Teknologi Terbaru 1 | Bagaimana Teknologi AI Makin Mendekati Perilaku Manusia dalam Memecahkan Masalah

Bagaimana Teknologi AI Makin Mendekati Perilaku Manusia dalam Memecahkan Masalah

“Saya selalu sukses mendapat penumpang di sekitar lokasi konstruksi. Ada tidak sedikit penumpang taksi online menantikan tumpangan setiap yang tak kunjung hadir di sana,” ujar seorang sopir taksi cerdas yang menjemput saya dari tempat rekan tadi malam. “Ini lebih baik daripada menantikan dalam antrian panjang guna menjemput pelanggan di Changi.”

Pernyataan sopir taksi itu ada benarnya. Terutama pada tempat konstruksi di samping jalur MRT baru Singapura.

Agak menakjubkan memang bagaimana sebuah pembicaraan biasa dapat menyibak informasi lainnya. Ia senang mengungkapkan sudah mendapat deviden bersih lebih tinggi dengan teknik menghindari ongkos komisi untuk software taksi dan menemukan lebih tidak sedikit penumpang dekat tempat konstruksi dengan memperluas pemahaman lokalnya.

Ia barangkali menyebutnya sebagai wawasan jalanan biasa, namun yang ia tunjukkan ialah kemampuan memanfaatkan kekurangan sistem pemesanan berbasis teknologi kecerdasan produksi (AI). Ia memahaminya secara alami tanpa mengekor pelatihan eksklusif atau mengerjakan analisis data. Ia langsung mengungguli “kecerdasan” algoritme AI yang dipakai oleh software taksi modern.

Mungkin sopir taksi ini sedang mengindikasikan sesuatu: kepintaran AI tidak dapat mengungguli “kecerdasan jalanan” manusia.

Batas baru revolusi yang digerakkan oleh teknologi

AI dan machine learning (ML) jelas sedang jadi sorotan. Sulit rasanya guna tidak terpukau dengan angan-angan tentang teknologi ini. Saya tidak jarang kali terkagum-kagum pada pertumbuhan baru kendaraan tanpa awak, kemenangan besar teknologi Deep Mind melawan pemain catur terbaik dunia, atau Pepper Robot yang jadi sensasi global serta analisis emosionalnya yang kompleks.

Apakah ini etape baru dalam evolusi?

Prinsip-prinsip dasar AI dan ML sebenarnya paling sederhana. Teknologi ini sehubungan dengan analisis data, identifikasi pola, menciptakan prediksi menurut informasi, lalu mengerjakan validasi secara terus-menerus dan mengulangi proses itu untuk menambah akurasi dan kecepatan prediksi berikutnya.

Setiap hari, kecepatan komputasi kian cepat, kelompok set data lebih besar, dan efisiensi algoritme terus meningkat. Kondisi ini secara eksponensial mendorong peningkatan keterampilan sistem guna belajar dan memprediksi, yang pada akhirnya bisa meniru kepintaran manusia atau bahkan mengalahkannya.

Baca juga : Panasonic Aplikasikan Teknologi Prime Fresh di Produk Kulkas Non Premium Terbaru

Beragam perusahaan di semua dunia sudah merealisasikan teknologi AI dan ML, begitu juga dengan teknologi yang sedang berkembang lainnya–komputasi awan, personalisasi, internet of things, ilmu saraf, dan robotika– ke dalam struktur DNA masing-masing. Bahkan, di area kita sendiri–Asia Tenggara–kamu akan menonton pertumbuhan sebanyak perusahaan yang cepat beradaptasi dengan tren AI ini.

Waktu untuk (r)evolusi regional AI dan ML

Mari anda lihat inovator fesyen Indonesia Sale Stock, perusahaan e-commerce berbasis di Jakarta. Mereka merealisasikan teknologi teranyar AI untuk mencari dan meneliti data dan perilaku pelanggan yang sedang di luar keterampilan manusia. Langkah ini memungkinkan perusahaan guna mengidentifikasi desain populer untuk mengoptimalkan ongkos ke tingkat yang jauh lebih rendah dari perusahaan beda di industri sama.

Inovasi AI tidak terbatas pada industri penyedia dagangan konsumen. Di Thailand, Rumah Sakit Internasional Bumrungrad sudah mengoperasikan IBM Watson, suatu alat berbasis AI yang dikembangkan untuk penyembuhan penyakit kanker.

Sementara di lokasi tinggal sakit pemerintah Rejavithi, AI dipakai untuk meneliti hasil pengecekan mata pasien guna memahami apakah mereka berisiko kehilangan penglihatan. Hal ini menolong menginformasikan keputusan tentang pengobatan dan pencegahan. Tingkat akurasi dalam mendeteksi penyakit ini ialah 95 persen, 11 poin lebih tinggi dari yang diperlihatkan oleh dokter mata.

AI pun dapat mengoptimalkan bidang pertanian. Di Vietnam misalnya, startup intelijen tanaman mempunyai nama Sero sudah mendorong petani padi untuk memungut gambar tumbuhan yang sakit dan mengunggahnya secara online. Program AI menganalisis potret tersebut guna mengidentifikasi penyakit yang diderita tanaman, dengan tingkat akurasi yang kian tinggi.

Langkah perubahan selanjutnya ialah ketika sistem mengantarkan diagnosis penyakit tanaman dan menganjurkan opsi penyembuhan melalui software smartphone untuk petani secara langsung.

Kelemahan AI

Dengan berlalunya waktu, tampaknya sistem yang menyokong AI menjadi kian baik dalam memproses dalil di balik sebuah peristiwa dan meniru perilaku insan dalam menuntaskan masalah.

Apakah benar begitu adanya?

AI dihadapkan pada tantangan mendasar: data yang anda bangun. Kelemahan yang tersamar berada pada data–apakah tersebut kesalahan pemberian label, bias, atau belum lengkap–makin menguatkan asumsi bahwa jaringan kecerdasan produksi ini bertumpu pada fondasi yang rentan.

Ambil misal tool rekrutmen kontroversial kepunyaan Amazon, yang dipakai para pengecer dari 2014 sampai 2017. Dengan membuat sistem yang mengoleksi data dari lebih satu dasawarsa rekrutmen, tool AI ini mengadopsi bias yang sama yang melekat dalam sistem manusia. Akibatnya, penerapan AI ini justeru menurunkan performa resume yang mengakali kata “wanita.” Amazon lantas menghentikan pengembangan tool ini.

Cerita unik lainnya ialah tata kelola di kota Cina, Ningbo, di mana polisi kemudian lintas memakai sistem pengenalan wajah guna mendeteksi semua pejalan kaki. Siapa yang mereka tangkap? Miliarder Tiongkok yang dihormati di sana, Mingzhu Dong, dengan tuduhan kejahatan berupa wajah terpampang di iklan samping bus. Polisi berupaya segera barangkali meredam kontroversi dengan mengucapkan permintaan maaf pada publik.

Baca juga : Mahathir Mohamad : Industri keuangan Islam perlu investasi teknologi

Apa jawaban guna teknologi AI?

Jawabannya, barangkali terletak pada etape selanjutnya dari perubahan AI, yang melibatkan sistem top-down yang memerlukan jauh lebih tidak banyak data, tapi dapat menawarkan solusi laksana yang diserahkan oleh insan dengan lebih cepat dan fleksibel.

Sistem generasi selanjutnya itu seharusnya dikondisikan guna menaklukkan persoalan di dunia dengan memakai akal sehat, dan mampu beraksi menurut probabilitas yang sangat masuk akal–bahkan dengan latar belakang empiris lebih sedikit.

Vicarious ialah sebuah startup asal Amerika Serikat yang mendapat sokongan sejumlah investor terkemuka laksana Mark Zucke rberg dari Facebook, Jeff Bezos dari Amazon, dan Marck Benioff dari Salesforce. Mereka sedang mengembangkan kecerdasan produksi untuk robot, yang memungkinkan perusahaan mengerjakan generalisasi keputusan dari misal yang terbatas.

Model AI bisa mengurai CAPTCHA dengan tingkat akurasi nyaris 67 persen dan melulu membutuhkan 5 misal pelatihan guna tiap karakter. Neural network modern pun memerlukan 50.000 kali set pelatihan yang lebih banyak, sampai-sampai iterasi semacam tersebut adalahsuatu peradaban yang butuh dipertimbangkan.

Proyek Google mempunyai nama Loon, yang bertujuan memakai sistem balon raksasa untuk meluangkan layanan internet ke daerah-daerah terpencil, baru-baru ini mulai memakai model AI yang paling canggih. AI ini dirancang untuk menebak bagaimana balon mesti sejajar untuk menyusun jaringan komunikasi di elevasi stratosfer, di mana pergerakan angin tidak bisa diprediksi.

Faktanya, proses-proses generasi baru ini tidak memerlukan kelompok data yang besar guna meyakinkan bahwa perhitungan bisa dengan mudah dilaksanakan dalam inferensi dan pembelajaran. Ini pun berarti keterampilan mengidentifikasi kesalahan—langkah urgen dalam solusi masalah—jauh lebih gampang daripada neural network yang kompleks.

Lalu apa kerugian dari kecanggihan teknologi AI ini? Mari pulang ke kisah di Singapura. Jika AI generasi berikutnya dapat memecahkan masalah yang diperlukan untuk mengerjakan evolusi, maka sopir taksi yang menanti di sekitar lokasi konstruksi pada mula tulisan ini akan kesulitan mengejar penumpang.