Apa Itu Kecerdasan Buatan (AI) Dan Bagaimana Sejarahnya

Updated: 26 Mei, 2024 • • min read

Table of Contents

A. Apa itu AI?

AI atau yang lebih dikenal dengan sebuatan Kecerdasan buatan adalah simulasi proses kecerdasan manusia oleh mesin, khususnya sistem komputer. Aplikasi khusus AI mencakup sistem pakar , pemrosesan bahasa alami , pengenalan suara, dan visi mesin.

B. Bagaimana Cara Kerja AI?

Seiring dengan semakin pesatnya kehebohan seputar AI, vendor berusaha keras untuk mempromosikan bagaimana produk dan layanan mereka menggunakannya. Seringkali, apa yang mereka sebut sebagai AI hanyalah sebuah komponen teknologi, seperti pembelajaran mesin . AI memerlukan landasan perangkat keras dan perangkat lunak khusus untuk menulis dan melatih algoritme pembelajaran mesin. Tidak ada satu bahasa pemrograman pun yang identik dengan AI, namun Python, R, Java, C++, dan Julia memiliki fitur-fitur yang populer di kalangan pengembang AI.

Secara umum, sistem AI bekerja dengan menyerap data pelatihan berlabel dalam jumlah besar, menganalisis data untuk mencari korelasi dan pola, dan menggunakan pola ini untuk membuat prediksi tentang keadaan di masa depan. Dengan cara ini, chatbot yang diberi contoh teks dapat belajar menghasilkan pertukaran yang nyata dengan orang-orang, atau alat pengenalan gambar dapat belajar mengidentifikasi dan mendeskripsikan objek dalam gambar dengan meninjau jutaan contoh. Teknik AI generatif yang baru dan berkembang pesat dapat menghasilkan teks, gambar, musik, dan media lainnya yang realistis.

Pemrograman AI berfokus pada keterampilan kognitif yang mencakup hal-hal berikut:

1. Pembelajaran

Aspek pemrograman AI ini berfokus pada perolehan data dan pembuatan aturan tentang cara mengubahnya menjadi informasi yang dapat ditindaklanjuti. Aturannya, yang disebut algoritma , memberikan perangkat komputasi petunjuk langkah demi langkah tentang cara menyelesaikan tugas tertentu.

2. Penalaran

Aspek pemrograman AI ini berfokus pada pemilihan algoritma yang tepat untuk mencapai hasil yang diinginkan. Koreksi diri. Aspek pemrograman AI ini dirancang untuk terus menyempurnakan algoritme dan memastikan algoritme memberikan hasil seakurat mungkin.

3. Kreativitas

Aspek AI ini menggunakan jaringan saraf, sistem berbasis aturan, metode statistik, dan teknik AI lainnya untuk menghasilkan gambar baru, teks baru, musik baru, dan ide baru.

4. Mengoreksi

Aspek pemrograman AI ini dirancang untuk terus menyempurnakan algoritme dan memastikan algoritme memberikan hasil seakurat mungkin.

C. Mengapa Kecerdasan Buatan (AI) Itu Penting?

AI penting karena potensinya mengubah cara kita hidup, bekerja, dan bermain. Ini telah secara efektif digunakan dalam bisnis untuk mengotomatisasi tugas-tugas yang dilakukan oleh manusia, termasuk pekerjaan layanan pelanggan, perolehan prospek, deteksi penipuan, dan kontrol kualitas. Di sejumlah bidang, AI dapat melakukan tugas jauh lebih baik dibandingkan manusia. Khususnya jika menyangkut tugas yang berulang dan berorientasi pada detail, seperti menganalisis dokumen hukum dalam jumlah besar untuk memastikan bidang yang relevan diisi dengan benar, alat AI sering kali Menyelesaikan Pekerjaan Dengan Cepat dan Dengan Kesalahan Yang Relatif Sedikit. Karena banyaknya kumpulan data yang dapat diproses, AI juga dapat memberikan wawasan kepada perusahaan mengenai operasi mereka yang mungkin tidak mereka sadari. Populasi Alat AI Generatif yang berkembang pesat akan menjadi penting dalam berbagai bidang mulai dari pendidikan dan pemasaran hingga desain produk.

Baca juga artikel lainya:

Memang benar, kemajuan dalam teknik AI tidak hanya membantu meningkatkan efisiensi, namun juga membuka peluang bisnis baru bagi beberapa perusahaan besar. Sebelum adanya Gelombang AI Saat Ini sulit membayangkan penggunaan perangkat lunak komputer untuk menghubungkan pengendara dengan taksi, namun Uber telah menjadi perusahaan Fortune 500 dengan melakukan hal tersebut.

AI telah menjadi pusat bagi banyak perusahaan terbesar dan tersukses saat ini, termasuk Alphabet, Apple, Microsoft, dan Meta, di mana teknologi AI digunakan untuk meningkatkan operasional dan mengungguli pesaing. Di anak perusahaan Alphabet, Google, misalnya, AI berperan penting dalam mesin pencarinya, mobil self-driving Waymo, dan Google Brain, yang menciptakan arsitektur Neural Network Transformator yang mendasari terobosan terbaru dalam pemrosesan bahasa alami.

Baca juga artikel mengenai Neural Network:

Apa Itu Neural Network dan Bagaimana Cara Kerjanya

D. Apa kelebihan dan Kekurangan Kecerdasan Buatan?

Artificial Neural Network (Jaringan saraf tiruan) dan teknologi AI pembelajaran mendalam berkembang pesat, terutama karena AI dapat memproses data dalam jumlah besar dengan lebih cepat dan membuat prediksi lebih akurat dibandingkan kemampuan manusia.

Meskipun sejumlah besar data yang dibuat setiap hari akan mengubur peneliti manusia, aplikasi AI yang menggunakan pembelajaran mesin dapat mengambil data tersebut dan dengan cepat mengubahnya menjadi informasi yang dapat ditindaklanjuti. Pada tulisan ini, Kelemahan Utama AI adalah mahalnya pemrosesan data dalam jumlah besar yang dibutuhkan oleh pemrograman AI. Ketika teknik AI diterapkan ke dalam lebih banyak produk dan layanan, organisasi juga harus terbiasa dengan potensi AI untuk menciptakan sistem yang bias dan diskriminatif, baik secara sengaja maupun tidak sengaja.

1. Keuntungan AI

Berikut ini adalah beberapa keunggulan AI.

Baik dalam pekerjaan yang berorientasi pada detail. AI telah terbukti sama baiknya, bahkan lebih baik daripada dokter dalam mendiagnosis kanker tertentu, termasuk kanker payudara dan melanoma.
Mengurangi waktu untuk tugas-tugas yang membutuhkan banyak data. AI banyak digunakan di industri yang banyak menggunakan data, termasuk perbankan dan sekuritas, farmasi dan asuransi, untuk mengurangi waktu yang diperlukan dalam menganalisis kumpulan data besar. Layanan keuangan, misalnya, secara rutin Menggunakan AI Untuk Memproses Permohonan Pinjaman dan Mendeteksi Penipuan.
Menghemat tenaga kerja dan meningkatkan produktivitas. Contohnya adalah penggunaan otomatisasi gudang , yang tumbuh selama pandemi dan diperkirakan akan meningkat seiring dengan integrasi AI dan pembelajaran mesin.
Memberikan hasil yang konsisten. Alat terjemahan AI terbaik memberikan konsistensi tingkat tinggi, bahkan menawarkan kemampuan bagi usaha kecil untuk menjangkau pelanggan dalam bahasa asli mereka.
Dapat meningkatkan kepuasan pelanggan melalui personalisasi. AI dapat mempersonalisasi konten, pesan, iklan, rekomendasi, dan situs web untuk pelanggan individu.
Agen virtual bertenaga AI selalu tersedia. Program AI tidak perlu tidur atau istirahat, menyediakan layanan 24/7.

2. Kekurangan AI

Berikut ini adalah beberapa kelemahan AI

Mahal.
Membutuhkan keahlian teknis yang mendalam.
Terbatasnya pasokan pekerja yang memenuhi syarat untuk membuat alat AI.
Mencerminkan bias data pelatihannya, dalam skala besar.
Kurangnya kemampuan untuk menggeneralisasi dari satu tugas ke tugas lainnya.
Menghilangkan lapangan kerja manusia, meningkatkan angka pengangguran.

3. AI Yang Kuat vs. AI Yang Lemah

AI dapat dikategorikan lemah atau kuat.

AI yang lemah , juga dikenal sebagai AI sempit , dirancang dan dilatih untuk menyelesaikan tugas tertentu. Robot industri dan asisten pribadi virtual, seperti Siri dari Apple, menggunakan AI yang lemah.
AI yang kuat , juga dikenal sebagai kecerdasan umum buatan (AGI) , menggambarkan pemrograman yang dapat meniru kemampuan kognitif otak manusia. Ketika dihadapkan pada tugas yang asing, sistem AI yang kuat dapat menggunakan logika fuzzy untuk menerapkan pengetahuan dari satu domain ke domain lain dan menemukan solusi secara mandiri. Secara teori, program AI yang kuat harus mampu lulus uji Turing dan argumen Chinese Room.

E. Apa saja 4 jenis kecerdasan buatan?

Arend Hintze, asisten profesor biologi integratif dan ilmu komputer dan teknik di Michigan State University, menjelaskan bahwa AI Dapat Dikategorikan Menjadi Empat Jenis, dimulai dengan sistem cerdas khusus tugas yang digunakan secara luas saat ini dan berlanjut ke sistem makhluk hidup, yang tidak namun ada. Kategorinya adalah sebagai berikut.

1. Tipe 1

Mesin reaktif. Sistem AI ini tidak memiliki memori dan khusus untuk tugas tertentu. Contohnya adalah Deep Blue, program catur IBM yang mengalahkan Garry Kasparov pada tahun 1990an. Deep Blue dapat mengidentifikasi bidak di papan catur dan membuat prediksi, namun karena tidak memiliki memori, ia tidak dapat menggunakan pengalaman masa lalu untuk menginformasikan masa depan.

2. Tipe 2

Memori terbatas. Sistem AI ini memiliki memori, sehingga mereka dapat menggunakan pengalaman masa lalu untuk menginformasikan keputusan di masa depan. Beberapa fungsi pengambilan keputusan pada mobil self-driving dirancang seperti ini.

3. Tipe 3

Teori pikiran. Teori pikiran adalah istilah psikologi. Jika diterapkan pada AI, berarti sistem tersebut akan memiliki kecerdasan sosial untuk memahami emosi. Jenis AI ini akan dapat menyimpulkan niat manusia dan memprediksi perilaku, suatu keterampilan yang diperlukan sistem AI untuk menjadi anggota integral tim manusia.

4. Tipe 43

Kesadaran diri. Dalam kategori ini, sistem AI memiliki kesadaran akan dirinya sendiri, yang memberi mereka kesadaran. Mesin dengan kesadaran diri memahami keadaannya saat ini. AI jenis ini belum ada.

F. Apa saja contoh teknologi AI dan bagaimana penggunaannya saat ini?

AI dimasukkan ke dalam berbagai jenis teknologi yang berbeda. Berikut tujuh contohnya.

1. Otomatisasi

Ketika dipadukan dengan teknologi AI, alat otomatisasi dapat memperluas volume dan jenis tugas yang dilakukan. Contohnya adalah otomatisasi proses robotik ( RPA ), sejenis perangkat lunak yang mengotomatiskan tugas pemrosesan data berbasis aturan yang berulang dan biasanya dilakukan oleh manusia. Ketika dikombinasikan dengan pembelajaran mesin dan alat-alat AI yang sedang berkembang, RPA dapat mengotomatisasi sebagian besar pekerjaan perusahaan, memungkinkan bot taktis RPA meneruskan kecerdasan dari AI dan merespons perubahan proses.

2. Machine Learning/Pembelajaran Mesin

Ini adalah ilmu membuat komputer bertindak tanpa pemrograman. Pembelajaran mendalam adalah bagian dari pembelajaran mesin yang, dalam istilah yang sangat sederhana, dapat dianggap sebagai otomatisasi analisis prediktif. Ada tiga jenis algoritma pembelajaran mesin:

Supervised Learning (Pembelajaran yang diawasi). Kumpulan data diberi label sehingga pola dapat dideteksi dan digunakan untuk memberi label pada kumpulan data baru.
Unsupervised Learning (Pembelajaran tanpa pengawasan). Kumpulan data tidak diberi label dan diurutkan berdasarkan persamaan atau perbedaan.
Reinforcement Learning (Pembelajaran penguatan). Kumpulan data tidak diberi label tetapi, setelah melakukan suatu tindakan atau beberapa tindakan, sistem AI diberikan umpan balik.

3. Machine Vision/Penglihatan Mesin Teknologi

Machine vision/Penglihatan mesin Teknologi ini memberi mesin kemampuan untuk melihat. Visi mesin menangkap dan menganalisis informasi visual menggunakan kamera, konversi analog-ke-digital, dan pemrosesan sinyal digital. Hal ini sering dibandingkan dengan penglihatan manusia, namun penglihatan mesin tidak terikat oleh biologi dan dapat diprogram untuk melihat menembus dinding, misalnya. Ini digunakan dalam berbagai aplikasi mulai dari identifikasi tanda tangan hingga analisis citra medis. Visi Komputer , yang berfokus pada pemrosesan gambar berbasis mesin, sering kali digabungkan dengan visi mesin.

4. Natural language processing (NLP)/Pemrosesan bahasa alami (NLP)

Natural language processing (NLP)/Pemrosesan bahasa alami (NLP). Ini adalah pemrosesan bahasa manusia oleh program komputer. Salah satu contoh NLP yang lebih tua dan paling terkenal adalah deteksi spam, yang melihat baris subjek dan teks email dan memutuskan apakah itu sampah. Pendekatan NLP saat ini didasarkan pada pembelajaran mesin. Tugas NLP meliputi terjemahan teks, analisis sentimen, dan pengenalan suara.

3. Robotics/Robotika

Robotics/Robotika. Bidang teknik ini berfokus pada Desain dan Pembuatan Robot . Robot sering kali digunakan untuk melakukan tugas-tugas yang sulit dilakukan atau dilakukan secara konsisten oleh manusia. Misalnya, robot digunakan di jalur perakitan produksi mobil atau oleh NASA untuk memindahkan benda besar di luar angkasa. Para peneliti juga menggunakan pembelajaran mesin untuk membuat robot yang dapat berinteraksi dalam lingkungan sosial.

4. Self-driving cars/Mobil Tanpa Pengemudi

Self-driving cars/Mobil tanpa pengemudi. Kendaraan otonom menggunakan kombinasi visi komputer, Pengenalan Gambar, dan pembelajaran mendalam untuk membangun keterampilan otomatis dalam mengemudikan kendaraan sambil tetap berada di jalur tertentu dan menghindari penghalang yang tidak terduga, seperti pejalan kaki.

5. Pembuatan Teks, Gambar Dan Audio. Teknik AI generatif

Pembuatan teks, gambar dan audio. Teknik AI generatif, yang menciptakan berbagai jenis media dari perintah teks, diterapkan secara luas di seluruh bisnis untuk menciptakan jenis konten yang tampaknya tak terbatas mulai dari seni fotorealistik hingga tanggapan email dan skenario.

G. Apa Saja Penerapan AI?

Kecerdasan buatan telah memasuki berbagai pasar. Berikut 11 contohnya.

1. AI Dalam Perawatan Kesehatan

Taruhan terbesarnya adalah pada peningkatan hasil pasien dan pengurangan biaya. Perusahaan menerapkan pembelajaran mesin untuk membuat diagnosis medis yang lebih baik dan lebih cepat dibandingkan manusia. Salah satu teknologi kesehatan yang paling terkenal adalah IBM Watson. Ia memahami bahasa alami dan dapat menjawab pertanyaan yang diajukan. Sistem ini mengumpulkan data pasien dan sumber data lain yang tersedia untuk membentuk hipotesis, yang kemudian disajikan dengan skema penilaian keyakinan. Aplikasi AI lainnya termasuk penggunaan asisten kesehatan virtual online dan Chatbots untuk membantu pasien dan pelanggan layanan kesehatan menemukan informasi medis, menjadwalkan janji temu, memahami proses penagihan, dan menyelesaikan proses administrasi lainnya. Serangkaian teknologi AI juga digunakan untuk memprediksi, melawan, dan memahami.

2. AI Dalam Bisnis

Algoritme pembelajaran mesin sedang diintegrasikan ke dalam platform analitik dan manajemen hubungan pelanggan ( CRM ) untuk mengungkap informasi tentang cara melayani pelanggan dengan lebih baik. Chatbots telah dimasukkan ke dalam situs web untuk memberikan layanan langsung kepada pelanggan. Kemajuan pesat teknologi AI generatif seperti ChatGPT diperkirakan memiliki konsekuensi luas: menghilangkan lapangan kerja, merevolusi desain produk, dan mengganggu model bisnis.

3. AI Dalam Pendidikan

AI dapat mengotomatiskan penilaian, memberi pendidik lebih banyak waktu untuk mengerjakan tugas lainnya. Hal ini dapat menilai siswa dan beradaptasi dengan kebutuhan mereka, membantu mereka bekerja sesuai kecepatan mereka sendiri. Tutor AI dapat memberikan dukungan tambahan kepada siswa, memastikan mereka tetap pada jalurnya. Teknologi ini juga dapat mengubah tempat dan cara siswa belajar, bahkan mungkin menggantikan beberapa guru. Seperti yang ditunjukkan oleh ChatGPT, Google Bard , dan model bahasa besar lainnya, AI generatif dapat membantu pendidik menyusun tugas kursus dan materi pengajaran lainnya serta melibatkan siswa dengan cara baru. Munculnya alat-alat ini juga memaksa para pendidik untuk memikirkan kembali pekerjaan rumah siswa dan menguji serta merevisi kebijakan tentang plagiarisme.

4. AI Di Bidang Keuangan

AI dalam aplikasi keuangan pribadi, seperti Intuit Mint atau TurboTax, mengganggu lembaga keuangan. Aplikasi seperti ini mengumpulkan data pribadi dan memberikan nasihat keuangan. Program lain, seperti IBM Watson, telah diterapkan pada proses pembelian rumah. Saat ini, perangkat lunak kecerdasan buatan melakukan sebagian besar perdagangan di Wall Street.

5. AI Dalam Hukum

Proses penemuan memilah-milah dokumen di bidang hukum seringkali membebani manusia. Menggunakan AI untuk membantu mengotomatisasi proses padat karya di industri hukum menghemat waktu dan meningkatkan layanan klien. Firma hukum menggunakan pembelajaran mesin untuk mendeskripsikan data dan memprediksi hasil, visi komputer untuk mengklasifikasikan dan mengekstrak informasi dari dokumen, dan NLP untuk menafsirkan permintaan informasi.

6. AI Dalam Hiburan dan Media

Bisnis hiburan menggunakan teknik AI untuk periklanan bertarget, merekomendasikan konten, distribusi, mendeteksi penipuan, membuat skrip, dan membuat film. Jurnalisme otomatis membantu redaksi merampingkan alur kerja media sehingga mengurangi waktu, biaya, dan kompleksitas. Ruang redaksi menggunakan AI untuk mengotomatiskan tugas-tugas rutin, seperti entri data dan pengoreksian; dan untuk meneliti topik dan membantu dengan berita utama. Bagaimana jurnalisme dapat menggunakan ChatGPT dan AI generatif lainnya dengan andal untuk menghasilkan konten masih menjadi pertanyaan.

7. AI Dalam Pengkodean Perangkat Lunak dan Proses TI

Alat AI generatif baru dapat digunakan untuk menghasilkan kode aplikasi berdasarkan perintah bahasa alami, namun alat ini masih dalam tahap awal dan sepertinya alat tersebut tidak akan segera menggantikan insinyur perangkat lunak. AI juga digunakan untuk Mengotomatisasi Banyak Proses TI termasuk entri data, deteksi penipuan, layanan pelanggan, serta pemeliharaan dan keamanan prediktif.

8. Keamanan

AI dan pembelajaran mesin berada di urutan teratas daftar kata kunci yang digunakan vendor keamanan untuk memasarkan produk mereka, jadi pembeli harus melakukan pendekatan dengan hati-hati. Namun, teknik AI berhasil diterapkan pada Berbagai Aspek Keamanan Cyber, termasuk deteksi anomali, Penyelesaian Masalah Positif Palsu, dan melakukan analisis ancaman perilaku. Organisasi menggunakan pembelajaran mesin dalam perangkat lunak informasi keamanan dan manajemen peristiwa ( SIEM ) dan area terkait untuk mendeteksi anomali dan mengidentifikasi aktivitas mencurigakan yang mengindikasikan ancaman. Dengan menganalisis data dan menggunakan logika untuk mengidentifikasi kesamaan dengan kode berbahaya yang diketahui, AI dapat memberikan peringatan terhadap serangan baru dan yang muncul jauh lebih cepat dibandingkan karyawan manusia dan teknologi sebelumnya.

9. AI Di Bidang Manufaktur

Manufaktur Telah Menjadi Yang Terdepan Dalam Memasukkan Robot ke dalam alur kerja . Misalnya, robot industri yang dulunya diprogram untuk melakukan tugas tunggal dan terpisah dari pekerja manusia, kini semakin berfungsi sebagai cobot : Robot yang lebih kecil dan dapat melakukan banyak tugas yang berkolaborasi dengan manusia dan mengambil tanggung jawab untuk lebih banyak bagian pekerjaan di gudang, lantai pabrik dan ruang kerja lainnya.

10. AI di Perbankan

Bank berhasil menggunakan chatbot untuk membuat pelanggan mereka mengetahui layanan dan penawaran serta untuk menangani transaksi yang tidak memerlukan campur tangan manusia. Asisten virtual AI digunakan untuk meningkatkan dan memangkas biaya kepatuhan terhadap peraturan perbankan. Organisasi perbankan menggunakan AI untuk meningkatkan pengambilan keputusan pinjaman, menetapkan batas kredit, dan mengidentifikasi peluang investasi.

11. AI Dalam Transportasi

Selain peran mendasar AI dalam mengoperasikan kendaraan otonom, teknologi AI juga digunakan dalam transportasi untuk mengatur lalu lintas, memprediksi penundaan penerbangan, dan membuat pelayaran laut lebih aman dan efisien. Dalam rantai pasokan, AI menggantikan metode tradisional dalam memperkirakan permintaan dan memprediksi gangguan, sebuah tren yang dipercepat oleh COVID-19 ketika banyak perusahaan tidak siap menghadapi dampak pandemi global terhadap pasokan dan permintaan barang.

H. Augmented Intelligence Dan Artificial Intelligence

Beberapa pakar industri berpendapat bahwa istilah kecerdasan buatan terlalu erat kaitannya dengan budaya populer, sehingga menyebabkan masyarakat umum mempunyai ekspektasi yang tidak masuk akal tentang bagaimana AI akan mengubah tempat kerja dan kehidupan secara umum. Mereka menyarankan penggunaan istilah augmented Intelligence untuk membedakan antara sistem AI yang bertindak secara mandiri -- contoh budaya populer termasuk Hal 9000 dan The Terminator -- dan alat AI yang mendukung manusia.

1. Augmented intelligence (Kecerdasan yang ditingkatkan)

Beberapa peneliti dan pemasar berharap label augmented Intelligence , yang memiliki konotasi lebih netral, akan membantu masyarakat memahami bahwa sebagian besar penerapan AI akan lemah dan hanya meningkatkan produk dan layanan. Contohnya termasuk menampilkan informasi penting secara otomatis dalam laporan intelijen bisnis atau menyoroti informasi penting dalam pengajuan hukum. Pesatnya adopsi ChatGPT dan Bard di seluruh industri menunjukkan kesediaan untuk menggunakan AI untuk mendukung pengambilan keputusan oleh manusia.

2. Artificial Intelligence (Kecerdasan buatan)

True AI, atau AGI, sangat erat kaitannya dengan konsep Singularitas Teknologi masa depan yang diatur oleh Kecerdasan Super BuatanKecerdasan Super Buatan yang jauh melampaui kemampuan otak manusia untuk memahaminya atau bagaimana hal tersebut membentuk realitas kita. Hal ini masih dalam ranah fiksi ilmiah, meskipun beberapa pengembang sedang mengatasi masalah ini. Banyak yang percaya bahwa teknologi seperti komputasi kuantum dapat memainkan peran penting dalam mewujudkan AGI dan kita harus menggunakan istilah AI untuk kecerdasan umum semacam ini.

I. Penggunaan Kecerdasan Buatan Secara Etis

Meskipun alat AI menghadirkan serangkaian Fungsi Baru Untuk Bisnis, penggunaan AI juga menimbulkan pertanyaan etis karena, baik atau buruk, sistem AI akan memperkuat apa yang telah dipelajari.

Hal ini dapat menjadi masalah karena algoritme pembelajaran mesin, yang mendasari banyak alat AI paling canggih, hanya secerdas data yang diberikan dalam pelatihan. Karena manusia memilih data apa yang akan digunakan untuk melatih program AI, potensi Bias Machine Learning sudah melekat dan harus dipantau secara ketat.

Siapa pun yang ingin menggunakan pembelajaran mesin sebagai bagian dari sistem produksi di dunia nyata perlu mempertimbangkan etika dalam proses pelatihan AI mereka dan berusaha menghindari bias. Hal ini terutama berlaku ketika menggunakan algoritme AI yang secara inheren tidak dapat dijelaskan dalam pembelajaran mendalam dan aplikasi jaringan permusuhan generatif ( GAN ).

Penjelasan adalah potensi hambatan dalam penggunaan AI di industri yang beroperasi berdasarkan persyaratan kepatuhan peraturan yang ketat . Misalnya, lembaga keuangan di Amerika Serikat beroperasi berdasarkan peraturan yang mengharuskan mereka menjelaskan keputusan penerbitan kredit mereka. Namun, ketika keputusan untuk menolak kredit dibuat dengan pemrograman AI, akan sulit untuk menjelaskan bagaimana keputusan tersebut diambil karena alat AI yang digunakan untuk membuat keputusan tersebut beroperasi dengan mencari korelasi halus antara ribuan variabel. Ketika proses pengambilan keputusan tidak dapat dijelaskan, program tersebut dapat disebut sebagai black box AI.

Singkatnya, tantangan etika AI meliputi hal-hal berikut:

Bias karena algoritma yang tidak terlatih dan bias manusia.
Penyalahgunaan karena deepfake dan phishing.
Masalah hukum, termasuk masalah pencemaran nama baik dan hak cipta AI.
Penghapusan lapangan kerja karena meningkatnya kemampuan AI.
Masalah privasi data, khususnya di bidang perbankan, kesehatan, dan hukum.

Baca Juga Artikel Lainya:

10 Jenis Serangan Cyber Yang Umum dan Cara Mencegahnya

J. Tata Kelola dan Peraturan AI

Meskipun terdapat potensi risiko, saat ini hanya terdapat sedikit Peraturan Yang Mengatur Penggunaan Alat AI , dan jika terdapat undang-undang, peraturan tersebut biasanya berkaitan dengan AI secara tidak langsung. Misalnya, seperti disebutkan sebelumnya, peraturan US Fair Lending mengharuskan lembaga keuangan untuk menjelaskan keputusan kredit kepada calon pelanggan. Hal ini membatasi sejauh mana pemberi pinjaman dapat menggunakan algoritme pembelajaran mendalam, yang pada dasarnya tidak jelas dan tidak dapat dijelaskan.

Peraturan Perlindungan Data Umum ( GDPR ) Uni Eropa sedang mempertimbangkan peraturan AI. Batasan ketat GDPR mengenai cara perusahaan menggunakan data konsumen telah membatasi pelatihan dan fungsionalitas banyak aplikasi AI yang berhubungan dengan konsumen.

Para pengambil kebijakan di AS belum mengeluarkan undang-undang AI , namun hal ini mungkin akan segera berubah. Sebuah "Cetak Biru untuk Undang-Undang Hak AI" yang diterbitkan pada bulan Oktober 2022 oleh Kantor Kebijakan Sains dan Teknologi Gedung Putih (OSTP) memandu bisnis tentang cara menerapkan sistem AI yang etis. Kamar Dagang AS juga menyerukan peraturan AI dalam laporan yang dirilis pada Maret 2023.

Membuat undang-undang untuk mengatur AI tidaklah mudah, karena AI terdiri dari beragam teknologi yang digunakan perusahaan untuk berbagai tujuan, dan juga karena peraturan dapat mengorbankan kemajuan dan pengembangan AI. Evolusi teknologi AI yang pesat merupakan hambatan lain dalam pembentukan regulasi AI yang bermakna, begitu pula tantangan yang ditimbulkan oleh kurangnya transparansi AI yang menyulitkan kita untuk melihat bagaimana algoritma mencapai hasil yang diharapkan. Selain itu, terobosan teknologi dan aplikasi baru seperti ChatGPT dan Dall-E dapat membuat undang-undang yang ada menjadi usang seketika. Dan, tentu saja, undang-undang yang dibuat oleh pemerintah untuk mengatur AI tidak menghentikan penjahat untuk menggunakan teknologi tersebut dengan niat jahat.

K. Bagaimana Sejarah AI?

Konsep benda mati yang diberkahi kecerdasan telah ada sejak zaman dahulu kala. Dewa Yunani Hephaestus digambarkan dalam mitos sebagai pelayan seperti robot yang terbuat dari emas. Insinyur di Mesir kuno membuat patung dewa yang dianimasikan oleh para pendeta. Selama berabad-abad, para pemikir mulai dari Aristoteles hingga teolog Spanyol abad ke-13 Ramon Llull hingga René Descartes dan Thomas Bayes menggunakan alat dan logika pada zaman mereka untuk menggambarkan proses berpikir manusia sebagai simbol, meletakkan dasar bagi konsep AI seperti Representasi Pengetahuan umum.

Akhir abad ke-19 dan paruh pertama abad ke-20 melahirkan karya dasar yang melahirkan komputer modern. Pada tahun 1836, ahli matematika Universitas Cambridge Charles Babbage dan Augusta Ada King, Countess of Lovelace, menemukan desain pertama untuk mesin yang dapat diprogram.

Tahun 1940-an. Matematikawan Princeton John Von Neumann menyusun arsitektur untuk komputer program tersimpan -- gagasan bahwa program komputer dan data yang diprosesnya dapat disimpan dalam memori komputer. Dan Warren McCulloch dan Walter Pitts meletakkan dasar bagi jaringan saraf.

Tahun 1950-an. Dengan munculnya komputer modern, para ilmuwan dapat menguji gagasan mereka tentang kecerdasan mesin. Salah satu metode untuk menentukan apakah suatu komputer memiliki kecerdasan dirancang oleh ahli matematika Inggris dan pemecah kode pada Perang Dunia II, Alan Turing. Tes Turing berfokus pada kemampuan komputer untuk mengelabui interogator agar percaya bahwa jawaban komputer terhadap pertanyaan mereka dibuat oleh manusia.

1956. Bidang modern kecerdasan buatan secara luas disebut-sebut dimulai tahun ini pada konferensi musim panas di Dartmouth College. Disponsori oleh Defense Advanced Research Projects Agency (DARPA), konferensi ini dihadiri oleh 10 tokoh di bidangnya, termasuk pionir AI Marvin Minsky, Oliver Selfridge dan John McCarthy , yang berjasa menciptakan istilah kecerdasan buatan . Turut hadir pula Allen Newell, seorang ilmuwan komputer, dan Herbert A. Simon, seorang ekonom, ilmuwan politik, dan psikolog kognitif. Keduanya mempresentasikan Logic Theorist terobosan mereka, sebuah program komputer yang mampu membuktikan teorema matematika tertentu dan disebut sebagai program AI pertama.

1950-an dan 1960-an. Setelah konferensi Dartmouth College, para pemimpin di bidang AI memperkirakan bahwa kecerdasan buatan manusia yang setara dengan otak manusia akan segera hadir, sehingga menarik dukungan besar dari pemerintah dan industri. Memang benar, penelitian dasar yang didanai dengan baik selama hampir 20 tahun menghasilkan kemajuan yang signifikan dalam AI: Misalnya, pada akhir tahun 1950-an, Newell dan Simon menerbitkan algoritma General Problem Solver (GPS), yang gagal memecahkan masalah yang kompleks namun meletakkan dasar bagi mengembangkan arsitektur kognitif yang lebih canggih; dan McCarthy mengembangkan Lisp , bahasa pemrograman AI yang masih digunakan sampai sekarang. Pada pertengahan tahun 1960an, Profesor MIT Joseph Weizenbaum mengembangkan ELIZA, sebuah program NLP awal yang meletakkan dasar bagi chatbot saat ini.

1970an dan 1980an. Pencapaian kecerdasan umum buatan terbukti sulit dicapai, tidak dapat dicapai dalam waktu dekat, terhambat oleh keterbatasan dalam pemrosesan komputer dan memori serta kompleksitas permasalahan. Pemerintah dan perusahaan tidak lagi mendukung penelitian AI, sehingga menyebabkan masa kosong yang berlangsung dari tahun 1974 hingga 1980 yang dikenal sebagai " Musim Dingin AI " yang pertama. Pada tahun 1980-an, penelitian tentang teknik pembelajaran mendalam dan adopsi sistem pakar Edward Feigenbaum oleh industri memicu gelombang baru antusiasme AI, yang kemudian diikuti oleh jatuhnya pendanaan pemerintah dan dukungan industri. Musim dingin AI kedua berlangsung hingga pertengahan tahun 1990-an.

Tahun 1990-an. Peningkatan kekuatan komputasi dan ledakan data memicu kebangkitan AI pada akhir tahun 1990an yang membuka jalan bagi kemajuan luar biasa dalam AI yang kita lihat saat ini. Kombinasi data besar dan peningkatan daya komputasi mendorong terobosan dalam NLP, visi komputer, robotika, pembelajaran mesin, dan pembelajaran mendalam. Pada tahun 1997, seiring kemajuan AI yang semakin cepat, Deep Blue dari IBM mengalahkan grandmaster catur Rusia Garry Kasparov, menjadi program komputer pertama yang mengalahkan juara catur dunia.

Tahun 2000an. Kemajuan lebih lanjut dalam pembelajaran mesin, pembelajaran mendalam, NLP, pengenalan suara, dan visi komputer memunculkan produk dan layanan yang telah membentuk cara hidup kita saat ini. Ini termasuk peluncuran mesin pencari Google pada tahun 2000 dan peluncuran mesin rekomendasi Amazon pada tahun 2001. Netflix mengembangkan sistem rekomendasi untuk film, Facebook memperkenalkan sistem pengenalan wajah, dan Microsoft meluncurkan sistem pengenalan suara untuk menyalin ucapan menjadi teks. IBM meluncurkan Watson dan Google memulai inisiatif self-driving-nya, Waymo.

Tahun 2010-an. Dekade antara tahun 2010 dan 2020 menunjukkan perkembangan AI yang stabil. Ini termasuk peluncuran asisten suara Siri dari Apple dan Alexa dari Amazon; Kemenangan IBM Watson di Jeopardy ; mobil tanpa pengemudi; pengembangan jaringan permusuhan generatif pertama; peluncuran TensorFlow, framework deep learning open source Google; pendirian laboratorium penelitian OpenAI , pengembang model bahasa GPT-3 dan generator gambar Dall-E; kekalahan juara dunia Go Lee Sedol oleh AlphaGo Google DeepMind; dan penerapan sistem berbasis AI yang mendeteksi kanker dengan tingkat akurasi tinggi.

Tahun 2020-an. Dekade saat ini telah menyaksikan munculnya AI generatif, sejenis teknologi kecerdasan buatan yang dapat menghasilkan konten baru. AI generatif dimulai dengan perintah yang dapat berupa teks, gambar, video, desain, not musik, atau masukan apa pun yang dapat diproses oleh sistem AI. Berbagai algoritma AI kemudian mengembalikan konten baru sebagai respons terhadap perintah tersebut. Konten dapat mencakup esai, solusi masalah, atau kepalsuan realistis yang dibuat dari gambar atau audio seseorang. Kemampuan model bahasa seperti ChatGPT-3, Bard dari Google, dan Megatron-Turing NLG dari Microsoft telah memukau dunia, namun teknologi ini masih dalam tahap awal, sebagaimana dibuktikan oleh kecenderungannya untuk berhalusinasi atau memutarbalikkan jawaban.

L. Alat dan Layanan AI

Alat dan layanan AI berkembang dengan pesat. Inovasi terkini dalam alat dan layanan AI dapat ditelusuri ke jaringan saraf AlexNet tahun 2012 yang mengantarkan era baru AI berkinerja tinggi yang dibangun di atas GPU dan kumpulan data besar. Perubahan utamanya adalah kemampuan untuk melatih jaringan saraf pada data dalam jumlah besar di beberapa inti GPU secara paralel dengan cara yang lebih terukur.

Selama beberapa tahun terakhir, hubungan simbiosis antara penemuan AI di Google, Microsoft, dan OpenAI, serta inovasi perangkat keras yang dipelopori oleh Nvidia telah memungkinkan model AI yang lebih besar dijalankan pada GPU yang lebih terhubung, sehingga mendorong peningkatan performa dan skalabilitas yang mengubah permainan.

Kolaborasi di antara tokoh-tokoh AI ini sangat penting bagi keberhasilan ChatGPT baru-baru ini, belum lagi lusinan layanan AI terobosan lainnya. Berikut adalah ikhtisar inovasi penting dalam alat dan layanan AI.

1. Transformator

Google, misalnya, memimpin dalam menemukan proses yang lebih efisien untuk menyediakan pelatihan AI di sekelompok besar komoditas PC dengan GPU. Hal ini membuka jalan bagi penemuan transformator yang mengotomatiskan banyak aspek pelatihan AI pada data tidak berlabel.

2. Optimalisasi Perangkat Keras

Sama pentingnya, vendor perangkat keras seperti Nvidia juga mengoptimalkan mikrokode untuk berjalan di beberapa inti GPU secara paralel untuk algoritma paling populer. Nvidia mengklaim kombinasi perangkat keras yang lebih cepat, algoritma AI yang lebih efisien, instruksi GPU yang lebih baik, dan integrasi pusat data yang lebih baik mendorong peningkatan kinerja AI jutaan kali lipat. Nvidia juga bekerja sama dengan semua penyedia pusat cloud untuk menjadikan kemampuan ini lebih mudah diakses sebagai AI-as-a-Service melalui model IaaS, SaaS, dan PaaS.

3. Transformator Generatif Terlatih

Tumpukan AI juga telah berkembang pesat selama beberapa tahun terakhir. Sebelumnya perusahaan harus melatih model AI mereka dari awal. Semakin banyak vendor seperti OpenAI, Nvidia, Microsoft, Google, dan lainnya yang menyediakan trafo terlatih generatif (GPT), yang dapat disesuaikan untuk tugas tertentu dengan biaya, keahlian, dan waktu yang jauh lebih rendah. Meskipun beberapa model terbesar diperkirakan menelan biaya $5 juta hingga $10 juta per pengoperasian, perusahaan dapat menyempurnakan model yang dihasilkan dengan biaya beberapa ribu dolar. Hal ini menghasilkan waktu yang lebih cepat untuk memasarkan dan mengurangi risiko.

4. AI Cloud Services (Layanan awan AI)

Salah satu hambatan terbesar yang menghalangi perusahaan untuk menggunakan AI secara efektif dalam bisnis mereka adalah tugas rekayasa data dan ilmu data yang diperlukan untuk menggabungkan kemampuan AI ke dalam aplikasi baru atau untuk mengembangkan aplikasi baru. Semua penyedia cloud terkemuka meluncurkan AI bermerek mereka sendiri sebagai penawaran layanan untuk menyederhanakan persiapan data, pengembangan model, dan penerapan aplikasi. Contoh teratasnya mencakup Layanan AWS AI , Google Cloud AI , platform Microsoft Azure AI, solusi IBM AI , dan Layanan AI Infrastruktur Oracle Cloud .

Baca juga artikel lainya: Apa Itu Cloud Dan Bagaimana Cloud Bekerja

5. Model AI Mutakhir Sebagai Layanan

Pengembang model AI terkemuka juga menawarkan model AI mutakhir selain layanan cloud ini. OpenAI memiliki lusinan model bahasa besar yang dioptimalkan untuk obrolan, NLP, pembuatan gambar, dan pembuatan kode yang disediakan melalui Azure. Nvidia telah menerapkan pendekatan yang lebih cloud-agnostic dengan menjual infrastruktur AI dan model dasar yang dioptimalkan untuk teks, gambar, dan data medis yang tersedia di semua penyedia cloud. Ratusan pemain lain juga menawarkan model yang disesuaikan untuk berbagai industri dan kasus penggunaan.

Baca juga artikel lainya mengenai kecerdasan buatan (AI):

Demikianlah artikel mengenai apa itu kecerdasan buatan (AI) dan bagaimana sejarahnya yang dapat penulis ulas secara ringkas, padat dan terperinci semoga bermamfaat dan semoga sukses. Salam Penulis. Wasalam