Kecerdasan Buatan Untuk Semua Orang

FTMM NEWS – Peserta student outbound ke Universiti Malaya, Malaysia, 25-29 Juli 2023, mendapatkan insight menarik berkaitan kecerdasan buatan atau Artificial Intelligence (AI). AI atau kecerdasan buatan adalah sistem atau perangkat lunak yang dapat belajar untuk meningkatkan dirinya sendiri tanpa instruksi eksplisit dari manusia. Kemampuan untuk belajar merupakan faktor utama yang membedakan antara perangkat lunak tradisional dan AI.

Dalam paparan yang disampaikan Dr. Erma Rahayu Mohd Faizal Abdullah, konsep dasar Artificial Intelligence (AI) memungkinkan punya berbagai aplikasi yang menarik, seperti computer vision, Natural Language Processing (NLP) untuk menerjemahkan kata, dan penggunaan sensor pada robot untuk merasakan dan bergerak. AI juga memiliki berbagai aplikasi, termasuk kemampuan untuk melihat, mendengar, berbicara, merasakan, dan bergerak. AI dapat mencakup berbagai jenis algoritma, termasuk machine learning dan deep learning.

Hubungan Machine Learning, Deep Learning, dan AI

Machine Learning adalah cabang dari AI yang menggunakan algoritma untuk meningkatkan kinerjanya seiring dengan paparan terhadap lebih banyak data. Jika sebuah pesawat dapat belajar dari perilaku pengguna selama waktu dan menyesuaikan pengaturannya secara otomatis, maka hal itu telah berpindah dari AI ke Machine Learning. Deep Learning adalah subset dari Machine Learning yang menggunakan jaringan saraf tiruan (neural network) untuk meningkatkan kinerjanya seiring dengan data yang lebih banyak. Banyak aplikasi menarik dari AI, seperti mobil otonom, Google Translate, dan Amazon Alexa. Aplikasi tersebut muncul akibat perkembangan teknologi Deep Learning.

Dasar Kerja AI

Pada dasarnya, AI bukanlah suatu sihir yang memiliki kemampuan kognitif manusia. AI berdasarkan pada prinsip matematika yang sederhana seperti regresi linear. Regresi linear adalah salah satu bentuk paling sederhana dari AI, di mana AI belajar dan meningkatkan diri ketika ada data baru. Seiring dengan kompleksitas data, bentuk AI dapat menjadi lebih rumit, tetapi pada intinya, AI adalah pemanfaatan matematika untuk mengembangkan algoritma yang dapat belajar sendiri.

Supervised vs Unsupervised Learning

Dalam paparannya, Dr. Erma juga menjelaskan perihal dua jenis algoritma utama, yaitu supervised learning dan unsupervised learning.

“Jika saya bertanya bagaimana saya menyebrang jalan raya, apakah anda bisa menjawabnya? Tentu saja bisa kan, Lalu mengapa anda bisa menjawabnya?” tanya Dr. Erma.

Menurut Dr. Erma, jawaban dari pertanyaan tersebut adalah karena kita memiliki data berupa pengalaman sebelumnya. Ini adalah contoh algoritma supervised. Supervised learning mirip dengan mengajari seorang anak menyelesaikan masalah matematika dengan memberikan beberapa contoh masalah dan memberi tahu jawaban yang benar. AI dalam supervised learning memerlukan data yang memiliki jawaban yang benar untuk belajar dari contoh tersebut dan akhirnya dapat menyelesaikan tugas dengan benar sendiri.

“Bagaimana jika saya bertanya apakah gambar ini adalah hal yang benar atau tidak untuk dilakukan, Apakah anda bisa menjawabnya? Jika iya, mengapa padahal kalian pasti tidak pernah memiliki pengalaman tersebut kan?” tanya Dr. Erma.

Dan jawabannya adalah karena otak manusia bekerja mengumpulkan data pengalaman pribadi atau orang lain yang serupa seperti terjatuh dari pohon dan lainnya sehingga kita bisa memperkirakan apa yang akan terjadi. Seperti inilah yang dinamakan unsupervised learning pada AI. Unsupervised learning tidak memiliki jawaban yang benar untuk tugas yang diberikan. AI harus menemukan sendiri cara untuk menyelesaikan tugas tersebut. Mirip dengan memberikan anak sekeranjang mainan dan meminta dia untuk memisahkan mainan yang mirip. Tidak ada cara yang salah atau benar, tetapi AI akan menemukan cara sendiri untuk mengelompokkan data berdasarkan kesamaan karakteristiknya.

 

Penulis : Maharani Yassar Dewanti dan Purbandini

Editor : Ananta Adhi Wardana

 

Share:

Share on facebook
Facebook
Share on twitter
Twitter
Share on whatsapp
WhatsApp
Share on telegram
Telegram
Share on email
Email
Share on linkedin
LinkedIn

Related Posts