Mengenal Teknologi AI Artificial Intelligence

Mengenal teknologi AI Artificial Intelligence meliputi perbedaannya dengan kecerdasan manusia, pengelompokan teknologi AI, cara kerja machine learning, proses pengembangan AI, data dan tools, beberapa contoh penggunaan teknologi AI dan dampak teknologi AI dari sudut pandang ekonomi maupun bisnis.

Teknologi AI adalah pengembangan kemampuan sistem komputer mengerjakan tugas melibatkan proses berpikir meliputi reasoning, planning, learning dan self correction.
  • Reasoning adalah kemampuan komputer menggunakan aturan, informasi dan data agar menghasilkan output tepat.
  • Planning adalah proses pengambilan keputusan tepat
  • Learning dan self correction adalah kemampuan memperbaiki pengambilan keputusan dan menambah pengetahuan melalui observasi lingkungan.
Istilah Artificial Intelligence pertama kali diperkenalkan tahun 1956 oleh John McCarthy seorang ilmuwan komputer dan saat ini teknologi AI menjadi salah satu pemicu terjadinya revolusi industri 4 sehingga mengenal teknologi AI lebih dekat maka dapat dipersiapkan strategi terbaik bagi pencapaian berikutnya di masa mendatang.

baca juga: 5 Teknologi Ini Memicu Revolusi Industri Jilid 4

Perbedaan Teknologi AI dan Kecerdasan Manusia

Teknologi AI:
  1. AI hasil inovasi manusia
  2. AI lebih cepat mengerjakan tugas tertentu
  3. Lebih objektif karena tanpa melibatkan emosi
  4. Hasil akurat tetapi memungkinkan adanya eror
  5. Kemampuan beradaptasi membutuhkan waktu lama
  6. Kurang bisa multitasking
  7. Tidak melakukan interaksi sosial
  8. Fungsi Optimisasi
  9. Phase digital
Kecerdasan Manusia:
  1. Kecerdasan ini sudah ada sejak dahulu
  2. Lambat mengerjakan tugas tertentu
  3. Pengambilan keputusan cenderung subjektif karena melibatkan emosi dan interaksi sosial
  4. Hasil masih kurang akurat
  5. Kemampuan beradaptasi cepat dan mudah
  6. Bisa multitasking
  7. Melakukan interaksi sosial
  8. Fungsi Inovasi
  9. Phase analog
Proses AI berdasarkan himpunan data sehingga sampai kapanpun AI bergantung pada manusia.

Pengelompokan Teknologi AI

1. Berdasarkan tugas

Teknologi AI berdasarkan tugasnya terbagi 2 kategori yaitu AGI (Artificial General Intelligence) dan ANI (Artificial Narrow Intelligence). AGI adalah AI bertugas secara general dan masih hipotesis seperti terlihat di film science fiction sedangkan ANI adalah AI pada tugas spesifik saja.

2. Berdasarkan cara kerja

Teknologi AI berdasarkan cara kerjanya terbagi 2 kategori yaitu rule based AI dan machine learning
  • Rule based AI bekerja berdasarkan program manusia untuk memetakan output komputer apabila ada informasi masuk (input) ke sistem.
  • Machine learning bekerja tidak mengandalkan aturan hasil program manusia namun melakukan pengolahan data serta mencari pola- pola tertentu pada data tersebut.
3. Berdasarkan kegunaan

Teknologi AI berdasarkan kegunaannya terbagi 4 kategori yaitu Natural Language Processing (NLP), speech recognition, robotics dan computer vision
  • Natural Language Processing dan speech recognition mampu meniru kemampuan manusia berbicara dan berbahasa contohnya Siri, Alexa, Google Assistant.
  • Robotics menciptakan mesin agar menjalankan berbagai fungsi fisik menggantikan keterampilan manusia.
  • Computer vision adalah cabang teknologi AI dalam mengolah gambar, foto, video dan hasil foto langsung kamera. Contoh penerapan AI computer vision adalah Facial Recognition dan deteksi CCTV melihat adanya kemungkinan pelanggaran lalu lintas sehingga mengakibatkan tilang elektronik.
baca juga: Perawatan Berkala IP CCTV

Cara Kerja Machine Learning

Kategori teknologi AI berdasarkan cara kerjanya paling populer saat ini adalah machine learning karena dapat memecahkan masalah tanpa diprogram berdasarkan data dalam jumlah banyak saat ini dan bertambah banyak lagi ke depannya. Data adalah bahan bakar pertumbuhan AI, semakin banyak data maka semakin besar pertumbuhan AI.

Machine learning terbagi pada 2 kategori yaitu Neural Network dan Deep Learning. Neural Network adalah teknik machine learning mengenali pola data dengan meniru cara otak manusia bekerja sedangkan Deep Learning adalah variasi penerapan Neural Network menggunakan beberapa lapisan tersembunyi untuk mengekstrak fitur data tanpa bantuan manusia.

Bagaimana mesin learning bisa belajar dari data dan memperoleh kecerdasannya?

Machine learning adalah program komputer memiliki kemampuan belajar dari sebuah pengalaman (E) apabila performa (P) mengerjakan tugas tertentu (T) menjadi meningkat karena pengalaman (E) tersebut.
  • Pengalaman (E) adalah proses program komputer mempelajari pola data.
  • Tugas (T) adalah bagaimana pola tersebut digunakan untuk memetakan fungsi input menjadi output
  • Performa (P) adalah tingkat kesuksesan komputer menghasilkan output
Teknik melakukan machine learning terbagi 4 kategori yaitu
  1. Supervised Learning: Proses program komputer mempelajari data berlabel oleh manusia dan hasil pembelajaran ini merupakan pemetaan fungsi input menjadi output.
  2. Unsupervised Learning: Tanpa pengawasan manusi mampu belajar mengelompokkan sendiri pola dan relasi data.
  3. Semi-Supervised Learning: Merupakan kombinasi teknik supervised dan unsupervised.
  4. Reinforcement Learning: Program komputer belajar sendiri melalui berinteraksi dengan lingkungan melalui konsep reward dan punishment.
Untuk membuat project AI salah satunya bisa memanfaatkan kerangka kerja AI Canvas. AI Canvas adalah format untuk menganalisis potensi penerapan teknologi AI dalam proses pekerjaan atau proses bisnis perusahaan maupun organisasi.

prediksi AI mengunakan canvas

Cara menggunakan AI Canvas adalah dengan mengisi jawabab maupun perintah pada setiap elemen - elemen penting AI Canvas tersebut.
  1. Tugas / keputusan apa yang diperiksa? (Jelaskan secara singkat tugas yang sedang dianalisis)
  2. Prediksi: identifikasikan ketidakpastian utama!
  3. Pertimbangan: tentukan hasil untuk menjadi benar versus menjadi salah!
  4. Tindakan: tindakan apa yang bisa dipilih?
  5. Hasil: pilih ukuran kinerja untuk menilai apakah sudah mencapai hasil!
  6. Data Input: Data apa saja untuk menghasilkan prediksi setelah memiliki algoritme AI?
  7. Data Training: data input serta tindakan dan hasil sebelumnya untuk melatih AI dan menghasilkan prediksi lebih baik?
  8. Data Feedback: Bagaimana dapat menggunakan hasil terukur bersama dengan data masukan untuk menghasilkan peningkatan pada algoritme prediksi?
  9. Bagaimana AI ini akan berdampak pada keseluruhan alur kerja? Jelaskan di sini bagaimana AI untuk tugas / keputusan ini akan berdampak pada tugas terkait di alur kerja keseluruhan. Apakah akan menyebabkan pergantian staf? Apakah ini akan melibatkan pelatihan ulang staf atau desain ulang pekerjaan?
Proses Pengembangan AI

Proses pengembangan AI secara berurutan adalah start, problem definition, data compilation dan data collection, data understanding, data preparation (data cleaning), developing prediction model, parameter tuning (model tweaking), model evaluation, deployment, feedback dan finish.

artificial intelligence

Problem Definition
Definisi terhadap masalah ini membutuhkan pemahaman mendalam tentang latar belakang kondisi organisasi atau bisnis.

Data Compilation
Setelah masalah terdefinisi jelas selanjutnya mempersiapkan kebutuhan data di tahap data compilation dalam bentuk konten berikut formatnya.

Data Collection
Mulai melihat apakah data benar - benar ada dan dapat diakses. Apabila di sini ternyata ditemukan bahwa data tidak available dan obtainable, mungkin perlu merevisi requirement data atau memang belum bisa membuat sistem AI sesuai masalah sehingga harus memikirkan bagaimana caranya mengumpulkan kebutuhan data ini.

Data Understanding
Mulai mencari insight dan wawasan menggunakan statistika deskriptif dan visualisasi data, biasanya tahap ini akan mendapat wawasan mengenai kelengkapan atau kualitas data.

Data Cleaning
Berbekal insights tahap sebelumnya, lakukan data preparation atau data cleaning karena seringkali data tersebut masih k*tor, tidak rapi atau tidak lengkap

Predictive Model dan Tuning Parameter
Pilih teknik machine learning paling sesuai dengan data dan tugas.

Model Evaluation
Tahap ini bertujuan memastikan mengetahui kualitas model.

Deployment dan feedback
Memasang model dalam production environment agar bisa segera digunakan.

Metrik pengukur kualitas AI dalam menghasilkan prediksi:
  • Precision
  • Recall
  • Accuracy
  • F1 Score
Precision adalah ukuran hasil positif teridentifikasi benar dari semua hasil terprediksi positif.
Recall adalah ukuran hasil positif teridentifikasi benar dari semua hasil positif
Accuracy adalah hasil prediksi yang teridentifikasi secara benar
F1 score adalah data rata-rata harmonic precision dan recall

Data dan Tools

Komponen terpenting teknologi AI adalah data. Data adalah kumpulan keterangan-keterangan suatu objek dan peristiwa.

Data terbagi 2 jenis yaitu data terstruktur dan data tidak terstruktur.
  • Contoh data terstruktur: tabel data dan database.
  • Contoh data tidak terstruktur : teks, video, gambar dan semuanya belum memiliki identitas (label).
Data bagi perkembangan teknologi AI adalah data berkualitas dan akurat. Beberapa data mungkin menjadi sampah digital jika tidak dipersiapkan secara baik oleh data engineer dan data scientist.

Lebih banyak data maka lebih banyak juga pola dapat dikenal oleh sistem AI sehingga lebih akurat kemampuan AI memprediksi sesuatu.

Tools penting pengembangan AI
  1. Programming Language: Phyton
  2. Data Collection: MongoDV, MySQL, PostgreSQL
  3. Data Preparation: Pandas
  4. Modelling Machine Learning: scikit learn
  5. Modelling-Deep-Learning: Keras, TensorFlow, PyTorch
  6. Deployment: amazon web service atau google cloud platform
Contoh penggunaan teknologi AI

Sebagai contoh penggunaan teknologi AI yaitu pada bidang customer service. Ada 3 solusi berbasis NLP di bidang ini yaitu:
  1. AI Chatbot: Mengotomatisasi proses menjawab pertanyaan pelanggan melalui saluran pesan teks seperti whatsapp dan diprogram memiliki alur - alur percakapan terbanyak ditanya pelanggan sehingga mayoritas pertanyaan pelanggan bisa dijawab tanpa bantuan manusia.
  2. Agent Assist Model NLP akan membaca pesan pelanggan sebelum dibaca oleh agen cs dan memunculkan rekomendasi program jawaban pesan - pesan dengan konten tertentu.
  3. AI Voice memanfaatkan teknologi speech recognition menerjemahkan ucapan telepon pelanggan menjadi teks kemudian diproses oleh model NLP seperti pada chatbot guna mendeteksi makna dan intent ucapan tersebut sehingga mampu menjawab pertanyaan konsumen.
Contoh teknologi AI di sekitar kita:

1. Google Assistant (Natural Language Processing)
Dirancang melakukan serangkaian tugas spesifik seperti mengirimkan pesan, memutar lagu, membuka aplikasi tertentu dan lainnya di smartphone menggunakan speech recognition sehingga mampu menerjemahkan pengucapan alami bahasa orang menjadi instruksi komputer.

2. Google Map
Google Map memberikan informasi rute-rute dan rekomendasi serta informasi update dengan cara mengumpulkan data GPS semua pengguna aplikasi kemudian mendeteksi posisi dan kecepatan jutaan kendaraan di seluruh dunia. Teknologi AI bisa memprediksi kepadatan lalu lintas dan saat memasukkan lokasi tujuan akan menghitung jarak dan waktu tempuh semua rute perjalanan dan akhirnya memilih rute dengan jarak dan waktu tempuh terkecil.

Teknologi AI dari sudut pandang ekonomi dan bisnis

Dari sisi ekonomi teknologi AI akan membuat proses prediksi menjadi lebih murah. Hal ini karena teknologi AI saat ini pada dasarnya adalah mesin-mesin efektif memprediksi sesuatu.

Dampak teknologi AI terhadap pekerjaan
  1. AI mempermudah pekerjaan
  2. AI mengurangi jumlah pekerjaan tertentu
  3. AI mengubah proses pekerjaan
  4. AI mengubah kemampuan manusia dalam pekerjaan tertentu
Apakah pekerjaan manusia akan tergantikan dengan robot atau ekonomi tanpa pekerjaan?

Teknologi AI justru mendorong prospek pertumbuhan ekonomi dan lapangan pekerjaan bersamaan dengan dirombaknya infrastruktur, industri dan perekonomian. Contohnya pada pengembangan machine learning, masih membutuhkan banyak peran manusia untuk memastikan data yang dibutuhkan machine learning memiliki kualitas tinggi dan tidak menyebabkan bias.

Di sisi lain, teknologi AI memberikan keuntungan bisnis dan ekonomi seperti meningkatkan produktivitas dan inovasi di industri. Dampaknya ke pekerjaan beragam, seperti beberapa pekerjaan hilang tetapi lahan pekerjaan baru pun muncul.

0 Comments

Posting Komentar

Admin akan berupaya membalas setiap komentar Anda kecuali dari Anonim akan dibalas berdasarkan pertimbangan tertentu. Terima kasih