Penerapan Teknologi Artificial Intelligence

Daftar Isi

Pada perkembangan era industri dari Industri uap menjadi era Artificial Intelligence (AI) ini tentunya memiliki peranan yang kuat dalam perkembangan teknologi. Perlu kita ketahui bahwa Artificial Intelligence, Machine Learning dan Deep Learning memiliki perannya masing-masing. Masih banyak yang tidak menyadari bahwa ketiganya memiliki peran dan fokus yang berbeda. Artificial Intelligence atau sering disebut dengan kecerdasan buatan didefinisikan sebagai bidang ilmu yang menaungi Machine Learning dan Deep Learning. AI terdiri dari beberapa teknik yang memiliki kemampuan untuk membuat komputer untuk dapat menyerupai kecerdasan manusia dengan menggunakan logika, if-then rules serta machine learning yang meliputi deep learning juga. Sementara itu, Machine Learning sendiri merupakan bagian dari AI yang memiliki teknik statistik didalamnya yang dapat memanfaatkan mesin untuk meningkatkan di segala tugas dengan pengalaman atau pengetahuan (termasuk teknik deep learning didalamnya). Deep Learning merupakan bagian dari machine learning yang algoritmanya dapat membantu perangkat lunak untuk melakukan pelatihan pada dirinya sendiri dalam menyelesaikan tugasnya seperti speech dan image recognition dengan mengekspos beberapa layer dari neural network ke beberapa jumlah data.

Perbedaan AI dengan pemrograman konvensional seperti

  1. AI merepresentasikan dan manipulasi simbol sementara pemograman konvensional menggunakan algoritma.
  2. AI dapat memberitahu komputer tentang suatu masalah sedangkan pemrograman konvensional memerintah komputer untuk menyelesaikan masalah.
  3. AI dapat memberikan kemampuan inferensi pada komputer sementara pemrograman konvensional memberi data kepada komputer dan program. 

Baca juga : Pengertian Big Data

Dapat kita ketahui juga bahwa Teknologi AI berdasarkan cangkupan kerjanya dapat dibedakan menjadi dua, yaitu :

  1. Artificial Narrow Intelligence (ANI) – weak AI. Disini, mesin memiliki kemampuan untuk memproduksi sebuah task dengan sangat baik bahkan lebih baik daripada manusia.
  2. Artificial General Intelligence (AGI) – strong AI. Mesin dapat dibuat untuk berpikir dan berfungsi seperti pemikiran manusia.
Baca Juga :   Tips Memiliki Rumah Impian dan Nyaman

Pembagian jenis Teknologi AI ini juga dapat dibedakan berdasarkan domain persoalannya menjadi cabang-cabang domain persoalan yang diselesaikan. Contohnya : Natural Languange Processing (masukan/keluaran berupa Bahasa), Speech Processing (masukan/keluaran berupa sinyal suara), serta Image Processing /Computer Vision (masukan/keluaran berupa gambar).

Selain itu, Teknologi AI juga dibedakan berdasarkan cara kerjanya, yaitu :

  1. Problem Solving Agent. Teknologi AI dapat menghadirkan analitik ke Industri, meningkatkan performa teknologi analitik yang ada seperti visi komputer dan analisis rangkaian waktu, meningkatkan kemampuan yang ada dan menjadikannya lebih baik serta memberikan visi, pemahaman, memori yang lebih dan banyak lainnya. Dapat diselesaikan menggunakan searching management, seperti Blind Search, Informed Search, dan Local Search (untuk masalah optimasi).
  2. Knowledge-based Agent. Agen mencari solusi berdasarkan pengetahuan yang dimiliki dimana pengetahuan dapat berasal dari expert atau sumber informasi, dapat juga berdasarkan pengetahuang yang dipelajari (learning agent) dari data.

Pada Knowledge-based Agent, dapat merepresentasikan teknik :

  1. Production Rules. Rule dapat sebagai sepasang kondisi dan aksi. Selain itu dapat berupa forward dan backward chaining.
  2. Logical Representation. Dapat berupa logika proposional, logika pemesanan pertama, logika default dan lain-lain.
  3. Semantic Network. Pengetahuan sebagai sebuah bentuk form dari grafik jaringan.
  4. Frame Representation. Seperti struktur yang terdiri dari koleksi atribut dan value untuk mendeskripsikan sebuah entitas di dunia.

Dari tahun ke tahun perkembangan Teknologi AI berkembangan dengan pesat. Sekarang algoritmanya sudah berkembang hingga deep learning dengan menggunakan perangkat computing dalam bentuk GPU, TPU serta cloud. Selain itu, kesediaan datanya pun dari perangkat IoT dan juga sosial media yang terus mengalami peningkatan yang signifikan.

Monitoring

Teknologi AI inipun dapat dimanfaatkan pada proses monitoring seperti saat pandemi COVID-19 melanda. Teknologi AI dapat berperan untuk mengetahui mana orang yang menggunakan masker atau tidak dengan melakukan pengecekan melalui video yang telah terhubung dengan mesin yang telah melakukan pelatihan data. Selain itu, dapat digunakan untuk memonitor jarak orang satu dan jarak orang lainnya. 

Baca Juga :   Lebih Mengenal Machine Learning

Verification dan Identification

Disini teknologi AI dapat digunakan untuk verifikasi dan identifikasi data berdasarkan data diri dengan lebih cepat, akurat, aman dan juga dapat diterapkan diberbagai aplikasi seperti perbankan, asuransi kesehetan industri lainnya. Selain memanfaatkan data verifikasi dari kartu identitas, bisa juga dari suara maupun dari gambar wajah perseorangan.

Document Digitization

Untuk mendukung pengurangan penggunaan kertas (go paperless), digitalisasi dan keamanan dari masa lampau, masa sekarang dan masa depan. Hal ini digunakan untuk mengurangi kerja yang clerical, lebih cepat dan akurat saat penginputan data, mengurangi cost operasional, otomatisasi, meningkatkan user experience, menghemat biaya dan waktu. Proses ini dapat dilihat pada eKTP, NPWP, passport, ITAS, ITAP, kartu kredit, dsb.

Meeting Analytics

Sekarang saat melakukan pertemuan atau rapat dapat dengan mudah untuk melakukan notulensi dan analisis saat rapat, pidato, diskusi dan lain-lain secara real time dari suara mikrofon maupun rekaman. Produk ini memanfaatkan teknologi Automatic Speech Recognition, Speaker diarization dengan voice biometric, dan Text Analytics.

Tentunya saat ini tantangan dalam perkembangan AI ini masih sering ditemui, seperti pada :

  1. Regulasi. Pengaturan etika dan pemakaian AI yang harus lebih dapat dipertanggungjawabkan.
  2. Privasi. Hal ini terkait dengan penggunaan data yang dipakai untuk pembangunan model AI.
  3. Kurangnya penjelasan bagaimana model AI sampai pada suatu keputusan atau kesimpulan tertentu terkait dengan akuntabilitas dan kepercayaan.
  4. Ketersediaan data untuk mengetahui sejauh mana data yang dipakai cukup representative dan tidak bias.
  5. Kurangnya talenta dalam melakukan perkembangan.

Semoga bermanfaat!!