Kecerdasan Buatan (AI): Pengantar & Jenis-jenisnya
Evelyn Clarke
⚡ Ringkasan Cerdas
Kecerdasan Buatan (AI) memungkinkan mesin untuk melakukan fungsi kognitif seperti persepsi, pembelajaran, penalaran, dan pemecahan masalah seperti manusia. Tutorial ini membahas definisi, sejarah, tujuan, subbidang, dan jenis AI, serta menjelaskan perbedaannya dengan pembelajaran mesin dan mengapa AI berkembang pesat saat ini.
Apa itu Inteligensi Buatan (AI)?
AI (Kecerdasan Buatan) AI adalah kemampuan mesin untuk melakukan fungsi kognitif seperti yang dilakukan manusia, seperti persepsi, pembelajaran, penalaran, dan pemecahan masalah. Tolok ukur AI adalah tingkat kemampuan manusia dalam hal penalaran, ucapan, dan penglihatan.
Dalam tutorial Kecerdasan Buatan ini, Anda akan mempelajari dasar-dasar AI yang dibahas di bagian-bagian berikut.
Bagaimana AI Menciptakan Nilai Bisnis
Saat ini, AI digunakan di hampir semua industri, memberikan keunggulan teknologi bagi perusahaan yang mengintegrasikannya dalam skala besar. Menurut McKinsey, AI berpotensi menciptakan nilai sebesar $600 miliar di sektor ritel dan memberikan nilai tambah 50% lebih banyak di sektor perbankan dibandingkan dengan teknik analitik lainnya. Di sektor transportasi dan logistik, potensi peningkatan pendapatan mencapai hingga 89%.
Sebagai contoh, jika sebuah organisasi menggunakan AI untuk tim pemasarannya, mereka dapat mengotomatiskan tugas-tugas yang membosankan dan berulang sehingga perwakilan penjualan dapat fokus pada membangun hubungan dan memelihara prospek. Sebuah perusahaan bernama Gong menyediakan layanan kecerdasan percakapan: setiap kali perwakilan penjualan melakukan panggilan, mesin merekam, mentranskripsikan, dan menganalisis percakapan tersebut, dan manajer menggunakan analitik dan rekomendasi AI untuk membentuk strategi yang unggul.
Singkatnya, AI menyediakan teknologi mutakhir untuk menangani data kompleks yang tidak dapat diproses manusia sendirian. AI mengotomatiskan pekerjaan yang berulang sehingga pekerja dapat fokus pada tugas-tugas bernilai tinggi, dan jika diimplementasikan dalam skala besar, AI dapat mengurangi biaya dan meningkatkan pendapatan.
Sejarah Kecerdasan Buatan
Kecerdasan Buatan (AI) adalah istilah yang sedang populer saat ini, tetapi istilah ini bukanlah hal baru. Pada tahun 1956, para ahli dari berbagai latar belakang menyelenggarakan proyek penelitian musim panas tentang AI. Empat pemikir brilian memimpin proyek ini: John McCarthy (Dartmouth College), Marvin Minsky (Harvard University), Nathaniel Rochester (IBM), dan Claude Shannon (Bell Telephone Laboratories). Berikut adalah sejarah singkat AI.
| Tahun | Tonggak Sejarah / Inovasi |
|---|---|
| 1923 | Drama karya Karel Čapek berjudul “Rossum's Universal Robots” memperkenalkan kata “robot” ke dalam bahasa Inggris. |
| 1943 | FoundationJalur untuk jaringan saraf telah dipasang. |
| 1945 | Isaac Asimov, seorang alumni Universitas Columbia, menggunakan istilah "robotika". |
| 1956 | John McCarthy pertama kali menggunakan istilah "Kecerdasan Buatan", dan program AI pertama yang berjalan pun didemonstrasikan. |
| 1964 | Disertasi Danny Bobrow di MIT menunjukkan bagaimana komputer dapat memahami bahasa alami. |
| 1969 | Stanford Research Institute mengembangkan Shakey, sebuah robot dengan kemampuan bergerak dan memecahkan masalah. |
| 1979 | Stanford Cart, kendaraan otonom yang dikendalikan komputer pertama di dunia, telah dibangun. |
| 1990 | Demonstrasi signifikan dalam pembelajaran mesin. |
| 1997 | Program catur Deep Blue mengalahkan juara dunia Garry Kasparov. |
| 2000 | Robot hewan peliharaan interaktif mulai tersedia secara komersial; MIT memamerkannya. Kismet, sebuah robot yang mengekspresikan emosi. |
| 2006 | AI memasuki dunia bisnis; perusahaan seperti Facebook, Netflix, dan Twitter mulai menggunakannya. |
| 2012 | Google diluncurkan “Google Sekarang”, sebuah Android Fitur yang menawarkan prediksi. |
| 2018 | IBM“Project Debater” yang diselenggarakan oleh [nama organisasi] membahas topik-topik kompleks dengan para pendebat ulung dan menunjukkan performa yang luar biasa. |
Tujuan Kecerdasan Buatan
Tujuan utama AI adalah:
- Mengurangi waktu yang dibutuhkan untuk melakukan tugas-tugas tertentu.
- Mempermudah interaksi manusia dengan mesin.
- Memfasilitasi interaksi manusia-komputer yang lebih alami dan efisien.
- Meningkatkan akurasi dan kecepatan diagnosis medis.
- Bantu orang mempelajari informasi baru dengan lebih cepat.
- Meningkatkan komunikasi antara manusia dan mesin.
Subbidang Kecerdasan Buatan
Berikut adalah subbidang penting dari Kecerdasan Buatan.
Pembelajaran mesin: Seni mempelajari algoritma yang belajar dari contoh dan pengalaman. Algoritma ini didasarkan pada identifikasi pola dalam data dan penggunaannya untuk prediksi di masa mendatang. Tidak seperti aturan yang dikodekan secara kaku, mesin mempelajari aturannya sendiri.
Belajar mendalam: Sub-bidang pembelajaran mesin yang menggunakan banyak lapisan untuk belajar dari data. Kedalaman model adalah jumlah lapisan yang dikandungnya; misalnya, GoogleModel LeNet untuk pengenalan gambar memiliki 22 lapisan.
Pemrosesan Bahasa Alami (NLP): Cabang kecerdasan buatan (AI) yang memungkinkan mesin untuk membaca, memahami, dan menghasilkan bahasa manusia. AI ini mendukung aplikasi seperti chatbot, penerjemahan, analisis sentimen, dan pengenalan suara.
Sistem Pakar: Sistem pengambilan keputusan berbasis komputer yang interaktif dan andal, yang menggunakan fakta dan heuristik untuk memecahkan masalah kompleks dalam domain tertentu. Sistem ini bertujuan untuk menyelesaikan masalah-masalah tersulit dalam domain tersebut.
Logika Fuzzy: Suatu logika bernilai banyak di mana nilai kebenaran dapat berupa bilangan real apa pun antara 0 dan 1. Logika ini menangani konsep kebenaran parsial untuk situasi di mana suatu pernyataan tidak sepenuhnya benar maupun sepenuhnya salah.
Jenis Kecerdasan Buatan
AI dapat diklasifikasikan berdasarkan dua cara — berdasarkan kemampuan dan berdasarkan teknik.
Berdasarkan kemampuan:
- AI sempit: Melakukan satu tugas khusus secara cerdas, seperti pemberian tag pada gambar atau asisten suara.
- AI Umum: Mampu melakukan tugas intelektual apa pun seefisien manusia (masih bersifat teoritis).
- AI Super: Suatu tingkat hipotetis di mana mesin melampaui kecerdasan manusia.
Berdasarkan teknik:
- AI berbasis aturan: Menerapkan serangkaian aturan yang telah ditentukan sebelumnya pada kumpulan data masukan untuk menghasilkan keluaran yang sesuai.
- AI pohon keputusan: Mirip dengan AI berbasis aturan tetapi memungkinkan percabangan dan pencarian.ping untuk mempertimbangkan berbagai pilihan.
- jaringan saraf: Model berlapis yang terinspirasi oleh otak manusia yang mempelajari pola kompleks dari data, dan mendasari robotika dengan kemampuan penalaran, perencanaan, dan pembelajaran.
AI vs Pembelajaran Mesin
AI dan pembelajaran mesin sering digunakan secara bergantian, tetapi keduanya tidak sama. AI adalah ilmu melatih mesin untuk melakukan tugas-tugas manusia; istilah ini pertama kali diperkenalkan pada tahun 1950-an. Pembelajaran mesin adalah bagian dari AI di mana mesin mempelajari pola dari data daripada diprogram secara eksplisit.
| Aspek | Kecerdasan Buatan | Pembelajaran mesin |
|---|---|---|
| Cakupan | Ilmu luas tentang meniru kecerdasan manusia | Sebuah subbidang AI yang berfokus pada pembelajaran dari data. |
| Tujuan | Mensimulasikan penalaran dan pengambilan keputusan manusia. | Temukan pola dan buat prediksi |
| Pendekatan | Aturan, logika, dan pembelajaran digabungkan. | Pelatihan berbasis data dengan contoh. |
| Example | Sistem mobil tanpa pengemudi | Model pengenalan gambar di dalamnya |
Anda juga dapat membaca perbedaan antara Pembelajaran Mendalam, Pembelajaran Mesin, dan AI.
Di mana AI digunakan? Contoh
AI memiliki aplikasi yang luas di berbagai industri.
- Menghilangkan tugas-tugas yang berulang: AI dapat mengulang suatu tugas secara terus menerus tanpa lelah dan tidak acuh terhadap pekerjaan yang dilakukannya.
- Meningkatkan produk yang sudah ada: Perusahaan menambahkan AI untuk meningkatkan fungsionalitas produk daripada membangunnya dari awal. Misalnya, Facebook dulunya memerlukan penandaan foto secara manual; sekarang AI menyarankan teman untuk ditandai secara otomatis.
AI digunakan di setiap industri — mulai dari pemasaran dan rantai pasokan hingga keuangan dan pengolahan makanan. Menurut survei McKinsey, layanan keuangan dan komunikasi teknologi tinggi memimpin adopsi AI.
Mengapa AI Sedang Booming Saat Ini?
Jaringan saraf tiruan telah ada sejak tahun 1990-an, menyusul makalah penting karya Yann LeCun, tetapi menjadi terkenal sekitar tahun 2012. Tiga faktor penting mendorong perkembangan pesat AI saat ini.
Perangkat keras
Selama dua dekade terakhir, daya CPU telah meningkat pesat, memungkinkan pengguna untuk melatih model pembelajaran mendalam kecil di laptop. Namun, visi komputer dan model pembelajaran mendalam yang besar membutuhkan daya lebih besar. Berkat investasi dari NVIDIA dan AMD, generasi baru GPU (unit pemrosesan grafis) memungkinkan komputasi paralel, menyebarkan pekerjaan ke beberapa GPU untuk mempercepat perhitungan. Misalnya, NVIDIA TITAN X dapat melatih model ImageNet dalam dua hari dibandingkan dengan berminggu-minggu pada CPU tradisional, dan perusahaan besar menggunakan klaster GPU seperti NVIDIA Tesla K80 untuk memangkas biaya pusat data dan meningkatkan kinerja.
Data
Deep learning adalah struktur model, dan data adalah cairan yang menghidupkannya. Tanpa data, tidak ada yang bisa dilakukan. Teknologi penyimpanan modern memudahkan penyimpanan data dalam jumlah besar di pusat data, dan internet memungkinkan pengumpulan dan distribusi data untuk memberi makan algoritma pembelajaran mesin.
Suka aplikasi Flickr ke Instagram menyimpan jutaan gambar yang diberi tag yang dapat melatih jaringan saraf untuk mengenali objek tanpa pelabelan manual. AI yang dikombinasikan dengan data adalah emas baru: perusahaan dengan data terbanyak memiliki keunggulan kompetitif. Dunia menciptakan sekitar 2.2 exabyte (2.2 miliar gigabyte) data setiap hari, dan beragam sumber data membantu model menemukan pola dan belajar dalam skala besar.
Algoritma
Perangkat keras kini lebih canggih dari sebelumnya dan data mudah diakses, tetapi algoritma yang lebih akurat membuat jaringan saraf menjadi andal. Jaringan saraf awal hanyalah perkalian matriks sederhana tanpa sifat statistik yang mendalam; sejak tahun 2010, penemuan-penemuan luar biasa telah memperbaikinya. AI menggunakan algoritma pembelajaran progresif yang memungkinkan data untuk melakukan pemrograman, sehingga komputer dapat mengajari dirinya sendiri untuk melakukan tugas-tugas seperti mendeteksi anomali atau bertindak sebagai chatbot.
