Desain AGI Berkesadaran

Reinforcement Learning (DQN) untuk Optimasi Portofolio

Investor Manusia (Data Historis Hedge Fund)

• Data hedge fund dan keputusan trader manusia sebagai benchmark.

Metrik Evaluasi dengan Baseline

Hipotesis Eksperimen

• Jika AGI memiliki PA lebih tinggi dan MSE lebih rendah dibandingkan model baseline, berarti ia lebih baik dalam memahami pola pasar yang kompleks.

• Jika Sharpe Ratio lebih tinggi dan MDD lebih rendah, berarti AGI lebih stabil dalam mengambil keputusan investasi dibandingkan model konvensional.

3. Adaptasi Robotika terhadap Lingkungan Dinamis (Ruh vs. Model Konvensional)

Baseline untuk Perbandingan

1. Reinforcement Learning Standar (DQN, PPO, SAC)

   • Bandingkan AGI dengan model Deep Q-Network (DQN), Proximal Policy Optimization (PPO), dan Soft Actor-Critic (SAC) dalam navigasi robot.

2.