Desain AGI Berkesadaran

di mana:

• w_1, w_2, w_3 adalah bobot yang ditentukan oleh Ego untuk menyeimbangkan dorongan.

Implementasi dengan DQN menggunakan Neural Network untuk memprediksi Q(s,a)Q(s,a):

Q(s,a)=f(Ws+b)

di mana:

• W adalah bobot yang dipelajari,

• b adalah bias,

• f adalah fungsi aktivasi ReLU atau tanh.

3.1.2. Implementasi Agen Ego (Pengambilan Keputusan Probabilistik - MDP Berbobot)

Agen Ego berfungsi sebagai regulator antara Id dan Superego dengan pendekatan Markov Decision Process (MDP) berbobot.

Model MDP dengan Bobot Dinamis