komputasi AI, komputer mendapatkan pengetahuan tentang suatu wilayah subyek masalah tertentu dengan ditambah kemampuan inferensi. Kita tidak memerintahkan komputer untuk memecahkan masalah tetapi sebaliknya komputer dan software-nya yang menentukan metode untuk mencapai suatu solusi.

Program komputer konvensional didasarkan pada suatu algoritma yang disusun dengan jelas, rinci, serta langkah sampai pada hasil yang sudah ditentukan sebelumnya yang bisa berupa rumus matematika atau prosedur berurutan yang tersusun dengan jelas yang mengarah ke suatu solusi. Algoritma tersebut kemudian dipindahkan ke dalam program komputer. Daftar instruksi disusun berurutan untuk mengarahkan komputer agar bisa sampai pada hasil yang diinginkan. Selanjutnya, algoritma bisa digunakan untuk mengolah data bilangan, huruf, atau kata lainnya.

Persamaan komputasi AI dan komputasi konvensional:
1.      Sama-sama mengolah simbol-simbol yang dapat berupa huruf, kata, atau bilangan yang digunakan untuk menggambarkan obyek, proses, dan saling hubungannya. Obyek dapat berupa orang, benda, ide, pikiran, peristiwa atau pernyataan suatu fakta.
2.      Menggunakan komputer digital untuk melaksanakan operasi.

1.4 Sejarah Intelegensi Buatan

Teori-teori yang mengarah ke KB sudah muncul sejak tahun 1941. Berikut ini tahap-tahap sejarah perkembangan KB :

A.  Era Komputer Elektronik (1941)

• Ditemukannya pertama kali alat penyimpanan dan pemprosesan informasi yang disebut komputer elektronik. Penemuan ini menjadi dasar pengembangan program yang mengarah ke KB.

B.  Masa Persiapan KB (1943 – 1956)

·         Tahun 1943, Warren McCulloch dan Walter Pitts mengemukakan tiga hal, yaitu :

o   Pengetahuan fisiologi dasar dan fungsi sel syaraf dalam otak

o   Analisis formal tentang logika proposisi (propositional logic)

o   Teori komputasi Turing

• Tahun 1950, Norbert Wiener membuat penelitian mengenai prinsip-prinsip teori feedback. Contoh yang terkenal adalah thermostat. Penemuan ini juga merupakan awal dari perkembangan KB.
• Tahun 1956, John McCarthy meyakinkan Minsky, Claude Shannon dan Nathaniel Rochester untuk membantunya melakukan penelitian dalam bidang Automata, Jaringan Syaraf dan pembelajaran intelijensia. 

Mereka kerjakan projek ini selama dua tahun di Dartmouth. Hasilnya adalah program yang mampu berpikir non-numerik dan menyelesaikan masalah pemikiran yang dinamakan Principia Mathematica. Hal ini menjadikan McCarthy disebut sebagai ”Bapak Kecerdasan Buatan”.

1.5 Lingkup Intelegensi Buatan

Lingkup utama kecerdasan buatan:

1.     Sistem pakar. Komputer digunakan sebagai saran untuk menyimpan pengetahuan para pakar. Dengan demikian komputer akan memiliki keahlian untuk menyelesaikan masalah dengan meniru keahlian yang dimiliki para pakar.

2.    Pengolahan bahasa alami. Dengan pengolahan bahasa alami ini diharapkan user mampu berkomunikasi dengan komputer dengan menggunakan bahasa sehari-hari.

3.    Pengenalan ucapan. Melalui pengenalan ucapan diharapkan manusia mampu berkomunikasi dengan komputer dengan menggunakan suara.

4.    Robotika dan Sistem sensor.

5.    Computer vision, mencoba untuk dapat mengintrepetasikan gambar atau objek-objek tampak melalui komputer.

6.    Intelligent Computer aid Instruction. Komputer dapat digunakan sebagai tutor yang dapat melatih dan mengajar.

7.    Game Playing. Perkembangan selanjutnya adalah kemunculan Fuzzy Logic (1965) dan Terminologi Genetika (John Halland, 1975).

1.6 Soft Computing

Soft computing adalah koleksi dari beberapa metodologi yang bertujuan untuk mengeksploitasi adanya toleransi terhadap ketidaktepatan, ketidakpastian, dan kebenaran parsial untuk dapat diselesaikan dengan mudah, robustness, dan biaya penyelesaiannya murah. (Prof. Lotfi A.Zadeh tahun 1992). Unsur – unsur pokok dalam soft Computing, adalah :

1.  Sistem Fuzzy (mengakomodasi ketidaktepatan)
2.  Jaringan Syaraf (menggunakan pembelajaran)
3. Probabilistic Reasoning (mengakomodasi ketidakpastian)
4. Evosionary Computing (optimasi)

Keempat itu bukan merupakan pesaing, melainkan bisa saling melengkapi. Bahkan pada kenyataannya, biasanya unsur – unsur pokok tersebut digunakan secara sinergis ketimbang dikerjakan secara sendiri – sendiri. Zaden juga mendefinisikan bahwa soft computing itu merupakan hubungan antara logika fuzzy, neuro-computing, probabilistic  reasoning, jaringan syaraf tiruan dan AI konvensional.

Karakteristik Soft Computing :

1.  Soft Computing memerlukan keahlian manusia, apabila direpresentasikan dalam bentuk aturan (If - Then).
2.  Model komputasinya diilhami oleh proses biologis.
3.  Soft Computing merupakan teknik optimasi baru.
4.  Soft Computing menggunakan komputasi numeris.
5. Soft Computing memiliki toleransi kegagalan (meskipun kualitasnya berangsur – angsur memburuk).

1.7 Definisi Masalah dan Ruang Masalah

Untuk membangun sistem yang mampu menyelesaikan masalah, perlu dipertimbangkan 4 hal:

1.     Mendefinisikan masalah dengan tepat:

·         Spesifikasi yang tepat mengenai keadaan awal

·         Solusi yang diharapkan 

2.    Menganalisis masalah serta mencari beberapa teknik penyelesaian masalah yang sesuai.

3.    Merepresentasikan pengetahuan yang perlu untuk menyelesaikan masalah.

4.    Memilih teknik penyelesaian masalah yang terbaik.

MASALAH SEBAGAI RUANG KEADAAN

·         Misalkan permasalahan yang dihadapi adalah permainan catur, maka harus ditentukan:

Ø  Posisi awal pada papan catur.

Ø  Aturan-aturan untuk melakukan gerakan secara legal.

Ø  Tujuan (goal) 

Ø   

RUANG KEADAAN (STATE SPACE)

·         Suatu ruang yang berisi semua keadaan yang mungkin

·         Sehingga secara umum, untuk mendeskripsikan masalah dengan baik, harus:

Ø  Mendefinisikan suatu ruang keadaan.

Ø  Menetapkan satu atau lebih keadaan awal.

Ø  Menetapkan satu atau lebih tujuan.

Ø  Menetapkan kupulan aturan.

Referensi:

http://elektronika-dasar.web.id/kecerdasan-buatan-artificial-intelegence-ai/

http://elektro-unimal.blogspot.co.id/2013/05/perbedaan-kecerdasan-buatan-dan.html

https://rehulina.wordpress.com/2009/08/05/pengertian-kecerdasan-buatan/

http://sonya-ali.blogspot.co.id/2010/03/perbedaan-ai-dengan-komputasi.html

http://sigitprabowoo.blogspot.co.id/2013/01/kecerdasan-buatan-sejarah-kecerdasan.html

http://intelligence-system.blogspot.co.id/2013/09/soft-computing.html

https://tam1n.wordpress.com/2010/12/02/intelegensi-buatan-kecerdasan-buatan/

https://aiukswgkelompok11.wordpress.com/definisi-artificial-intelligence/masalahruang-keadaanpencarian/

2. PENGENALAN INTELLIGENT AGENTS

Kecerdasan buatan atau dalam bahasa inggrisnya Artificial Intelligence sering disingkat dengan AI yang merupakan cabang terpenting dalam dunia komputer. Akhir-akhir ini, teknologi AI telah begitu banyak mempengaruhi kehidupan manusia. AI kini berada disekeliling kita, di dalam kehidupan sehari-hari kita, boleh dikatakan tidak ada satu pun peralatan yang tidak menggunakan teknologi AI. Di rumah, radio, mesin cuci, kulkas, ponsel, dll dilengkapi dengan Integrated Circuit komputer yang mempunyai AI. Dengan kata lain AI ialah ilmu dan rekayasa yang membuat mesin mempunyai intelligensi tertentu khususnya program komputer yang ‘cerdas’ (John McCarthy, 1956).

Pengertian sebuah AGENT adalah segala sesuatu yang dipandang sebagaimana mengamati lingkungannya melalui sensor dan bertindak atas lingkungan yang melalui efektor. Agen manusia memiliki mata, telinga, dan organ lain untuk sensor, dan tangan, kaki, mulut, dan bagian tubuh lainnya untuk efektor. Sebuah pengganti agen robot kamera dan berbagai pencari inframerah untuk sensor dan berbagai motor untuk efektor.

2.1         Agen dan Lingkungannya

Agen Intelligent sering digambarkan secara skematis sebagai sistem fungsional abstrak mirip dengan program komputer. Untuk alasan ini, agen cerdas kadang-kadang disebut agen cerdas abstrak s (AIA) Untuk membedakan mereka dari dunia nyata implementasinya sebagai sistem komputer, sistem biologis, atau organisasi. Beberapa definisi dari agen cerdas mereka menekankan otonomi , sehingga lebih memilih cerdas agen otonom jangka s. Yang lain (terutama Russell & Norvig (2003) ) perilaku goal-directed dianggap sebagai inti dari kecerdasan dan sebagainya lebih suka istilah yang dipinjam dari ekonomi , ” agen rasional “.

Agen Cerdas dalam kecerdasan buatan berhubungan erat dengan agen di ekonomi , dan versi dari paradigma agen cerdas yang dipelajari dalam ilmu kognitif , etika , filsafat alasan praktis , serta di banyak interdisiplinersosio-kognitif pemodelan dan sosial simulasi komputer.

Intelligent agen juga berhubungan erat dengan agen perangkat lunak (program perangkat lunak otonom yang melaksanakan tugas atas nama pengguna). Dalam ilmu komputer , agen cerdas istilah dapat digunakan untuk merujuk kepada agen perangkat lunak yang memiliki kecerdasan tertentu, terlepas jika tidak agen rasional oleh dan Norvig Definisi Russell. Sebagai contoh, program otonom digunakan untuk bantuan operator atau data mining (kadang-kadang disebut sebagai bot).

Lingkungan Tugas Agen, merupakan definisi dari pemasalahan yang akan diselesaikan oleh agen.antara lain :

1. Performance Measure

karakteristik apa yang menjadi tujuan dari agen ?

contoh : motor - tiba ditujuan dengan cepat dan hemat bahan bakar 

2. Environment

bagaimana karakterisitik lingkungan yang akan dihadapi ?

contoh : motor - tipe jalan, tingkat kemacetan

3. Actuators

perangkat apa yang dibutuhkan agen untuk mencapai tujuan ?

contoh : motor - steering, klakson dll 

4. Sensors

perangkat apa yang dibutuhkan agen untuk mengetahui kondisi lingkungan ?

contoh : motor – speedometer

2.2     Rasionalitas

Rational Agent merupakan suatu agent yang selalu bertindak memaksimalkan ukuran kinerja, mengingat apa yang ia amati tentang lingkungan dan pengetahuan lain yang dimilikinya. Mengevaluasi kinerja sangat penting. Kita harus berhati-hati untuk membedakan antara rasionalitas dan omniscience (kemahatahuan). Rasionalitas bahwa agen tahu hasil dari sebuah tindakan yang dilakukan secara rasional. Sedangkan omniscience adalah sebuah kemustahilan dari kenyataan yang sebenarnya telah terjadi. Faktor yang mempengaruhi rasionalitas :

-          Pengukuran kinarja (Performance Measure)

-          Percept Sequence (persepsi urutan)

-          Knowledge from Environment

-           Possible Actions

2.3        PEAS (Performance measure, Environment, Actuators, Sensors)

Ketika merancang sebuah agent, harus mendefinisikan lingkungan masalah (task environment), yakni:

• Performance measure : apa saja komponen pengukur keberhasilan si agent?

• Environment : kondisi apa saja yang ada disekitar si agent? • Actuators : apa saja yang bisa dilakukan si agent?

• Sensors : apa saja yang menjadi input si agent?

1. Contoh: Taksi Otomatis

• Sebuah agent taksi otomatis yang menerima penumpang dan mengantarkannya ke tujuan :

• Performance measure: sampai tujuan, tidak melanggar aturan lalu lintas, perjalanan nyaman,
   hemat bensin

• Environment: jalan, lalu lintas, pejalan kaki, pelanggan

• Actuators: arah stir, gas, rem, klakson, sinyal kiri atau kanan

• Sensors: video, speedometer, GPS, keyboard         

2. Contoh: Medical diagnosis system

• Sebuah agent Medical diagnosis system yang mendiagnosa pasien secara otomatis:

• Performance measure: pasien sembuh, biya murah, tidak menyalahi hukum

• Environment: pasien, rumah sakit, suster, dokter

• Actuators: layar monitor (pertanyaan, tes, diagnosa, treatment, petunjuk)

• Sensors: keyboard (masukan gejala penyakit, jawaban pasien)       

3.  Contoh: Robot pabrik penjamin mutu

• Sebuah robot yang melakukan pemisahan komponen yang bermutu tinggi pada ban berjalan ke dalam kotak berbeda

• Performance measure: prosentase jumlah komponen yg diletakkan pada kotak yang benar • Environment: ban berjalan, komponen yang diuji, kotak

• Actuators: gerak lengan dan tangan robot

• Sensors: kamera, sensor fisik

4. Contoh: Interactive English tutor

• Sebuah agent tutor yang memberikan latihan english secara interaktif

• Performance measure: nilai skor maksimal

• Environment: para siswa

• Actuators: layar monitor (latihan, saran koreksi)

• Sensors: keyboard

2.4           TIPE-TIPE LINGKUNGAN AGEN

-          Fully observable (vs. Partially observable): sensor-sensor sebuah agen memberinya akses ke keadaan lengkap lingkungannya pada setiap jangka waktu.

-          Deterministic (vs. Stochastic): keadaan lingkungan berikutnya sepenuhnya ditentukan oleh keadaan sekarang dan tindakan yang dilaksanakan oleh agen. (Jika lingkungan itu deterministik kecuali untuk tindakan agen-agen lain, maka lingkugannya adalah strategic)

-           Episodic (vs. Sequential): pengalaman agen dibagi ke dalam “episode-episode” atomik (setiapepisode terdiri dari si agen) memahami (perceiving) dan kemudian melaksanakan satu tindakan, dan pilihan tindakan dalam tiap episode hanya tergantung pada episode itu sendiri.

-          Static (vs. Dynamic): lingkungan tidak berubah selagi agen direncanakan (deliberating). (Lingkungan adalah semidynamic jika lingkungan itu sendiri tidak berubah dengan berjalannya waktu tetapi skor performa agen berubah)

-           Discrete (vs. Continuous): sejumlah terbatas persepsi dan tindakan yang khas dan terdefinisi baik.

-          Single agent (vs. Multiagent): sebuah agen yang mengoperasikan dirinya sendiri dalam sebuah lingkungan

-           Jenis lingkungan sangat menentukan rancangan agen

-          Dunia nyata (tentu saja) partially observable, stochastic, sequentil, dynamic, continuous, multi-agent.

2.5          Tipe-tipe Agen

-          Autonomy: Agent dapat melakukan tugas secara mandiri dan tidak dipengaruhi secara langsung oleh user, agent lain ataupun oleh lingkungan (environment). Untuk mencapai tujuan dalam melakukan tugasnya secara mandiri, agent harus memiliki kemampuan kontrol terhadap setiap aksi yang mereka perbuat, baik aksi keluar maupun kedalam [Woolridge et. al.,1995].

-          Intelligence, Reasoning, dan Learning: Setiap agent harus mempunyai standar minimum untuk bisa disebut agent, yaitu intelegensi (intelligence). Dalam konsep intelligence, ada tiga komponen yang harus dimiliki: internal knowledge base, kemampuan reasoning berdasar pada knowledge base yang dimiliki, dan kemampuan learning untuk beradaptasi dalam perubahan lingkungan.

-          Mobility dan Stationary: Khusus untuk mobile agent, dia harus memiliki kemampuan yang merupakan karakteristik tertinggi yang dia miliki yaitu mobilitas. Berkebalikan dari hal tersebut adalah stationary agent. Bagaimanapun juga keduanya tetap harus memiliki kemampuan untuk mengirim pesan dan berkomunikasi dengan agent lain.

-           Delegation: Sesuai dengan namanya dan seperti yang sudah kita bahas pada bagian definisi, agent bergerak dalam kerangka menjalankan tugas yang diperintahkan oleh user. Fenomena pendelegasian (delegation) ini adalah karakteristik utama suatu program disebut agent.

-          Reactivity: Karakteristik agent yang lain adalah kemampuan untuk bisa cepat beradaptasi dengan adanya perubahan informasi yang ada dalam suatu lingkungan (enviornment). Lingkungan itu bisa mencakup: agent lain, user, adanya informasi dari luar, dsb [Brenner et. al., 1998].

-          Proactivity dan Goal-Oriented: Sifat proactivity boleh dikata adalah kelanjutan dari sifat reactivity. Agent tidak hanya dituntut bisa beradaptasi terhadap perubahan lingkungan, tetapi juga harus mengambil inisiatif langkah penyelesaian apa yang harus diambil [Brenner et. al., 1998]. Untuk itu agent harus didesain memiliki tujuan (goal) yang jelas, dan selalu berorientasi kepada tujuan yang diembannya (goal-oriented).

-          Communication and Coordination Capability: Agent harus memiliki kemampuan berkomunikasi dengan user dan juga agent lain. Masalah komunikasi dengan user adalah masuk ke masalah user interface dan perangkatnya,sedangkan masalah komunikasi, koordinasi, dan kolaborasi dengan agent lain adalah masalah sentral penelitian Multi Agent System (MAS). Bagaimanapun juga untuk bisa berkoordinasi dengan agent lain dalam menjalankan tugas,perlu bahasa standard untuk berkomunikasi. Tim Finin [Finin et al., 1993] [Finin et al., 1994] [Finin et al., 1995] [Finin et al., 1997]dan Yannis Labrou [Labrou et al., 1994] [Labrou et al., 1997] adalah peneliti software agent yang banyak berkecimpung dalam riset mengenai bahasa dan protokol komunikasi antar agent. Salah satu produk mereka adalah Knowledge Query and Manipulation Language (KQML). Kemudian masih berhubungan dengan ini komunikasi antar agent adalah Knowledge Interchange Format (KIF).

Referensi : http://sarahamanda12.blogspot.co.id/2016/10/pengenalan-intelligent-agents.html