Artificial Intelligence (Kecerdasan Buatan)

 

 

ARTIFICIAL INTELLIGENCE (KECERDASAN BUATAN)

Menurut A Simon [1987]: “kecerdasan buatan (artificial intelligence) merupakan kawasan penelitian, aplikasi dan instruksi yang terkait dengan pemrograman komputer untuk melakukan sesuatu hal yang dalam pandangan manusia adalah- cerdas.” 

Menurut Rich and Knight [1991]: “Kecerdasan Buatan (AI) merupakan sebuah studi tentang bagaimana membuat komputer melakukan hal-hal yang pada saat ini dapat dilakukan lebih baik oleh manusia.”

Menurut Encyclopedia Britannica: “Kecerdasan Buatan (AI) merupakan cabang dari ilmu komputer yang dalam merepresentasi pengetahuan lebih banyak menggunakan bentuk simbol-simbol daripada bilangan, dan memproses informasi berdasarkan metode heuristic atau dengan berdasarkan sejumlah aturan”

Artificial Intelligence atau Kecerdasan buatan adalah model untuk mempelajari manusia. Dimana mencakup berbagai bidang dan teknologi seperti visi mesin, pengenalan sidik jari, pengenalan wajah, pencarian cerdas, permainan, robot, pemrosesan gambar, kontrol cerdas dan sebagainya. Penelitian ini masih terus diperkaya dan diperluas.

Kecerdasan buatan (AI) memungkinkan mesin untuk belajar dari pengalaman, menyesuaikan input-input baru dan melaksanakan tugas seperti manusia. Sebagian besar contoh AI yang Anda dengar dewasa ini – mulai dari komputer yang bermain catur hingga mobil yang mengendarai sendiri – sangat mengandalkan pembelajaran mendalam dan pemrosesan bahasa alamiah. Dengan menggunakan teknologi ini, komputer dapat dilatih untuk menyelesaikan tugas-tugas tertentu dengan memproses sejumlah besar data dan mengenali pola dalam data.

A. Sejarah Kecerdasan Buatan

Istilah kecerdasan buatan diciptakan pada tahun 1956, tetapi AI telah menjadi kian populer saat ini berkat peningkatan volume data, algoritme canggih, dan peningkatan daya serta penyimpanan komputasi. Riset AI awal pada tahun 1950-an mengeksplorasi topik-topik seperti penyelesaian masalah dan metode simbolik. Pada tahun 1960-an, Departemen Pertahanan AS menaruh minat terhadap jenis pekerjaan ini dan mulai melatih komputer-komputer untuk menirukan penalaran manusia yang mendasar. Misalnya, Defense Advanced Research Projects Agency (DARPA) menyelesaikan proyek pemetaan jalan pada tahun 1970-an. Dan DARPA menghasilkan asisten pribadi cerdas pada tahun 2003, jauh sebelum Siri, Alexa atau Cortana diberi nama.

Pekerjaan awal ini membuka jalan bagi otomatisasi dan penalaran formal yang kita lihat di komputer saat ini, termasuk sistem pendukung keputusan dan sistem pencarian pintar yang dapat dirancang untuk melengkapi serta meningkatkan kemampuan manusia. Sementara film-film Hollywood dan novel fiksi ilmiah menggambarkan AI sebagai robot mirip manusia yang mengambil alih dunia, evolusi teknologi AI saat ini tidak begitu menakutkan – atau cukup pintar. Sebaliknya, AI telah berevolusi untuk memberikan banyak manfaat spesifik di setiap industri.

 

B. Mengapa kecerdasan buatan penting?

·         AI mengautomasi pembelajaran dan penemuan berulang melalui data. Tetapi AI berbeda dengan automasi robotik yang digerakkan oleh perangkat keras. Alih-alih mengautomasi tugas manual, AI melakukan tugas-tugas yang sering, bervolume tinggi, terkomputerisasi dengan andal dan tanpa mengalami kelelahan. Untuk jenis automasi ini, penyelidikan manusia masih penting untuk mengatur sistem dan mengajukan pertanyaan yang tepat.

·     AI menambahkan kecerdasan pada produk-produk yang ada. Di sebagian besar kasus, AI tidak dijual sebagai aplikasi individu. Akan tetapi, produk yang sudah Anda gunakan akan ditingkatkan dengan kemampuan AI, mirip seperti Siri yang ditambahkan sebagai fitur pada generasi baru produk Apple. Automasi, platform percakapan, bot, dan mesin pintar dapat dikombinasikan dengan sejumlah besar data untuk meningkatkan banyak teknologi di rumah dan di tempat kerja, mulai dari intelijen keamanan hingga analisis investasi.

·  AI beradaptasi melalui algoritme pembelajaran progresif guna memungkinkan data melakukan pemrograman. AI menemukan struktur dan keteraturan dalam data sehingga algoritme memperoleh keterampilan: Algoritme menjadi pengklasifikasi atau prediktor. Jadi, sama seperti algoritme yang dapat mengajarkan dirinya sendiri cara bermain catur, AI dapat mengajarkan sendiri produk apa yang akan direkomendasikan berikutnya secara online. Dan model-model beradaptasi saat memberikan data baru. Propagasi belakang merupakan teknik AI yang memungkinkan model untuk beradaptasi, melalui pelatihan dan data yang ditambahkan, saat jawaban pertama tidak terlalu tepat.

AI menganalisis data lebih banyak dan lebih dalam menggunakan jaringan neural yang memiliki banyak lapisan tersembunyi. Membangun sistem deteksi penipuan dengan lima lapisan tersembunyi hampir tidak mungkin beberapa tahun yang lalu. Semuanya berubah dengan kekuatan komputer yang luar biasa dan big data. Anda memerlukan banyak data untuk melatih model pembelajaran mendalam karena model tersebut belajar langsung dari data. Semakin banyak data yang Anda umpankan kepada model, semakin akurat model tersebut.

·  AI mencapai keakuratan mengagumkan melalui jaringan neural mendalam – yang sebelumnya tidak dimungkinkan. Misalnya, interaksi Anda dengan Alexa, Google Search, dan Google Photos semuanya didasarkan pada pembelajaran yang mendalam – dan ketiganya terus menjadi semakin akurat karena kita semakin sering menggunakannya. Di bidang medis, teknik AI dari pembelajaran mendalam, klasifikasi citra, dan pengenalan objek sekarang dapat digunakan untuk menemukan kanker pada MRI dengan akurasi yang sama seperti ahli radiologi yang terlatih.

·     AI memanfaatkan sebagain besar data. Jika algoritme merupakan pembelajaran mandiri, data itu sendiri dapat menjadi kekayaan intelektual. Jawabannya ada dalam data; Anda hanya perlu menerapkan AI untuk mendapatkannya. Karena peran data kini semakin penting dari sebelumnya, data dapat menciptakan keunggulan kompetitif. Jika Anda memiliki data terbaik dalam industri kompetitif, bahkan jika seseorang menerapkan teknik serupa, data terbaiklah yang akan menang.

C.  Bagaimana Kecerdasan Buatan Digunakan

Setiap industri memiliki permintaan yang tinggi akan kemampuan AI – khususnya sistem penjawab pertanyaan yang dapat digunakan untuk bantuan hukum, pencarian paten, pemberitahuan risiko, dan penelitian medis. Penggunaan lain AI mencakup:

Ø  Layanan Kesehatan

Penerapan AI dapat memberikan pengobatan dan pembacaan sinar X yang dipersonalisasikan. Asisten layanan kesehatan pribadi dapat bertindak sebagai pelatih hidup, yang mengingatkan Anda untuk minum pil, olahraga, atau makan lebih sehat.

 Retail

AI menyediakan kemampuan belanja virtual yang menawarkan rekomendasi yang dipersonalisasi dan mendiskusikan opsi pembelian dengan konsumen. Pengelolaan stok dan teknologi tata letak situs juga akan meningkat dengan AI.

 

Ø  Manufaktur

AI dapat menganalisis data IoT pabrik saat mengalir dari peralatan yang terhubung untuk memperkirakan beban dan permintaan yang diharapkan menggunakan jaringan berulang, jenis jaringan pembelajaran mendalam tertentu yang digunakan dengan data urutan.

Ø  Perbankan

Kecerdasan Buatan meningkatkan kecepatan, presisi, dan keefektifan upaya manusia. Dalam lembaga keuangan, teknik AI dapat digunakan untuk mengidentifikasi transaksi mana yang kemungkinan merupakan penipuan, mengadopsi pemberian skor kredit yang cepat dan akurat, serta mengautomasi tugas-tugas pengelolaan data yang tajam secara manual.

 

D. Bekerja bersama dengan AI

Kecerdasan buatan ada di sini bukan untuk menggantikan kita. AI meningkatkan kemampuan kita dan menjadikan kita lebih baik dalam hal yang kita lakukan. Karena algoritme AI belajar dengan cara berbeda dari manusia, AI melihat hal-hal dengan cara yang lain. Algoritme AI dapat melihat hubungan dan pola yang mungkin luput dari kita. Kemitraan AI dan manusia ini menawarkan banyak peluang. Kemitraan ini dapat:

·        Menghadirkan analitik ke industri dan domain tempat keduanya tidak digunakan sepenuhnya.

·      Meningkatkan performa teknologi analitik yang ada, seperti visi komputer dan analisis rangkaian waktu.

·         Mendobrak hambatan ekonomi, termasuk hambatan bahasa dan terjemahan.

Meningkatkan kemampuan yang ada dan menjadikan kita lebih baik dalam hal yang kita lakukan.

·         Memberi kita visi, pemahaman, memori yang lebih baik, dan banyak lagi. 

 

E.  Apa tantangan menggunakan kecerdasan buatan?

Kecerdasan buatan akan mengubah setiap industri, tetapi kita harus memahami batasannya. Keterbatasan prinsip AI adalah bahwa AI belajar dari data. Tidak ada cara lain untuk memasukkan pengetahuan. Itu berarti ketidakakuratan dalam data akan tercermin di dalam hasilnya. Dan setiap lapisan tambahan dari prediksi atau analisis harus ditambahkan secara terpisah.

Sistem AI saat ini dilatih untuk melakukan tugas yang ditentukan dengan jelas. Sistem yang memainkan poker tidak bisa bermain solitaire atau catur. Sistem yang mendeteksi penipuan tidak dapat mengendarai mobil atau memberi Anda nasihat hukum. Bahkan, sistem AI yang mendeteksi penipuan layanan kesehatan tidak dapat secara akurat mendeteksi penipuan pajak atau penipuan klaim garansi.

Dengan kata lain, sistem-sistem ini amat sangat terspesialisasi. Sistem ini berfokus pada satu tugas dan jauh dari berperilaku seperti manusia.

Demikian pula, sistem belajar mandiri bukanlah sistem otonom. Teknologi AI yang Anda lihat dalam film dan TV masih merupakan fiksi ilmiah. Tetapi komputer yang dapat menyelidiki data kompleks untuk belajar dan menyempurnakan tugas-tugas tertentu menjadi sangat umum.

F.   Bagaimana Cara Kerja Kecerdasan Buatan

AI bekerja dengan menggabungkan sejumlah besar data dengan cepat, pengolahan berulang, dan algoritme cerdas, memungkinkan perangkat lunak untuk belajar secara otomatis dari pola atau fitur dalam data. AI adalah bidang studi luas yang mencakup banyak teori, metode, dan teknologi, serta subbidang utama berikut ini:

 Pembelajaran mesin mengautomasi pembangunan model analitik. AI menggunakan metode dari jaringan neural, statistik, penelitian operasi, dan fisika untuk menemukan wawasan tersembunyi dalam data tanpa secara eksplisit diprogram untuk tempat mencari atau menyimpulkan sesuatu.

·         Jaringan neural adalah jenis pembelajaran mesin yang terdiri atas unit-unit yang saling berhubungan (seperti neuron) yang memproses informasi dengan menanggapi masukan eksternal, menyampaikan informasi antara setiap unit. Proses ini membutuhkan banyak umpan pada data untuk menemukan koneksi dan mendapatkan makna dari data yang tidak terdefinisi.

·         Pembelajaran mendalam menggunakan jaringan neural yang sangat besar dengan banyak lapisan unit pemrosesan, memanfaatkan kemajuan dalam daya komputasi, dan meningkatkan teknik pelatihan guna mempelajari pola kompleks dalam sejumlah besar data. Penerapan umumnya mencakup pengenalan gambar dan ujaran.

·         Komputasi kognitif adalah subbidang AI yang berupaya untuk melakukan interaksi seperti manusia secara alami dengan mesin. Menggunakan AI dan komputasi kognitif, tujuan utamanya adalah agar mesin dapat mensimulasikan proses manusia melalui kemampuan untuk menafsirkan gambar dan ujaran – kemudian berbicara dengan koheren dalam memberi tanggapan.  

·         Visi komputer mengandalkan pengenalan pola dan pembelajaran mendalam guna mengenali apa yang ada dalam foto atau video. Jika mesin dapat memproses, menganalisis, dan memahami gambar, mesin dapat menangkap gambar atau video secara real time dan menafsirkan sekitarnya.

·         Pemrosesan bahasa alamiah (natural language processing/NLP) adalah kemampuan komputer untuk menganalisis, memahami, dan menghasilkan bahasa manusia, termasuk ujaran. Tahap selanjutnya dari NLP adalah interaksi bahasa alami, yang memungkinkan manusia berkomunikasi dengan komputer menggunakan bahasa sehari-hari yang normal untuk melakukan tugas.

Selain itu, beberapa teknologi memungkinkan dan mendukung AI:

·         Unit pemrosesan grafis merupakan kunci bagi AI karena unit ini menyediakan penghitungan berat yang diperlukan untuk pemrosesan berulang. Melatih jaringan neural membutuhkan data dan juga daya komputasi yang besar.

·         Internet of Things menghasilkan jumlah data yang amat besar dari perangkat-perangkat terhubung, yang sebagian besar tidak dianalisis. Mengautomasi model dengan AI akan memungkinkan kita untuk menggunakan lebih banyak dari AI.

·         Algoritme lanjutan sedang dikembangkan dan digabungkan dalam cara-cara baru guna menganalisis lebih banyak data yang lebih cepat dan pada beberapa tingkatan. Proses cerdas ini adalah kunci untuk mengidentifikasi dan memprediksi kejadian langka, memahami sistem yang kompleks, dan mengoptimalkan skenario unik.

·         API, atau antarmuka pemrosesan aplikasi, merupakan paket kode portabel yang memungkinkan untuk menambahkan fungsi AI ke produk dan paket perangkat lunak yang sudah ada. Hal di atas dapat menambahkan kemampuan pengenalan gambar ke sistem keamanan rumah dan kemampuan Q&A yang menggambarkan data, membuat keterangan dan judul, atau memanggil pola dan wawasan menarik dalam data.

Ringkasnya, tujuan AI adalah untuk memberikan kemampuan untuk mengolah input dan menjelaskan output pada perangkat lunak. AI akan menyediakan interaksi yang mirip manusia dengan perangkat lunak dan menawarkan dukungan keputusan untuk tugas tertentu, tetapi AI bukan pengganti manusia – dan tidak akan menggantikan manusia dalam waktu dekat. 

G. AI Sektor Pendidikan

Tugas guru yang sangat komplek (merencanakan, melaksanakan, mengevaluasi), mengharuskan guru untuk menggunakan teknologi yang bisa menjadikan tugas guru menjadi efisien dan fleksibel. Dan sekarang, telah ada beberapa startup AI yang bisa meringankan semua pekerjaan guru, sehingga para guru memiliki lebih banyak waktu untuk membimbing siswa. Atau memikirkan hal yang lebih kreatif untuk pendidikan. Beberapa Starup yang digunakan dalam pendidikan :

Startup affectiva dan Acrobatiq.

AI membantu guru dalam ujian dalam hal koreksi jawaban siswa, selain itu AI dapat memberikan dukungan informasi dan data untuk guru dalam mengidentifikasi dan menganalisasi data perilaku pelajar dan emosi suara sebagai referensi untuk penilaian guru serta membantu guru mengembangkan rencana pembelajaran. Ketika AI menemukan banyak siswa melakukan kesalahan yang sama. Pada satu pertanyaan yang sama pula. AI akan meminta untuk memberikan lebih banyak bimbingan kepada siswa pada titik pengetahuan tersebut. Affectiva, adalah AI startup yang didasarkan pada pengenalan emosi. Mereka telah mengamati sejumlah besar ekspresi manusia dari berbagai ras. Usia. Jenis kelamin. Hobbi. Dan melalui deep learning atau pembelajaran mendalam, menganalisa apakah mereka benar-benar tertawa atau sebaliknya, pura-pura. Dalam mengamati seorang pelajar.

Startup Knewton dan Kidaptive,

Teknologi ini mampu mendeteksi minat dan bakat siswa, sehingga guru lebih mudah mengembangkan pembelajaran berdasarkan bakat yang dimiliki siswa. Sistem pembelajaran adaptif dapat menangkap dan merespons kebutuhan. Dan feedback siswa yang berbeda. Dengan memilih, menekankan, mengulang, melewatkan, atau menambah poin pengetahuan. Setiap pelajar dapat memiliki kecepatan belajar lewat jalur yang paling sesuai untuk mereka.