Kecerdasan Buatan – Artificial Intelligence
Kecerdasan buatan yang ditambahkan kepada suatu sistem yang dapat diatur dalam konteks ilmiah; dan dikendalikan komputer untuk melakukan tugas-tugas yang umumnya terkait dengan “makhluk cerdas”.
Istilah ini sering diterapkan pada proyek pengembangan sistem yang membantu dengan proses intelektual yang menjadi ciri manusia, seperti: kemampuan untuk berpikir, menemukan makna, menggeneralisasikan, atau belajar dari pengalaman masa lalu.
Sistem seperti ini umumnya dianggap sebagai “komputer”. Kecerdasan diciptakan dan dimasukkan ke dalam suatu mesin (komputer) agar dapat melakukan pekerjaan seperti yang dapat dilakukan manusia. Beberapa macam bidang yang menggunakan kecerdasan buatan antara lain sistem pakar, permainan komputer (games), logika fuzzy, jaringan saraf tiruan dan robotika.
Contoh kecerdasan buatan
- Chat: https://openai.com/
- Zoolingua untuk berbicara dengan anjing atau kucing Anda
- OPTIMA untuk membantu ahli bedah
- Air Shepherd dan Neurala to melindungi spesies yang terancam punah
Cara Berpikir Kecerdasan Buatan
Secara garis besar, AI terbagi ke dalam 2 paham pemikiran yaitu AI Konvensional dan Kecerdasan Komputasional (CI, Computational Intelligence).
AI konvensional kebanyakan melibatkan metode-metode yang sekarang diklasifiksikan sebagai pembelajaran mesin, yang ditandai dengan formalisme dan analisis statistik.
Dikenal juga sebagai AI simbolis, AI logis, AI murni dan AI cara lama (GOFAI, Good Old Fashioned Artificial Intelligence).
Metode-metode kecerdasan buatan “konvensional” meliputi:
Sistem pakar: untuk menerapkan kapabilitas pertimbangan untuk mencapai kesimpulan. Sebuah sistem pakar dapat memproses sejumlah besar informasi yang diketahui dan menyediakan kesimpulan-kesimpulan berdasarkan pada informasi-informasi tersebut.
Petimbangan berdasar kasus
Jaringan Bayesian (model grafis probabilistik yang merepresentasikan sekumpulan variabel dan ketergantungan bersyaratnya melalui grafik asiklik terarah)
AI berdasar tingkah laku: metode modular pada pembentukan sistem AI secara manual
Kecerdasan komputasional melibatkan pengembangan atau pembelajaran iteratif (misalnya penalaan parameter seperti dalam sistem koneksionis.
Pembelajaran ini berdasarkan pada data empiris dan diasosiasikan dengan AI non-simbolis, AI yang tak teratur dan perhitungan lunak.
Masa Depan Keuangan: Bagaimana AI, Data, dan Fintech Akan Merevolusi Cara Mengelola Uang Kita
Metode-metode “kecerdasan komputasional” meliputi:
Jaringan Saraf: sistem dengan kemampuan pengenalan pola yang sangat kuat
Sistem Fuzzy: teknik-teknik untuk pertimbangan di bawah ketidakpastian, telah digunakan secara meluas dalam industri modern dan sistem kendali produk konsumen.
Komputasi Evolusioner: menerapkan konsep-konsep yang terinspirasi secara biologis seperti populasi, mutasi dan “survival of the fittest” untuk menghasilkan pemecahan masalah yang lebih baik.
Metode-metode ini terutama dibagi menjadi algoritme evolusioner (misalnya algoritme genetik) dan kecerdasan berkelompok (misalnya algoritme semut).
Dengan sistem cerdas hibrid, percobaan-percobaan dibuat untuk menggabungkan kedua kelompok ini. Aturan inferensi pakar dapat dibangkitkan melalui jaringan saraf atau aturan produksi dari pembelajaran statistik seperti dalam ACT-R (arsitektur kognitif).
Sebuah pendekatan baru yang menjanjikan disebutkan bahwa penguatan kecerdasan mencoba untuk mencapai kecerdasan buatan dalam proses pengembangan evolusioner sebagai efek samping dari penguatan kecerdasan manusia melalui teknologi.
Contoh kecerdasan buatan (artificial Intelligence)
Klik disini untuk melihat contoh-contoh dari kecerdasan buatan.
Mobil Tanpa Sopir (Mobil Otonom) | DAFTAR PERUSAHAAN AKTIF (merek dan pembuat mobil)
4 JENIS ARTIFICIAL INTELLIGENCE
Ada empat jenis kecerdasan buatan: mesin reaktif, memori terbatas, teori pikiran, dan kesadaran diri.
1. MESIN REAKTIF
Jenis paling dasar dari sistem AI adalah murni reaktif, dan memiliki kemampuan untuk tidak membentuk ingatan atau menggunakan pengalaman masa lalu untuk menginformasikan keputusan saat ini. Deep Blue, superkomputer permainan catur IBM, yang mengalahkan grandmaster internasional Garry Kasparov pada akhir 1990-an, adalah contoh sempurna dari jenis mesin ini.
Deep Blue dapat mengidentifikasi bidak-bidak di papan catur dan mengetahui bagaimana setiap gerakannya. Itu dapat membuat prediksi tentang gerakan apa yang mungkin terjadi selanjutnya untuk itu dan lawannya. Dan itu bisa memilih gerakan paling optimal dari antara kemungkinan.
Tapi tidak ada konsep apa pun tentang masa lalu, atau ingatan apa pun tentang apa yang telah terjadi sebelumnya. Terlepas dari aturan khusus catur yang jarang digunakan untuk tidak mengulangi gerakan yang sama tiga kali, Deep Blue mengabaikan semuanya sebelum momen saat ini. Yang dilakukannya hanyalah melihat bidak-bidak di papan catur sebagaimana keadaannya sekarang, dan memilih dari kemungkinan gerakan selanjutnya.
Jenis kecerdasan ini melibatkan komputer yang mengamati dunia secara langsung dan bertindak berdasarkan apa yang dilihatnya. Itu tidak bergantung pada konsep internal dunia. Dalam makalah penting, peneliti AI Rodney Brooks berpendapat bahwa kita seharusnya hanya membuat mesin seperti ini. Alasan utamanya adalah bahwa orang-orang tidak pandai memprogram dunia simulasi yang akurat untuk digunakan komputer, apa yang disebut dalam beasiswa AI sebagai “representasi” dunia.
Mesin cerdas yang kita kagumi saat ini tidak memiliki konsep dunia seperti itu, atau memiliki yang sangat terbatas dan terspesialisasi untuk tugas-tugas khususnya. Inovasi dalam desain Deep Blue tidak untuk memperluas cakupan kemungkinan film yang dipertimbangkan komputer. Sebaliknya, para pengembang menemukan cara untuk mempersempit pandangannya, untuk berhenti mengejar beberapa langkah potensial di masa depan, berdasarkan bagaimana mereka menilai hasil mereka. Tanpa kemampuan ini, Deep Blue akan membutuhkan komputer yang lebih kuat untuk benar-benar mengalahkan Kasparov.
Serupa dengan itu, AlphaGo Google, yang telah mengalahkan pakar Go manusia top, juga tidak dapat mengevaluasi semua potensi pergerakan di masa depan. Metode analisisnya lebih canggih daripada Deep Blue, menggunakan jaringan saraf untuk mengevaluasi perkembangan game.
Metode ini memang meningkatkan kemampuan sistem AI untuk memainkan game tertentu dengan lebih baik, tetapi metode tersebut tidak dapat dengan mudah diubah atau diterapkan pada situasi lain. Imajinasi terkomputerisasi ini tidak memiliki konsep tentang dunia yang lebih luas – artinya imajinasi tersebut tidak dapat berfungsi di luar tugas spesifik yang diberikan dan mudah tertipu.
Mereka tidak dapat berpartisipasi secara interaktif di dunia, seperti yang kita bayangkan sistem AI suatu hari nanti. Sebaliknya, mesin ini akan berperilaku persis sama setiap kali menghadapi situasi yang sama. Ini bisa sangat bagus untuk memastikan sistem AI dapat dipercaya: Anda ingin mobil otonom Anda menjadi pengemudi yang andal. Tapi itu buruk jika kita ingin mesin benar-benar terlibat dengan, dan merespons, dunia. Sistem AI yang paling sederhana ini tidak akan pernah bosan, tertarik, atau sedih.
2. MEMORI TERBATAS
Kelas Tipe II ini berisi mesin yang dapat melihat ke masa lalu. Mobil self-driving sudah melakukan beberapa hal ini. Misalnya, mereka mengamati kecepatan dan arah mobil lain. Itu tidak dapat dilakukan hanya dalam satu saat, tetapi perlu mengidentifikasi objek tertentu dan memantaunya dari waktu ke waktu.
Pengamatan ini ditambahkan ke representasi dunia yang telah diprogram sebelumnya dari mobil yang mengemudi sendiri, yang juga mencakup marka jalur, lampu lalu lintas, dan elemen penting lainnya, seperti belokan di jalan. Mereka disertakan saat mobil memutuskan kapan harus berpindah jalur, untuk menghindari memotong pengemudi lain atau tertabrak mobil terdekat.
Tetapi informasi sederhana tentang masa lalu ini hanya bersifat sementara. Mereka tidak disimpan sebagai bagian dari pustaka pengalaman mobil yang dapat dipelajarinya, cara pengemudi manusia mengumpulkan pengalaman selama bertahun-tahun di belakang kemudi.
Jadi bagaimana kita bisa membangun sistem AI yang membangun representasi penuh, mengingat pengalaman mereka, dan mempelajari cara menangani situasi baru? Brooks benar bahwa sangat sulit untuk melakukan ini. Penelitian saya sendiri tentang metode yang diilhami oleh evolusi Darwinian dapat mulai menutupi kekurangan manusia dengan membiarkan mesin membangun representasi mereka sendiri.
3. TEORI PIKIRAN (THEORY OF MIND)
Kita mungkin berhenti di sini, dan menyebut poin ini sebagai pemisah penting antara mesin yang kita miliki dan mesin yang akan kita buat di masa depan. Namun, akan lebih baik jika lebih spesifik untuk mendiskusikan jenis mesin representasi yang perlu dibentuk, dan tentang apa yang mereka perlukan.
Mesin di kelas berikutnya, yang lebih maju, tidak hanya membentuk representasi tentang dunia, tetapi juga tentang agen atau entitas lain di dunia. Dalam psikologi, ini disebut “teori pikiran” – pemahaman bahwa orang, makhluk, dan objek di dunia dapat memiliki pikiran dan emosi yang memengaruhi perilaku mereka sendiri.
Ini penting untuk bagaimana kita manusia membentuk masyarakat, karena mereka memungkinkan kita untuk melakukan interaksi sosial. Tanpa memahami motif dan niat satu sama lain, dan tanpa mempertimbangkan apa yang diketahui orang lain tentang saya atau lingkungan, bekerja sama paling sulit, paling tidak tidak mungkin.
Jika sistem AI memang pernah berjalan di antara kita, mereka harus dapat memahami bahwa kita masing-masing memiliki pemikiran dan perasaan serta harapan tentang bagaimana kita akan diperlakukan. Dan mereka harus menyesuaikan perilakunya.
4. KESADARAN DIRI (SELF-AWARENESS)
Langkah terakhir pengembangan AI adalah membangun sistem yang dapat membentuk representasi tentang diri mereka sendiri. Pada akhirnya, kami para peneliti AI tidak hanya harus memahami kesadaran, tetapi juga membangun mesin yang memilikinya.
Ini, dalam arti tertentu, merupakan perpanjangan dari “teori pikiran” yang dimiliki oleh kecerdasan buatan Tipe III. Kesadaran juga disebut “kesadaran diri” karena suatu alasan. (“Saya ingin barang itu” adalah pernyataan yang sangat berbeda dari “Saya tahu saya menginginkan barang itu.”) Makhluk sadar sadar akan diri mereka sendiri, tahu tentang keadaan internal mereka, dan mampu memprediksi perasaan orang lain. Kami menganggap seseorang yang membunyikan klakson di belakang kami saat lalu lintas marah atau tidak sabar, karena itulah yang kami rasakan saat membunyikan klakson pada orang lain. Tanpa teori pikiran, kita tidak bisa membuat kesimpulan semacam itu.
Meskipun kita mungkin jauh dari menciptakan mesin yang sadar diri, kita harus memfokuskan upaya kita untuk memahami ingatan, pembelajaran, dan kemampuan untuk mendasarkan keputusan pada pengalaman masa lalu. Ini adalah langkah penting untuk memahami kecerdasan manusia itu sendiri. Dan sangat penting jika kita ingin merancang atau mengembangkan mesin yang lebih dari luar biasa dalam mengklasifikasikan apa yang mereka lihat di depannya.
Pekerjaan Digital Nomad | Manfaat, Kerugian dan Daftar Pekerjaan Remote Job
AI, beberapa contoh penggunaan
Penglihatan buatan, misalnya, memungkinkan mesin menentukan konten gambar secara tepat dan kemudian mengklasifikasikannya secara otomatis menurut objek, warna, atau wajah yang diidentifikasi.
Algoritma dapat mengoptimalkan perhitungannya saat melakukan pemrosesan. Beginilah cara filter anti-spam menjadi semakin efektif saat pengguna mengidentifikasi pesan yang tidak diinginkan atau, sebaliknya, memproses positif palsu.
Pengenalan suara sedang meningkat dengan asisten virtual yang mampu menyalin kata-kata yang diungkapkan dalam bahasa alami dan kemudian memproses permintaan baik dengan merespons secara langsung melalui sintesis suara, atau dengan terjemahan instan atau bahkan dengan membuat permintaan yang berkaitan dengan pesanan. .
Kecerdasan buatan, potensi tak terbatas
Kemungkinan AI tampaknya tumbuh secara eksponensial.
Dalam beberapa tahun terakhir, telah beralih dari chatbot sederhana ke penggunaan kecerdasan buatan untuk membantu membuat keputusan penting, baik di bidang medis maupun militer.
Dengan bidang aplikasi yang begitu beragam, kebutuhan akan tenaga ahli data dirasakan di banyak sektor kegiatan. Khususnya bagi para pelaku perbankan dan asuransi yang tidak ragu-ragu untuk mempersiapkan pekerjaan di masa depan, dengan sekolah khusus dan pelatihan untuk menjadi Analis Data, misalnya.
Untuk apa kecerdasan buatan digunakan?
Bidang penerapan kecerdasan buatan sangat banyak. Itu hadir di kamera smartphone. Dalam mode malam, ini memungkinkan Anda untuk menyesuaikan kolorimetri dengan lingkungan, dan mengembalikan fasad yang terang ke pancaran aslinya untuk mereproduksinya dengan tepat pada bidikan Anda.
Dalam fotografi, AI juga melakukan intervensi untuk mendeteksi pemandangan tertentu, menstabilkan perangkat, atau mengoptimalkan presisi zoom. Pengenalan wajah adalah teknologi lain yang dimungkinkan oleh kecerdasan buatan. Ini digunakan untuk mengenali pengguna ponsel, tetapi juga dalam skala yang lebih besar untuk mengidentifikasi orang, misalnya di bandara.
AI juga diperkenalkan di bidang militer (misalnya untuk pengambilan keputusan drone), di sektor keuangan (penilaian risiko operasi seperti pemberian hipotek), dalam kedokteran (diagnosis kondisi mata), robotika, video game (animasi karakter non-pemain), transportasi (manajemen lalu lintas di angkutan umum) dan industri (implementasi sistem pemeliharaan untuk mengatasi masalah produksi).
Bagaimana cara kerja kecerdasan buatan?
Mesin dengan kecerdasan buatan menghafal perilaku. Pekerjaan menghafal ini memungkinkan mereka nantinya untuk memecahkan masalah, dan bertindak dengan benar ketika menghadapi situasi ini dan itu. Pembelajaran ini dilakukan dengan menggunakan database dan algoritma. Pekerjaan yang kompleks ini membantu mesin untuk mengukur pentingnya suatu masalah, untuk menyaring solusi yang mungkin dan situasi masa lalu yang serupa agar dapat bertindak dengan baik.
Ini sebenarnya adalah sistem statistik yang canggih dan sangat kuat yang mengarahkan mesin untuk membuat keputusan atau memiliki perilaku yang diharapkan. Untuk mengukur tingkat kecerdasannya, sebuah mesin dikenai uji Turing. Tes ini dinamai penemu AI, Alan Turing. Matematikawan Inggris ini adalah salah satu yang pertama bertanya-tanya, pada tahun 1950, apakah sebuah mesin mampu berpikir. Tes Turing terdiri dari percakapan dengan mesin dan memintanya untuk membuat sesuatu dengan kriteria khusus yang harus dihormati.
Bacaan Lainnya
- Enigma | Mesin Penyandi Yang Memecahkan Kode Rahasia Nazi
- Alan Turing | Matematikawan yang bernasib tragis, penemu komputer, pelopor artificial intelligence, pahlawan Perang Dunia II, dan homoseksual yang dianiaya
- Deep Learning | Pembelajaran Mendalam dan sebuah revolusi dalam Kecerdasan Buatan
- 10 Kebiasaan Baik Yang Dapat Mengasah Otak Menjadi Lebih Efektif
- Otak kiri berhubungan dengan memori pendek dan Otak kanan berhubungan dengan kreatifitas
- Sebagian cabang biologi: Genetika
- Seorang ahli yang pertama menerangkan tentang genetika
- Bioinformatika Cabang Biologi
Sumber bacaan: Consultant4Companies, CleverlySmart, Britannica, Government Technolgy
Pinter Pandai “Bersama-Sama Berbagi Ilmu”
Quiz | Matematika | IPA | Geografi & Sejarah | Info Unik | Lainnya | Business & Marketing
