Apa itu Kecerdasan Buatan / Artificial Intelligence (AI)?
AI (Kecerdasan Buatan) adalah kemampuan mesin untuk melakukan fungsi kognitif seperti yang dilakukan manusia, seperti mengamati, belajar, menalar, dan memecahkan masalah. Tolok ukur AI adalah tingkat perhatian manusia dalam kelompok penalaran, ucapan, dan visi.
Pengantar Tingkat Kecerdasan Buatan
Saat ini, AI digunakan di hampir semua industri, sehingga memberikan keunggulan teknologi bagi semua perusahaan yang mengintegrasikan AI dalam skala besar. Menurut McKinsey, AI berpotensi menciptakan nilai 600 miliar dolar di bidang ritel dan memberikan peningkatan nilai tambahan sebesar 50 persen di bidang perbankan dibandingkan dengan teknik analisis lainnya. Di bidang transportasi dan logistik, potensi lonjakan pendapatan sebesar 89% lebih besar.
Konkritnya, jika sebuah organisasi menggunakan AI untuk tim pemasarannya, organisasi tersebut dapat mengotomatiskan tugas-tugas yang biasa dan berulang, sehingga perwakilan penjualan dapat fokus pada membangun hubungan, membina pemimpin, dll. Sebuah perusahaan bernama Gong menyediakan layanan intelijen percakapan. Setiap kali Perwakilan Penjualan melakukan panggilan telepon, mesin mencatat, menyalin, dan menganalisis obrolan tersebut. Wakil Presiden dapat menggunakan analisis dan rekomendasi AI untuk merumuskan strategi kemenangan.
Singkatnya, AI menyediakan teknologi mutakhir untuk menangani data kompleks yang tidak dapat ditangani oleh manusia. AI mengotomatiskan pekerjaan yang berlebihan sehingga memungkinkan pekerja untuk fokus pada tugas tingkat tinggi yang bernilai tambah. Ketika AI diterapkan dalam skala besar, hal ini akan menghasilkan pengurangan biaya dan peningkatan pendapatan.
Sejarah Kecerdasan Buatan
Kecerdasan Buatan adalah kata kunci saat ini, meskipun istilah ini bukanlah hal baru. Pada tahun 1956, para ahli avant-garde dari berbagai latar belakang memutuskan untuk mengadakan proyek penelitian musim panas tentang AI. Empat orang cerdas memimpin proyek ini; John McCarthy (Dartmouth College), Marvin Minsky (Harvard University), Nathaniel Rochester (IBM), dan Claude Shannon (Bell Telephone Laboratories).
Berikut adalah Sejarah Singkat Kecerdasan Buatan:
| Tahun | Tonggak Sejarah / Inovasi |
|---|---|
| 1923 | Drama Karel Čapek berjudul “Rossum’s Universal Robots, penggunaan pertama kata “robot” dalam bahasa Inggris. |
| 1943 | Fondasi untuk jaringan saraf telah diletakkan. |
| 1945 | Isaac Asimov, alumni Universitas Columbia, menggunakan istilah Robotika. |
| 1956 | John McCarthy pertama kali menggunakan istilah Kecerdasan Buatan. Demonstrasi program AI pertama yang dijalankan di Universitas Carnegie Mellon. |
| 1964 | Disertasi Danny Bobrow di MIT menunjukkan bagaimana komputer dapat memahami bahasa alami. |
| 1969 | Para ilmuwan di Stanford Research Institute Mengembangkan Shakey. Robot yang dilengkapi dengan penggerak dan pemecahan masalah. |
| 1979 | Kendaraan otonom yang dikendalikan komputer pertama di dunia, Stanford Cart, dibuat. |
| 1990 | Demonstrasi signifikan dalam pembelajaran mesin |
| 1997 | Program Catur Biru Tua mengalahkan juara catur dunia saat itu, Garry Kasparov. |
| 2000 | Hewan peliharaan robot interaktif telah tersedia secara komersial. MIT menampilkan Kismet, robot dengan wajah yang mengekspresikan emosi. |
| 2006 | AI masuk ke dunia Bisnis pada tahun 2006. Perusahaan seperti Facebook, Netflix, Twitter mulai menggunakan AI. |
| 2012 | Google telah meluncurkan fitur aplikasi Android yang disebut “Google now”, yang memberikan prediksi kepada pengguna. |
| 2018 | “Project Debater” dari IBM memperdebatkan topik-topik kompleks dengan dua ahli debat dan tampil dengan sangat baik. |
Tujuan Kecerdasan Buatan
Berikut adalah Tujuan utama AI:
- Ini membantu Anda mengurangi jumlah waktu yang dibutuhkan untuk melakukan tugas tertentu.
- Memudahkan manusia berinteraksi dengan mesin.
- Memfasilitasi interaksi manusia-komputer dengan cara yang lebih alami dan efisien.
- Meningkatkan keakuratan dan kecepatan diagnosa medis.
- Membantu orang mempelajari informasi baru dengan lebih cepat.
- Meningkatkan komunikasi antara manusia dan mesin.
Subbidang Kecerdasan Buatan
Berikut adalah beberapa subbidang penting dari Kecerdasan Buatan:
Machine learning / Pembelajaran Mesin : Pembelajaran mesin adalah seni mempelajari algoritma yang belajar dari contoh dan pengalaman. Pembelajaran mesin didasarkan pada gagasan bahwa beberapa pola dalam data diidentifikasi dan digunakan untuk prediksi masa depan. Perbedaan dari aturan hardcoding adalah mesin belajar menemukan aturan tersebut.
Deep learning / Pembelajaran Mendalam : Pembelajaran mendalam adalah sub-bidang pembelajaran mesin. Pembelajaran mendalam tidak berarti mesin mempelajari pengetahuan yang lebih mendalam; ia menggunakan lapisan yang berbeda untuk belajar dari data. Kedalaman model diwakili oleh jumlah lapisan dalam model. Misalnya, model Google LeNet untuk pengenalan gambar memiliki 22 lapisan.
Natural Language Processing / Pemrosesan Bahasa Alami : Jaringan saraf adalah sekelompok unit I/O yang terhubung dimana setiap koneksi memiliki bobot yang terkait dengan program komputernya. Ini membantu Anda membangun model prediktif dari database besar. Model ini dibangun berdasarkan sistem saraf manusia. Anda dapat menggunakan model ini untuk melakukan pemahaman gambar, pembelajaran manusia, ucapan komputer, dll.
Expert System / Sistem Pakar : Sistem pakar adalah sistem pengambilan keputusan berbasis komputer yang interaktif dan andal yang menggunakan fakta dan heuristik untuk memecahkan masalah pengambilan keputusan yang kompleks. Hal ini juga dianggap sebagai tingkat kecerdasan manusia tertinggi. Tujuan utama dari sistem pakar adalah untuk memecahkan masalah paling kompleks dalam domain tertentu.
Fuzzy Logic / Logika Fuzzy : Logika Fuzzy didefinisikan sebagai bentuk logika bernilai banyak yang dapat memiliki nilai kebenaran variabel dalam bilangan real antara 0 dan 1. Ini adalah konsep pegangan kebenaran parsial. Dalam kehidupan nyata, kita mungkin menghadapi situasi di mana kita tidak dapat memutuskan apakah pernyataan tersebut benar atau salah.
Jenis Kecerdasan Buatan
Ada tiga jenis utama kecerdasan buatan: berbasis aturan, pohon keputusan, dan jaringan saraf.
- Narrow AI / AI sempit adalah jenis AI yang membantu Anda melakukan tugas khusus dengan kecerdasan.
- General AI adalah jenis kecerdasan AI yang dapat melakukan tugas intelektual apa pun secara efisien seperti manusia.
- Rule-based AI / AI berbasis aturan didasarkan pada serangkaian aturan yang telah ditentukan sebelumnya yang diterapkan pada kumpulan data masukan. Sistem kemudian menghasilkan output yang sesuai.
- Decision tree AI / AI pohon keputusan mirip dengan AI berbasis aturan karena menggunakan serangkaian aturan yang telah ditentukan sebelumnya untuk membuat keputusan. Namun, pohon keputusan juga memungkinkan percabangan dan perulangan untuk mempertimbangkan opsi yang berbeda.
- Super AI adalah jenis AI yang memungkinkan komputer memahami bahasa manusia dan merespons secara alami.
- Robot intelligence / Kecerdasan robot adalah jenis AI yang memungkinkan robot memiliki kemampuan kognitif yang kompleks, termasuk penalaran, perencanaan, dan pembelajaran.
AI Vs Pembelajaran Mesin
Sebagian besar ponsel cerdas, perangkat sehari-hari, atau bahkan internet kita menggunakan Kecerdasan Buatan. Seringkali AI dan pembelajaran mesin digunakan secara bergantian oleh perusahaan-perusahaan besar yang ingin mengumumkan inovasi terbarunya. Namun, Pembelajaran mesin dan AI berbeda dalam beberapa hal.
AI- kecerdasan buatan- adalah ilmu tentang mesin pelatihan untuk melakukan tugas-tugas manusia. Istilah ini diciptakan pada tahun 1950an ketika para ilmuwan mulai mengeksplorasi bagaimana komputer dapat memecahkan masalah mereka sendiri.
Kecerdasan Buatan adalah komputer yang diberi sifat mirip manusia. Ambil otak kita; ia bekerja dengan mudah dan mulus untuk menghitung dunia di sekitar kita. Kecerdasan Buatan adalah konsep bahwa komputer dapat melakukan hal yang sama. Dapat dikatakan bahwa AI adalah ilmu besar yang meniru bakat manusia.
Pembelajaran mesin adalah bagian berbeda dari AI yang melatih mesin untuk belajar. Model pembelajaran mesin mencari pola dalam data dan mencoba menyimpulkan. Singkatnya, mesin tidak perlu diprogram secara eksplisit oleh manusia. Pemrogram memberikan beberapa contoh, dan komputer akan mempelajari apa yang harus dilakukan dari sampel tersebut.
Di mana AI digunakan? Contoh
AI memiliki aplikasi yang luas
- Kecerdasan Buatan digunakan untuk mengurangi atau menghindari tugas yang berulang. Misalnya, AI dapat mengulangi suatu tugas secara terus menerus, tanpa kelelahan. AI tidak pernah istirahat, dan tidak peduli dengan tugas yang harus dilaksanakan.
- Kecerdasan buatan meningkatkan produk yang sudah ada. Sebelum era pembelajaran mesin, produk inti dibuat berdasarkan aturan kode keras. Perusahaan memperkenalkan kecerdasan buatan untuk meningkatkan fungsionalitas produk daripada memulai dari awal untuk merancang produk baru. Anda dapat memikirkan gambar Facebook. Beberapa tahun yang lalu, Anda harus menandai teman Anda secara manual. Saat ini, dengan bantuan AI, Facebook memberi Anda rekomendasi teman.
AI digunakan di semua industri, mulai dari pemasaran hingga rantai pasokan, keuangan, dan sektor pengolahan makanan. Menurut survei McKinsey, layanan keuangan dan komunikasi teknologi tinggi memimpin bidang AI.
Mengapa AI berkembang pesat saat ini?
Dalam tutorial pengujian Kecerdasan Buatan ini, mari pelajari mengapa AI sedang booming saat ini. Mari kita pahami melalui diagram di bawah ini.
Jaringan saraf telah ada sejak tahun sembilan puluhan dengan makalah penting Yann LeCun. Namun, ia mulai menjadi terkenal sekitar tahun 2012. Dijelaskan oleh tiga faktor penting popularitasnya adalah:
- Perangkat keras
- Data
- Algoritma
Pembelajaran mesin adalah bidang eksperimental, artinya memerlukan data untuk menguji ide atau pendekatan baru. Dengan boomingnya internet, data menjadi lebih mudah diakses. Selain itu, perusahaan raksasa seperti NVIDIA dan AMD telah mengembangkan chip grafis berperforma tinggi untuk pasar game.
Perangkat keras
Dalam dua puluh tahun terakhir, kekuatan CPU telah meledak, memungkinkan pengguna untuk melatih model pembelajaran mendalam kecil di laptop mana pun. Namun, Anda memerlukan mesin yang lebih kuat untuk memproses model pembelajaran mendalam untuk visi komputer atau pembelajaran mendalam. Berkat investasi NVIDIA dan AMD, GPU (unit pemrosesan grafis) generasi baru telah tersedia. Chip ini memungkinkan komputasi paralel, dan mesin dapat memisahkan komputasi pada beberapa GPU untuk mempercepat penghitungan.
Misalnya, dengan NVIDIA TITAN X, diperlukan waktu dua hari untuk melatih model yang disebut ImageNet dibandingkan beberapa minggu untuk CPU tradisional. Selain itu, perusahaan besar menggunakan cluster GPU untuk melatih model pembelajaran mendalam dengan NVIDIA Tesla K80 karena membantu mengurangi biaya pusat data dan memberikan kinerja yang lebih baik.
Data
Pembelajaran mendalam adalah struktur model, dan data adalah cairan yang menghidupkannya. Data mendukung kecerdasan buatan. Tanpa data, tidak ada yang bisa dilakukan. Teknologi terkini telah melampaui batas-batas penyimpanan data, dan kini semakin mudah untuk menyimpan data dalam jumlah besar di pusat data.
Revolusi internet membuat pengumpulan dan distribusi data tersedia untuk mendukung algoritma pembelajaran mesin. Jika Anda familiar dengan Flickr, Instagram, atau aplikasi gambar lainnya, Anda bisa menebak potensi AI-nya. Ada jutaan gambar dengan tag yang tersedia di situs web ini. Gambar-gambar tersebut dapat melatih model jaringan saraf untuk mengenali objek pada gambar tanpa perlu mengumpulkan dan memberi label data secara manual.
Kecerdasan buatan yang dikombinasikan dengan data adalah emas baru. Data adalah keunggulan kompetitif unik yang tidak boleh diabaikan oleh perusahaan mana pun, dan AI memberikan jawaban terbaik dari data Anda. Ketika semua perusahaan dapat memiliki teknologi yang sama, perusahaan yang memiliki data akan mempunyai keunggulan kompetitif. Sebagai gambaran, dunia menghasilkan sekitar 2,2 exabyte, atau 2,2 miliar gigabyte, setiap hari.
Perusahaan memerlukan sumber data yang sangat beragam untuk menemukan pola dan mempelajarinya dalam jumlah besar.
Algoritma
Perangkat keras kini lebih canggih dari sebelumnya, data mudah diakses, namun satu hal yang membuat jaringan saraf lebih andal adalah pengembangan algoritme yang lebih akurat. Jaringan saraf primer adalah matriks perkalian sederhana tanpa sifat statistik yang mendalam. Sejak 2010, penemuan luar biasa telah dilakukan untuk meningkatkan jaringan saraf.
Kecerdasan Buatan menggunakan algoritma pembelajaran progresif untuk membiarkan data melakukan pemrograman. Artinya, komputer dapat belajar sendiri cara melakukan berbagai tugas, seperti menemukan anomali dan menjadi chatbot.
Ringkasan
- AI adalah bentuk penuh dari kecerdasan buatan yang merupakan ilmu tentang mesin pelatihan untuk meniru atau mereproduksi tugas manusia.
- Seorang ilmuwan dapat menggunakan metode berbeda untuk melatih mesin. Pada awal era AI, pemrogram menulis program dengan kode keras, mengetikkan setiap kemungkinan logis yang dapat dihadapi mesin dan cara meresponsnya.
- Ketika suatu sistem menjadi kompleks, maka menjadi sulit untuk mengelola aturan-aturannya. Untuk mengatasi masalah ini, mesin dapat menggunakan data untuk mempelajari cara menangani semua situasi dari lingkungan tertentu.
- Fitur terpenting dari AI yang kuat adalah ia memiliki cukup data dengan heterogenitas yang cukup besar. Misalnya, sebuah mesin dapat mempelajari berbagai bahasa asalkan mesin tersebut memiliki cukup kata untuk dipelajari.
- AI adalah teknologi mutakhir yang baru. Para pemodal ventura menginvestasikan miliaran dolar pada startup atau proyek AI, dan McKinsey memperkirakan AI dapat meningkatkan setiap industri setidaknya dengan tingkat pertumbuhan dua digit.
- AI Umum, AI berbasis aturan, AI pohon keputusan, AI Super adalah jenis kecerdasan buatan. Banyak dari konsep ini yang diterapkan dalam pembuatan chatbot AI. Jika Anda tertarik, Anda dapat mempelajari lebih lanjut tentang bagaimana prinsip-prinsip ini diterapkan di beberapa chatbot AI terbaik yang tersedia saat ini.
referensi:
https://www.guru99.com/artificial-intelligence-tutorial.html