Kecerdasan buatan
Kecerdasan buatan adalah bidang pembangunan sistem komputer yang dapat mempelajari pola, membuat prediksi, menghasilkan konten, merekomendasikan tindakan, memahami bahasa, melihat gambar, mengotomatiskan tugas, dan mendukung keputusan di seluruh perangkat lunak, sains, bisnis, kesehatan, pendidikan, dan kehidupan sehari-hari.
Apa yang dimaksud dengan kecerdasan buatan
Kecerdasan buatan, biasanya disingkat menjadi AI, bukanlah satu alat atau satu algoritma. Ini adalah bidang luas yang berfokus pada membuat sistem komputer melakukan tugas-tugas yang biasanya memerlukan persepsi, pembelajaran, penalaran, bahasa, perencanaan, prediksi, atau pengambilan keputusan. AI dapat berupa sistem peringkat pencarian, pendeteksi penipuan, pengklasifikasi gambar medis, model bahasa, pengontrol robot, mesin rekomendasi, atau asisten yang membantu menyelesaikan tugas digital.
Bagaimana sistem AI belajar
Banyak sistem AI modern belajar dari data. Selama pelatihan, model melihat contoh dan menyesuaikan parameter internal sehingga dapat membuat prediksi yang berguna atau menghasilkan keluaran yang berguna nantinya. Pembelajaran yang diawasi menggunakan contoh-contoh yang diberi label, pembelajaran tanpa pengawasan menemukan pola tanpa label yang jelas, pembelajaran penguatan belajar dari imbalan, dan pembelajaran yang diawasi sendiri menciptakan sinyal pelatihan dari data mentah itu sendiri. Setelah pelatihan, penggunaan model untuk menghasilkan jawaban disebut inferensi.
Machine learning dan pembelajaran mendalam
Machine learning adalah bagian dari AI yang berfokus pada sistem yang ditingkatkan dengan menemukan pola dalam data. Deep learning menggunakan jaringan saraf dengan banyak lapisan, yang dapat memodelkan hubungan kompleks dalam teks, gambar, audio, video, kode, dan data terstruktur. Deep learning membuat kemajuan besar dalam pengenalan ucapan, terjemahan, pengenalan gambar, sistem rekomendasi, prediksi struktur protein, dan large language models, tetapi hal ini sangat bergantung pada kualitas data, daya komputasi, dan evaluasi yang cermat.
Generative AI dan foundation models
Generative AI membuat teks, gambar, audio, video, kode, desain, atau konten baru lainnya. Model bahasa besar memprediksi dan menyusun rangkaian token, yang memungkinkan mereka menjawab pertanyaan, meringkas, menerjemahkan, menyusun dokumen, menulis kode, dan antarmuka obrolan yang kuat. Model pondasi adalah model besar yang dapat digunakan kembali dan dapat disesuaikan dengan banyak tugas. Sistem generatif dapat berhalusinasi, mencerminkan bias, membocorkan pola sensitif, atau menghasilkan konten yang tidak aman jika tidak dikontrol.
AI agen dan otomatisasi
Agen AI adalah sistem yang dapat menggunakan alat, mengingat konteks, merencanakan langkah-langkah, dan mengambil tindakan untuk mencapai tujuan. Agen dapat mencari file, memanggil APIs, menulis kode, mengontrol perangkat lunak, menjadwalkan tugas, atau mengoordinasikan alur kerja. Hal ini membuat AI lebih berguna tetapi juga lebih berisiko, karena kesalahan dapat mempunyai dampak yang nyata. Desain agen yang baik menggunakan izin, logging, persetujuan manusia untuk tindakan sensitif, sandboxing, tujuan yang jelas, rencana rollback, dan batasan pada apa yang dapat dilakukan sistem tanpa pengawasan.
Dimana AI muncul
AI sudah muncul di mesin pencari, media sosial, peta, filter spam, deteksi penipuan perbankan, terjemahan, transkripsi, layanan pelanggan, pengeditan foto, pencitraan medis, logistik, manufaktur, keamanan siber, penelitian ilmiah, perangkat lunak pendidikan, alat pengkodean, dan aplikasi produktivitas tempat kerja. Seringkali pengguna tidak melihat modelnya secara langsung. Mereka melihat hasil yang diberi peringkat, balasan yang disarankan, video yang direkomendasikan, anomali yang terdeteksi, ringkasan yang dihasilkan, atau keputusan otomatis.
Batasan, risiko, dan evaluasi
Sistem AI bisa jadi tidak akurat, bias, rapuh, terlalu percaya diri, buram, tidak aman, atau disalahgunakan. Mereka mungkin gagal ketika kondisi berubah, memberikan kinerja yang lebih buruk bagi kelompok yang kurang terwakili, atau mengoptimalkan tujuan yang salah. Evaluasi memeriksa apakah suatu sistem berfungsi untuk orang-orang dan situasi di mana sistem itu akan digunakan. Evaluasi yang bertanggung jawab melihat keakuratan, kekokohan, keadilan, privasi, keamanan, penjelasan, potensi penyalahgunaan, pengawasan manusia, dan apa yang terjadi jika model tidak pasti atau salah.
Mengapa itu penting
Kecerdasan buatan penting karena ia menjadi lapisan serba guna dalam perangkat lunak, sains, media, bisnis, pendidikan, layanan kesehatan, pemerintahan, dan infrastruktur. Hal ini dapat memperluas akses terhadap keahlian dan mengotomatiskan pekerjaan yang berulang, namun juga dapat memusatkan kekuasaan, mengganggu tenaga kerja, menyebarkan informasi yang salah, dan menciptakan masalah keselamatan dan akuntabilitas baru. Dampak AI tidak hanya bergantung pada kemampuan model, namun juga pada tata kelola, insentif, pilihan penerapan, dan apakah manusia tetap memegang kendali.