Apa itu AI (Artificial Intelligence) dan Manfaatnya apa sih?

Apa itu AI

Kecerdasan buatan (AI) adalah kecerdasan—memahami, mensintesis, dan menyimpulkan informasi—yang didemonstrasikan oleh mesin, berlawanan dengan kecerdasan yang ditunjukkan oleh manusia atau hewan lain. "Kecerdasan" mencakup kemampuan untuk belajar dan bernalar, menggeneralisasi, dan menyimpulkan makna. Contoh tugas di mana ini dilakukan termasuk pengenalan ucapan, visi komputer, terjemahan antara bahasa alami, serta pemetaan masukan lainnya.

Aplikasi AI termasuk mesin pencari web tingkat lanjut (seperti Google), sistem rekomendasi (digunakan oleh YouTube, Amazon, dan Netflix), memahami ucapan manusia (seperti Siri dan Alexa), mobil yang dapat mengemudi sendiri (seperti Waymo), generatif atau alat kreatif (ChatGPT dan seni AI), pengambilan keputusan otomatis, dan bersaing di level tertinggi dalam sistem permainan strategis.

Ketika mesin semakin mampu, tugas-tugas yang dianggap membutuhkan "kecerdasan" sering kali dihapus dari definisi AI, sebuah fenomena yang dikenal sebagai efek AI. Misalnya, pengenalan karakter optik sering dikecualikan dari hal-hal yang dianggap sebagai AI, karena telah menjadi teknologi rutin.

 

Sejarah AI

Makhluk buatan dengan kecerdasan muncul sebagai perangkat penceritaan di zaman kuno, dan telah umum dalam fiksi, seperti dalam Frankenstein karya Mary Shelley atau R.U.R karya Karel Čapek. Karakter ini dan nasib mereka mengangkat banyak isu yang sama yang sekarang dibahas dalam etika kecerdasan buatan.

Studi tentang penalaran mekanis atau "formal" dimulai oleh para filsuf dan ahli matematika di zaman kuno. Studi logika matematika mengarah langsung ke teori perhitungan Alan Turing, yang menyatakan bahwa mesin, dengan mengacak simbol sesederhana "0" dan "1", dapat mensimulasikan tindakan deduksi matematika apa pun yang dapat dibayangkan. Wawasan bahwa komputer digital dapat mensimulasikan setiap proses penalaran formal dikenal sebagai tesis Church–Turing. Hal ini, bersamaan dengan penemuan-penemuan dalam neurobiologi, teori informasi dan sibernetika, mengarahkan para peneliti untuk mempertimbangkan kemungkinan membangun otak elektronik. Karya pertama yang sekarang secara umum dikenal sebagai AI adalah rancangan formal McCullouch dan Pitts pada tahun 1943 untuk "neuron buatan" lengkap Turing.

Pada tahun 1950-an, muncul dua visi tentang cara mencapai kecerdasan mesin. Satu visi, yang dikenal sebagai Symbolic AI atau GOFAI, adalah menggunakan komputer untuk membuat representasi simbolis dunia dan sistem yang dapat bernalar tentang dunia. Para pendukung termasuk Allen Newell, Herbert A. Simon, dan Marvin Minsky. Terkait erat dengan pendekatan ini adalah pendekatan "pencarian heuristik", yang menyamakan kecerdasan dengan masalah mengeksplorasi ruang kemungkinan jawaban.

Visi kedua, yang dikenal sebagai pendekatan koneksionis, berupaya mencapai kecerdasan melalui pembelajaran. Pendukung pendekatan ini, terutama Frank Rosenblatt, berupaya menghubungkan Perceptron dengan cara yang diilhami oleh koneksi neuron. James Manyika dan lainnya telah membandingkan dua pendekatan pada pikiran (Symbolic AI) dan otak (connectionist). Manyika berpendapat bahwa pendekatan simbolik mendominasi dorongan untuk kecerdasan buatan pada periode ini, sebagian karena hubungannya dengan tradisi intelektual Descartes, Boole, Gottlob Frege, Bertrand Russell, dan lain-lain. Pendekatan koneksionis berdasarkan sibernetika atau jaringan syaraf tiruan didorong ke latar belakang tetapi telah mendapatkan keunggulan baru dalam beberapa dekade terakhir.

Bidang penelitian AI lahir di sebuah lokakarya di Dartmouth College pada tahun 1956. Para peserta menjadi pendiri dan pemimpin penelitian AI. : komputer mempelajari strategi catur, memecahkan soal cerita dalam aljabar, membuktikan teorema logika, dan berbicara bahasa Inggris

Pada pertengahan 1960-an, penelitian di AS didanai besar-besaran oleh Departemen Pertahanan dan laboratorium telah didirikan di seluruh dunia.

Para peneliti pada 1960-an dan 1970-an yakin bahwa pendekatan simbolik pada akhirnya akan berhasil menciptakan mesin dengan kecerdasan umum buatan dan menganggap ini sebagai tujuan bidang mereka. Herbert Simon meramalkan, "mesin akan mampu, dalam dua puluh tahun, melakukan pekerjaan apa pun yang dapat dilakukan manusia". Marvin Minsky setuju, menulis, "dalam satu generasi ... masalah menciptakan 'kecerdasan buatan' secara substansial akan dipecahkan".

Mereka gagal mengenali kesulitan dari beberapa tugas yang tersisa. Kemajuan melambat dan pada tahun 1974, sebagai tanggapan atas kritik Sir James Lighthill dan tekanan berkelanjutan dari Kongres AS untuk mendanai proyek yang lebih produktif, pemerintah AS dan Inggris menghentikan penelitian eksplorasi di AI. Beberapa tahun berikutnya akan disebut sebagai "musim dingin AI", periode di mana mendapatkan pendanaan untuk proyek AI menjadi sulit.

Pada awal 1980-an, penelitian AI dihidupkan kembali oleh kesuksesan komersial sistem pakar, suatu bentuk program AI yang mensimulasikan pengetahuan dan keterampilan analitis pakar manusia. Pada tahun 1985, pasar AI telah mencapai lebih dari satu miliar dolar. Pada saat yang sama, proyek komputer generasi kelima di Jepang mengilhami pemerintah AS dan Inggris untuk mengembalikan dana untuk penelitian akademik. Namun, dimulai dengan runtuhnya pasar Mesin Lisp pada tahun 1987, AI sekali lagi jatuh ke dalam keburukan, dan musim dingin kedua yang berlangsung lebih lama dimulai.

Banyak peneliti mulai meragukan bahwa pendekatan simbolik akan mampu meniru semua proses kognisi manusia, terutama persepsi, robotika, pembelajaran dan pengenalan pola. Sejumlah peneliti mulai melihat pendekatan "sub-simbolik" untuk masalah AI tertentu. Peneliti robotika, seperti Rodney Brooks, menolak AI simbolik dan berfokus pada masalah teknik dasar yang memungkinkan robot bergerak, bertahan hidup, dan mempelajari lingkungannya.

Ketertarikan pada jaringan saraf dan "koneksionisme" dihidupkan kembali oleh Geoffrey Hinton, David Rumelhart, dan lainnya pada pertengahan 1980-an. Alat komputasi lunak dikembangkan pada 1980-an, seperti jaringan saraf, sistem fuzzy, teori sistem Gray teori komputasi evolusioner, dan banyak alat yang diambil dari statistik atau optimisasi matematis.

AI secara bertahap memulihkan reputasinya pada akhir 1990-an dan awal abad ke-21 dengan menemukan solusi khusus untuk masalah tertentu. Fokus yang sempit memungkinkan peneliti menghasilkan hasil yang dapat diverifikasi, mengeksploitasi lebih banyak metode matematis, dan berkolaborasi dengan bidang lain (seperti statistik, ekonomi, dan matematika). Pada tahun 2000, solusi yang dikembangkan oleh peneliti AI banyak digunakan, meskipun pada tahun 1990-an solusi tersebut jarang digambarkan sebagai "kecerdasan buatan".

Komputer yang lebih cepat, peningkatan algoritmik, dan akses ke sejumlah besar data memungkinkan kemajuan dalam pembelajaran dan persepsi mesin; metode deep learning yang haus data mulai mendominasi tolok ukur akurasi sekitar tahun 2012.[46] Menurut Jack Clark dari Bloomberg, tahun 2015 adalah tahun yang penting bagi kecerdasan buatan, dengan jumlah proyek perangkat lunak yang menggunakan AI di dalam Google meningkat dari "penggunaan sporadis" pada tahun 2012 menjadi lebih dari 2.700 proyek. Ia mengaitkan hal ini dengan peningkatan dalam jaringan saraf yang terjangkau, karena peningkatan infrastruktur komputasi awan dan peningkatan alat penelitian dan kumpulan data.

Dalam survei tahun 2017, satu dari lima perusahaan melaporkan bahwa mereka telah "memasukkan AI dalam beberapa penawaran atau proses". Jumlah penelitian AI (diukur dengan total publikasi) meningkat sebesar 50% pada tahun 2015–2019. Menurut AI Impacts di Stanford, sekitar tahun 2022 sekitar $50 miliar per tahun diinvestasikan dalam kecerdasan buatan di AS, dan sekitar 20% lulusan baru PhD Ilmu Komputer AS memiliki spesialisasi dalam kecerdasan buatan; sekitar 800.000 lowongan pekerjaan AS terkait AI ada pada tahun 2022.

Banyak peneliti akademik menjadi khawatir bahwa AI tidak lagi mengejar tujuan awal untuk menciptakan mesin yang serba guna dan sepenuhnya cerdas. Sebagian besar penelitian saat ini melibatkan AI statistik, yang banyak digunakan untuk memecahkan masalah tertentu, bahkan teknik yang sangat berhasil seperti pembelajaran mendalam. Kekhawatiran ini telah mengarah pada subbidang kecerdasan umum buatan (atau "AGI"), yang memiliki beberapa lembaga yang didanai dengan baik pada tahun 2010.

 Manfaat AI

 Ada beberapa manfaat AI antara lain

1. Otomasi dan Efisiensi: AI dapat mengotomatiskan tugas yang berulang, yang mengarah pada peningkatan efisiensi dan produktivitas. Itu dapat melakukan perhitungan yang rumit, memproses data dalam jumlah besar, dan membuat keputusan lebih cepat daripada manusia, membebaskan sumber daya manusia untuk tugas yang lebih strategis dan kreatif.
2. Akurasi yang Ditingkatkan: Algoritme AI dapat menganalisis sejumlah besar data dengan presisi dan konsistensi, meminimalkan kesalahan manusia. Di bidang seperti diagnostik medis atau kontrol kualitas, AI dapat meningkatkan akurasi dan keandalan, sehingga memberikan hasil yang lebih baik.
3. Analisis Data dan Wawasan: AI unggul dalam memproses dan menganalisis volume data yang besar untuk mengidentifikasi pola, tren, dan wawasan yang mungkin tidak mudah terlihat oleh manusia. Ini membantu bisnis membuat keputusan berdasarkan informasi, mengoptimalkan proses, dan menemukan peluang baru.
4. Personalisasi dan Pengalaman Pengguna: Sistem yang didukung AI dapat mempersonalisasi pengalaman bagi pengguna berdasarkan preferensi, perilaku, dan data historis mereka. Ini memungkinkan rekomendasi yang disesuaikan, pemasaran yang ditargetkan, dan peningkatan kepuasan pelanggan.
5. Inovasi dan Pemecahan Masalah: AI mendorong inovasi dengan memungkinkan pengembangan teknologi, aplikasi, dan solusi baru. Itu dapat mengatasi masalah kompleks yang mungkin menantang untuk pendekatan tradisional, mendorong kemajuan di berbagai bidang.

Kekurangan AI 

 

Ada beberapa kekurangan AI, antara lain :

1. Kekhawatiran Etis: Penggunaan AI menimbulkan pertanyaan etis terkait privasi, keamanan, dan bias. Sistem AI mengandalkan data dalam jumlah besar, dan jika tidak diatur dengan benar, mereka dapat melanggar privasi pribadi atau rentan terhadap pelanggaran data. Bias juga dapat disematkan dalam algoritme AI, yang mengarah ke hasil yang diskriminatif atau tidak adil.
2. Perpindahan Pekerjaan: Otomasi melalui AI dapat menyebabkan perpindahan pekerjaan, terutama dalam tugas-tugas yang dapat dengan mudah diotomatisasi. Sementara pekerjaan baru mungkin muncul sebagai akibat dari AI, mungkin ada periode gangguan dan pengangguran sementara, yang mengharuskan pekerja untuk meningkatkan keterampilan atau beralih ke peran baru.
3. Kurangnya Penghakiman dan Kreativitas Manusia: AI tidak memiliki kualitas manusia seperti intuisi, empati, dan kreativitas. Ini beroperasi berdasarkan aturan dan pola yang telah ditentukan sebelumnya, yang membatasi kemampuannya untuk menghadapi situasi baru atau ambigu yang membutuhkan penilaian manusia.
4. Ketergantungan pada Kualitas Data: Sistem AI sangat bergantung pada kualitas dan ketersediaan data. Jika data pelatihan bias, tidak lengkap, atau berkualitas buruk, ini dapat menyebabkan output AI yang bias atau tidak akurat. Memastikan data berkualitas tinggi dan menangani bias sangat penting untuk aplikasi AI yang etis dan efektif.
5. Potensi Penyalahgunaan: AI dapat disalahgunakan untuk tujuan jahat, seperti serangan dunia maya, kampanye misinformasi, atau pembuatan konten deepfake. Perlindungan dan peraturan diperlukan untuk mencegah penyalahgunaan dan memastikan penggunaan teknologi AI yang bertanggung jawab.

 

 

Pengaplikasian AI

 

AI relevan dengan tugas intelektual apa pun. Teknik kecerdasan buatan modern tersebar luas dan terlalu banyak untuk disebutkan di sini. Seringkali, ketika suatu teknik mencapai penggunaan arus utama, itu tidak lagi dianggap sebagai kecerdasan buatan; fenomena ini digambarkan sebagai efek AI.

Pada tahun 2010-an, aplikasi AI berada di jantung bidang komputasi yang paling sukses secara komersial, dan telah menjadi fitur kehidupan sehari-hari di mana-mana. AI digunakan di mesin pencari (seperti Google Search), menargetkan iklan online, sistem rekomendasi (ditawarkan oleh Netflix, YouTube atau Amazon), mengarahkan lalu lintas internet, iklan bertarget (AdSense, Facebook), asisten virtual (seperti Siri atau Alexa), kendaraan otonom (termasuk drone, ADAS, dan mobil self-driving), terjemahan bahasa otomatis (Microsoft Translator, Google Translate), pengenalan wajah (Face ID Apple atau DeepFace Microsoft), gambar pelabelan (digunakan oleh Facebook, iPhoto Apple, dan TikTok), pemfilteran spam, dan chatbot (seperti ChatGPT).

Ada juga ribuan aplikasi AI yang berhasil digunakan untuk memecahkan masalah bagi industri atau institusi tertentu. Beberapa contohnya adalah penyimpanan energi, deepfake, diagnosis medis, logistik militer, kebijakan luar negeri, atau manajemen rantai pasokan.

 

Sekain terima kasih, semoga bermanfaat.