Penulis: Kodrat Wahyudi
Saat ini Artificial Intelligence (AI) atau dikenal dengan kecerdasan buatan telah berkembang pesat dalam penggunaan bisnis, beberapa perusahaan kelas atas menjadi pioneer dalam penerapan teknologi tersebut.
Banyaknya perusahaan teratas memanfaatkan cloud computing dan edge computing, membuat perushaan AI harus mengintegrasikan berbagai teknologi untuk memenuhi tujuan utama mereka di mana pun baik di perusahaan ataupun kehidupan sehari-hari.
Tidak hanya itu, Machine learning juga memegang peran penting dalam bidang ini, di mana perusahaan AI perlu memperluas jangkuan teknologi mereka melalui kategori dan proses operasi teknologi lainnya. Mulai dari predictive analytics, business intelligence untuk data warehouse tools hingga deep learning untuk mengurangi risiko dalam industri.
Seluruh industri saat ini sedang “dibentuk” oleh teknologi AI. Salah satu perusahaan RPA, yaitu UiPath yang mengubah platform mereka agar mudah digunkan dan sesuai dengan semua jenis industri. Sebagai contohnya adalah penerapan AI di bidang kesehatan.
Artificial intelligence jelas memembuka peluang besar pada bisnis, tapi penggunaannya harus tetap diperhatikan oleh para tim IT terhadap risiko yang mungkin muncul seperti migrasi pekerjaan. “Proses ini akan memiliki dampak ekonomi yang cukup besar tetapi juga akan mengubah perilaku masyarakat, tapi trend pasar akan berdampak dalam perubahaan ini,” ucap Yoshua Bengio, Professor University of Montreal dan Head of The Montreal Institute for Learning Algorithms.
Untuk mengikuti trend pasar AI, kami merangkum beberapa perusahaan AI teratas yang memainkan kunci dalam membentuk masa depan AI. Sebagai berikut:
- Amazon Web Services
- UiPath
- Google Cloud Platform
- Microsoft Azure
- Nvidia
- Big Panda
- Blue Prism
- Ubiquity6
Kita melihat benefit AI telah berkembang dan memberikan banyak manfaat berbeda di seluruh industri seperti healthcare, ritel, manufaktur, perbankan, dan banyak lagi. Artificial Intelligence, Machine Learning, Deep Learning, Data Science adalah istilah yang populer di era ini. Meskipun istilah-istilah ini mungkin saling terintegrasi, namun sedikit banyak ada perbedaan di antaranya, mari kita lihat gambar di bawah ini untuk memvisualisasikannya.
Apakah “Artificial Intelligence” itu?
Manusia telah lama terobsesi dengan pembuatan AI sejak pertanyaan, “Bisakah sebuah mesin dapat berpikir?”. Pertanyaan ini dilontarkan oleh Alan Turing pada tahun 1950. AI memungkinkan mesin untuk berpikir,tanpa campur tangan manusia, mesin akan dapat melakukan sendiri keputusannya. Ini adalah bidang ilmu komputer yang luas dan membuat mesin tampak seperti memiliki kecerdasan manusia. Jadi, teknologi ini tidak hanya pemograman komputer untuk mengemudikan mobil dengan mematuhi sinyal lalu lintas, tetapi pada saat itulah program tersebut juga mempelajari bagaimana menunjukkan tanda-tanda emosi di jalan yang seperti manusia.
Jenis-jenis Kecerdasan Buatan
Sistem AI diklasifikasikan berdasarkan kemampuannya untuk meniru perilaku manusia, perangkat keras yang mereka gunakan untuk mengaplikasikan di dunia nyata, dan teorinya. Dengan menggunakan fitur-fitur ini untuk perbandingan, semua sistem kecerdasan buatan, aktual dan hipotetis, termasuk dalam salah satu dari tiga jenis berikut ini:
ANI: Artificial Narrow Intelligence
Artificial Narrow intelligence juga dikenal sebagai AI lemah dan merupakan satu-satunya jenis AI yang ada di dunia kita saat ini. Narrow AI berorientasi pada tujuan dan diprogram untuk melakukan satu tugas dan sangat cerdas dalam menyelesaikan tugas tertentu yang diprogram untuk dilakukannya. Beberapa contoh ANI adalah Siri, Pilot otomatis di pesawat terbang, chat bot, mobil self-driving dll.Sistem AI yang sempit ini, tidak mempunyai kesadaran, atau didorong oleh emosi seperti halnya manusia, mereka menggunakan informasi dari kumpulan data tertentu dan tidak melakukan tugas apa pun di luar satu tugas yang dirancang untuk mereka lakukan.
AGI: Artificial General Intelligence
Artificial General Intelligence juga disebut sebagai AI yang kuat, yang adalah konsep di mana mesin menunjukkan kecerdasan manusia. Dalam hal ini mesin memiliki kemampuan untuk belajar, memahami, dan bertindak dengan cara yang tidak dapat dibedakan dari manusia dalam situasi tertentu. AGI saat ini belum ada di dunia nyata, akan tetapi telah digunakan di banyak film Hollywood sci-fi di mana manusia berinteraksi dengan mesin yang sadar, didorong oleh emosi dan kesadaran diriDengan menggunakan AI yang kuat, kita dapat memiliki kemampuan untuk membangun mesin yang dapat berpikir, menyusun strategi, dan melakukan banyak tugas dalam kondisi tidak pasti. Mereka dapat mengintegrasikan pengetahuan mereka sebelumnya dalam pengambilan keputusan untuk menghasilkan solusi yang inovatif, kreatif, dan tidak konvensional.
ASI: Artificial Super Intelligence
Kita mungkin pernah menyaksikan “The Terminator” yang diperankan oleh Arnold Schwarzenegger di mana kesadaran mesin menggantikan kecerdasan manusia dalam semua aspek. Artificial Super Intelligence ini adalah AI hipotetis di mana mesin akan mampu menunjukkan kecerdasan yang melampaui manusia paling cerdas. Pada AI jenis ini, selain memiliki kecerdasan multifaset mesin, dia akan memiliki kemampuan pemecahan masalah dan pengambilan keputusan yang lebih besar yang akan jauh lebih unggul daripada manusia. Ini adalah jenis AI yang akan berdampak besar pada umat manusia dan dapat menyebabkan punahnya umat manusia dari planet ini.
Apa itu Machine Learning?
Machine Learning adalah bagian dari Kecerdasan Buatan yang menggunakan algoritma pembelajaran statistik untuk membangun sistem yang memiliki kemampuan untuk belajar dan meningkatkannya secara otomatis, belajar dari pengalaman tanpa diprogram secara eksplisitSebagian besar dari kita menggunakan pembelajaran mesin dalam kehidupan sehari-hari saat menggunakan layanan seperti sistem rekomendasi di Netflix, Youtube, Spotify; mesin pencari seperti google dan yahoo; asisten suara seperti google home dan amazon alexa.
Dalam Machine Learning, kita melatih algoritma dengan menyediakan banyak data dan memungkinkannya mempelajari lebih lanjut tentang informasi yang diproses.Machine Learning adalah bagian dari Kecerdasan Buatan yang menggunakan algoritma pembelajaran statistik untuk membangun sistem yang memiliki kemampuan untuk belajar dan meningkatkan secara otomatis dari pengalaman tanpa diprogram secara eksplisit.
Sebagian besar dari kita menggunakan pembelajaran mesin dalam kehidupan sehari-hari saat menggunakan layanan seperti sistem rekomendasi di Netflix, Youtube, Spotify; mesin pencari seperti google dan yahoo; asisten suara seperti google home dan amazon alexa..Algoritma ML dapat diklasifikasikan secara luas ke dalam tiga kategori berikut: Supervised, Unsupervised dan Reinforcement learning.
Supervised Learning
Dalam supervised learning kita memiliki variabel input (x) dan variabel output (Y) dan kita menggunakan algoritma untuk mempelajari pemetaan dari input ke output. Dengan kata lain, algoritma pembelajaran yang diawasi mengambil kumpulan kumpulan data masukan yang diketahui dan tanggapannya yang diketahui terhadap data (keluaran) untuk mempelajari model regresi / klasifikasi. Algoritma pembelajaran kemudian melatih model untuk menghasilkan prediksi untuk respons terhadap data baru atau set data pengujian.
Unsupervised Learning
Unsupervised Learning digunakan saat kita tidak memiliki data berlabel. Fokus utamanya adalah mempelajari lebih lanjut tentang data dengan menyimpulkan pola dalam kumpulan data tanpa mengacu pada keluaran yang diketahui. Disebut unsupervised karena algoritmanya dibiarkan sendiri untuk mengelompokkan informasi yang tidak disortir dengan menemukan persamaan, perbedaan, dan pola dalam data. Pembelajaran tanpa pengawasan sebagian besar dilakukan sebagai bagian dari analisis data eksplorasi. Hal ini paling sering digunakan untuk menemukan kelompok data dan untuk reduksi dimensi.
Reinforcement Learning
Secara sederhana, reinforcement learning dapat diartikan sebagai pembelajaran dengan terus menerus berinteraksi dengan lingkungan. Ini adalah jenis algoritma pembelajaran mesin di mana agen belajar dari lingkungan interaktif dengan cara coba-coba dengan terus menggunakan umpan balik dari tindakan dan pengalaman sebelumnya. Pembelajaran penguatan menggunakan rewards dan punishment, agen menerima penghargaan untuk melakukan tindakan yang benar dan penalti untuk melakukannya dengan tidak benar.
Apa itu Deep Learning?
Deep learning adalah teknik pembelajaran mesin yang terinspirasi oleh cara otak manusia menyaring informasi, yang pada dasarnya belajar dari contoh. Hal Ini membantu model komputer untuk menyaring data masukan melalui layer untuk memprediksi dan mengklasifikasikan informasi.
Karena teknologi ini memproses informasi dengan cara yang sama seperti otak manusia, itu sebagian besar digunakan dalam aplikasi yang umumnya dilakukan orang. Ini adalah teknologi utama di balik mobil tanpa pengemudi, yang memungkinkan mereka mengenali tanda berhenti dan membedakan antara pejalan kaki dan tiang lampu.
Sebagian besar metode deep learning menggunakan arsitektur jaringan saraf, sehingga sering disebut sebagai jaringan saraf dalam. Deep learning pada dasarnya meniru otak manusia. Hal itu juga dapat didefinisikan sebagai arsitektur jaringan multi saraf yang berisi sejumlah besar parameter dan lapisan. Tiga arsitektur jaringan dasar adalah sebagai berikut:
Convolutional Neural Networks
Convolutional Neural Network (CNN) pada dasarnya adalah jaringan syaraf tiruan yang paling banyak digunakan di bidang Computer Vision untuk menganalisis dan mengklasifikasikan gambar. Merupakan algoritma deep learning yang mengambil gambar masukan dan memberikan bobot / bias pada berbagai aspek atau objek pada gambar, sehingga dapat membedakan satu dengan lainnya. Lapisan tersembunyi dari CNN biasanya terdiri dari lapisan konvolusional, lapisan penggabungan, lapisan yang terhubung sepenuhnya, dan lapisan normalisasi. Arsitektur ConvNet adalah analog dengan pola konektivitas Neuron di Otak Manusia dan terinspirasi oleh organisasi Visual Cortex.
Recurrent Neural Networks
Recurrent Neural Networks adalah jenis arsitektur jaringan saraf yang digunakan dalam masalah prediksi urutan dan banyak digunakan di bidang Pemrosesan Bahasa Alami. RNN disebut berulang karena RNN melakukan tugas yang sama untuk setiap elemen urutan, dengan keluaran yang bergantung pada perhitungan sebelumnya. Cara lain untuk memikirkan RNN adalah bahwa mereka memiliki “memori” yang menangkap informasi tentang apa yang telah dihitung sejauh ini. Untuk memahami konsep ini lebih lanjut, silahkan refer pada artikel berikut:
http://www.wildml.com/2015/09/recurrent-neural-networks-tutorial-part-1-introduction-to-rnns/
Recursive Neural Networks
“Jaringan saraf rekursif adalah sejenis jaringan saraf dalam yang dibuat dengan menerapkan kumpulan bobot yang sama secara rekursif melalui masukan terstruktur, untuk menghasilkan prediksi terstruktur atas struktur masukan ukuran variabel, atau prediksi skalar padanya, dengan melintasi struktur tertentu dalam urutan topologi.
“Jaringan saraf rekursif lebih seperti jaringan hierarkis di mana sebenarnya tidak ada aspek waktu ke urutan input tetapi input harus diproses secara hierarki dalam mode pohon. Berikut adalah contoh tampilan jaringan saraf rekursif. Ini menunjukkan cara mempelajari pohon parse dari sebuah kalimat dengan secara rekursif mengambil keluaran dari operasi yang dilakukan pada bagian teks yang lebih kecil.
Untuk mendapatkan pemahaman yang lebih dalam tentang topik yang disebutkan di atas, silakan merujuk ke artikel yang disebutkan di bagian referensi.
Untuk informasi lebih lanjut mengenai Artificial Intelligence, Machine Learning, dan Deep Learning di sini.
Penutup
Berca Hardayaperkasa juga menjadi partner resmi dari puluhan perusahaan IT terkemuka di Indonesia maupun dunia seperti, HPE Indonesia, HPI Indonesia, Dell EMC Indonesia, Huawei Indonesia, Lenovo Indonesia, VMWare Indonesia, Veritas Indonesia, Cisco Indonesia, Veaam Indonesia, Hitachi Data System Indonesia, Hitachi Vantara Indonesia, HDS Indonesia, NetApp Indonesia, Oracle Indonesia, Keysight Indonesia, Datacard Indonesia, AWS Indonesia, Fortinet Indonesia, Nutanix Indonesia dan Sophos Indonesia.
