Ini Beberapa Jenis Kecerdasan Buatan yang Perlu Diketahui

JAKARTA - Pengertian Kecerdasan Buatan (Artificial Intelligence/AI) telah menjadi topik penting dalam dunia teknologi, dengan kemampuan sistem kecerdasan buatan yang semakin berkembang untuk melakukan tugas-tugas yang biasanya terkait dengan fungsi kognitif manusia, seperti menginterpretasi ucapan, bermain game, dan mengidentifikasi pola.

Sistem AI umumnya belajar dengan memproses jumlah data yang besar, mencari pola untuk dimodelkan dalam pengambilan keputusan mereka sendiri. Dalam banyak kasus, manusia akan mengawasi proses pembelajaran AI ini, memperkuat keputusan yang baik dan mencegah yang buruk. Namun, ada juga sistem AI yang dirancang untuk belajar tanpa pengawasan, seperti dengan bermain video game berulang-ulang sampai akhirnya mereka memahami aturan dan cara untuk menang.

Perbedaan Kecerdasan Buatan Kuat dan Lemah

Para ahli AI umumnya membedakan antara kecerdasan buatan kuat dan lemah. Kecerdasan buatan kuat, juga dikenal sebagai kecerdasan buatan umum, merujuk pada mesin yang dapat memecahkan masalah yang tidak pernah dilatih sebelumnya - mirip dengan kemampuan manusia.

Ini adalah jenis AI yang kita lihat dalam film, seperti robot dari Westworld atau karakter Data dari Star Trek: The Next Generation. Jenis AI ini sebenarnya belum ada.

Menciptakan mesin dengan kecerdasan tingkat manusia yang dapat diterapkan pada setiap tugas adalah impian para peneliti AI, tetapi pencarian untuk kecerdasan buatan umum telah penuh dengan kesulitan. Beberapa orang percaya bahwa penelitian tentang kecerdasan buatan kuat harus dibatasi karena potensi risiko dari menciptakan AI yang kuat tanpa pengendalian yang tepat.

Di sisi lain, kecerdasan buatan lemah, kadang-kadang disebut juga kecerdasan buatan sempit atau khusus, beroperasi dalam konteks yang terbatas dan merupakan simulasi dari kecerdasan manusia yang diterapkan pada masalah yang sempit. Misalnya mengemudikan mobil, mentranskripsi ucapan manusia, atau mengkurasi konten di situs web.

Contoh-contoh kecerdasan buatan lemah meliputi:

1. Siri, Alexa, dan asisten pintar lainnya
2. Mobil otonom
3. Pencarian Google
4. Bot percakapan
5. Filter spam email
6. Rekomendasi Netflix

Perbedaan Pembelajaran Mesin dan Pembelajaran Mendalam

Meskipun istilah "pembelajaran mesin" dan "pembelajaran mendalam" sering muncul dalam percakapan tentang AI, keduanya sebaiknya tidak digunakan secara bergantian. Pembelajaran mendalam adalah salah satu bentuk pembelajaran mesin, dan pembelajaran mesin sendiri adalah subbidang dari kecerdasan buatan.

Pembelajaran Mesin adalah algoritma yang diberi data oleh komputer dan menggunakan teknik statistik untuk membantu "belajar" menjadi lebih baik dalam suatu tugas, tanpa harus diprogram secara khusus untuk tugas tersebut. Algoritma ML (machine learning) menggunakan data historis sebagai input untuk memprediksi nilai output yang baru.

Pembelajaran mesin terdiri dari pembelajaran berbimbing, di mana output yang diharapkan untuk masukan diketahui berkat kumpulan data berlabel,  dan pembelajaran tak berbimbing, di mana output yang diharapkan tidak diketahui karena menggunakan kumpulan data tak berlabel.

Pembelajaran Mendalam adalah jenis pembelajaran mesin yang menjalankan input melalui arsitektur jaringan saraf yang terinspirasi dari biologi. Jaringan saraf ini memiliki beberapa lapisan tersembunyi melalui mana data diproses, memungkinkan mesin untuk "mendalam" dalam pembelajarannya, membuat koneksi dan memberikan bobot pada input untuk hasil terbaik.

Pembelajaran mendalam memungkinkan mesin untuk mengenali pola yang kompleks dan fitur-fitur tingkat tinggi dari data, sehingga mampu menghasilkan hasil yang sangat akurat dan canggih dalam berbagai tugas.

Contoh penerapan pembelajaran mesin dalam kehidupan sehari-hari meliputi:

1. Deteksi penipuan kartu kredit: Mesin pembelajaran dapat mempelajari pola pembelian yang mencurigakan dan mendeteksi transaksi penipuan dengan akurasi tinggi.
2. Pengenalan wajah: Algoritma pembelajaran mendalam dapat belajar mengenali wajah manusia dan digunakan dalam sistem keamanan, identifikasi, dan rekognisi wajah di perangkat yang digunakan sehari-hari seperti smartphone.
3. Penerjemahan bahasa otomatis: Mesin pembelajaran dapat memahami dan menerjemahkan bahasa dari satu bahasa ke bahasa lain secara otomatis, seperti yang digunakan pada layanan penerjemahan daring.
4. Deteksi objek pada gambar: Pembelajaran mendalam memungkinkan mesin untuk mengenali objek, seperti mobil, manusia, atau hewan, pada gambar atau video.
5. Rekomendasi produk: Layanan e-commerce menggunakan algoritma pembelajaran mesin untuk merekomendasikan produk kepada pengguna berdasarkan preferensi mereka.

Meskipun pembelajaran mendalam telah membawa kemajuan besar dalam AI, tantangan dan risiko tetap ada. Beberapa keprihatinan meliputi keamanan dan privasi data, bias yang mungkin muncul dari model yang dibangun berdasarkan data historis yang tidak adil, serta pertanyaan etika seputar penggunaan AI dalam pengambilan keputusan yang dapat memiliki dampak signifikan pada kehidupan manusia.

Saat ini, AI terus berkembang dan menjadi bagian penting dalam berbagai industri dan aspek kehidupan kita. Dengan perbedaan antara kecerdasan buatan kuat dan lemah, serta pemahaman tentang pembelajaran mesin dan pembelajaran mendalam, diharapkan kita dapat memanfaatkan teknologi ini secara bijaksana dan bertanggung jawab.

Kita harus tetap memperhatikan perkembangan AI dan mendukung penelitian yang bertujuan untuk mencapai kemajuan teknologi ini dengan mempertimbangkan implikasi sosial dan etika yang mungkin muncul. Demikian dikutip voi.id dari builtin.com.