Mesin yang belajar, bernalar, dan menghasilkan
Kecerdasan buatan
Kecerdasan buatan adalah bidang pembangunan sistem komputer yang dapat melakukan tugas-tugas yang berhubungan dengan kecerdasan manusia, termasuk pengenalan pola, pemahaman bahasa, perencanaan, prediksi, dan generasi kreatif.
Apa artinya
Kecerdasan buatan bukanlah sebuah mesin atau metode tunggal. Ini adalah bidang luas yang mencakup algoritma, model, kumpulan data, sensor, robot, sistem bahasa, alat perencanaan, dan perangkat lunak pendukung keputusan. Tujuan umumnya adalah membuat komputer menangani tugas-tugas yang memerlukan persepsi, penalaran, adaptasi, atau komunikasi.
Bagaimana AI belajar
Banyak sistem AI modern belajar dari data. Daripada diprogram secara manual dengan setiap aturan, model dilatih berdasarkan contoh dan menyesuaikan parameter internal hingga model dapat membuat prediksi yang berguna atau menghasilkan keluaran yang berguna. Pelatihan dapat diawasi dengan contoh-contoh yang diberi label, tanpa pengawasan melalui penemuan pola, atau diperkuat melalui penghargaan dan umpan balik.
Pembelajaran mesin dan pembelajaran mendalam
Pembelajaran mesin adalah cabang AI yang berfokus pada sistem yang ditingkatkan melalui data. Pembelajaran mendalam menggunakan jaringan saraf dengan banyak lapisan untuk mengenali pola kompleks dalam teks, gambar, audio, video, dan informasi terstruktur. Sistem ini mendukung pengenalan ucapan, terjemahan, pembuatan gambar, mesin rekomendasi, dan banyak model bahasa modern.
AI generatif
AI Generatif menciptakan teks, gambar, musik, video, kode, atau media baru lainnya berdasarkan pola yang dipelajari. Model bahasa besar memprediksi dan menyusun rangkaian kata atau token, yang memungkinkan mereka menjawab pertanyaan, menyusun dokumen, meringkas, menerjemahkan, dan membantu pemrograman. Kefasihan mereka bisa sangat berpengaruh, namun tidak menjamin keakuratan faktual.
AI sebagai infrastruktur
AI semakin berperan seperti infrastruktur di dalam produk dan institusi. Ini memilah informasi, mendeteksi penipuan, merekomendasikan konten, membantu dokter, mengarahkan pengiriman, memfilter spam, mendukung layanan pelanggan, dan membantu ilmuwan menganalisis kumpulan data besar. Seringkali pengguna hanya melihat hasilnya, bukan model di baliknya.
Batasan dan risiko
Sistem AI bisa saja salah, bias, rapuh, buram, atau disalahgunakan. Hal ini mungkin mencerminkan pola dalam data pelatihan yang tidak adil atau ketinggalan jaman. Hal ini dapat menghasilkan kebohongan yang meyakinkan, gagal di luar kondisi yang lazim, atau menimbulkan risiko privasi dan keamanan. Pekerjaan AI yang bertanggung jawab berfokus pada evaluasi, transparansi, pengawasan manusia, kualitas data, dan batasan penggunaan yang jelas.
Mengapa itu penting
Kecerdasan buatan penting karena mengubah cara orang mencari, bekerja, berkreasi, memutuskan, dan berinteraksi dengan teknologi. Hal ini dapat memperluas akses terhadap keahlian dan mengotomatiskan tugas-tugas yang berulang, namun juga menimbulkan pertanyaan tentang tenaga kerja, kekuasaan, akuntabilitas, pendidikan, kreativitas, dan kepercayaan. Dampaknya tidak hanya bergantung pada algoritme, namun juga pada cara orang memilih untuk menerapkannya.