Tentang Kecerdasan Artifisial

020-2025

Artikel ini merupakan seri dari Kecerdasan Artifisial yang saya kumpulkan dari beberapa sumber termasuk bahan kuliah saya.

Kecerdasan Artifisial (KA) atau Artificial Intelligence (AI) merupakan konsep general untuk meniru bagaimana manusia mengambil keputusan (lihat Turing 1960). KA ini mengalami beberapa fase yaitu: Rule-based AI (1960-an), Machine Learning (2000-an) dan Deep Learning (2010-an).

Dulu, konsep AI dibangun berdasarkan rule-based AI (1960-an). Dikarenakan kekurangan sumber daya komputasi dan masih dalam tahap awal, saat itu AI dibuat berdasarkan rule-based atau seperangkat aturan yang di hard code pada aplikasi. Pada masa ini, AI dibuat berdasarkan if-else dan outputnya dapat terprediksi, sehingga konsep AI ini dianggap seperti fraud dan tidak terlalu mendapatkan respon positive. Konsep AI tidur cukup lama selama 40 tahun.

Di era tahun 2000-an konsep Machine Learning mulai muncul, yaitu keputusan berbasis data. Pada masa ini AI bukan berdasarkan explicit logic, atau if-else, tetapi berbasis data dalam proses pengambilan keputusannya. Machine learning ini dibagi menjadi 3 yaitu Supervised Learning, Unsupervised Learning, dan Reinforcement Learning. Supervised Learning merupakan pembelajaran dengan bantuan manusia untuk melakukan labeling terhadap data, sementara Unsupervised Learning pembelajaran dilakukan tanpa data yang terlabel.

Dalam supervised learning, data biasanya kita bagi menjadi 2 yaitu data untuk training dan satu lagi data untuk testing. Contohnya, saat kita memberikan 2 kategori gambar kucing, sementara gambar yang lain adalah anjing, setelah itu mesin akan mempelajari sejumlah gambar dalam data yang banyak. Setelah mengenali fitur kucing dan anjing, kita akan melakukan tes pada data kita yang lain.

Berbeda dengan supervised learning, pada unsupervised learning, mesin akan mempelajari sendiri pola data yang ada. Misalnya pada algoritma K-Means, mesin akan melakukan cluster dengan fitur terdekat dengan sekelompok data.

Pada reinforcement learning, kita hanya menentukan goals dari kepada mesin atau agen. Jika goals tersebut tercapai maka kita berikan rewards, sementara jika salah kita akan berikan punishment. Bagaimana menuju goals tersebut, kita serahkan ke mesin tersebut. Contoh yang sering disebutkan adalah bagaimana mengajarkan mesin berjalan.

Era Deep learning di tahun 2010-an, AI mulai mengambil proses kompleks menggunakan Jaringan Saraf Tiruan (Artificial Neural Network). Pada era ini, ANN muncul untuk meniru bagaimana dendritic, cell, dan axon bekerja. ANN ini memiliki 3 layer yaitu input-layer, hidden layer, dan output layer.

Bagian Kecerdasan Artificial dan Tujuan

Kecerdasan Artificial merupakan konsep besar di mana Machine Learning merupakan bagian besar dari konsep ini. AI ini secara umum meniru bagaimana manusia mengambil keputusan dengan 4 tahapan. 2 tahapan diantaranya sudah kita lewati, atau 2.5 tahapan kurang lebih karena sudah adanya model GPT o-4. Adapun 4 tahapan ini yaitu:

1. Reactive Machines: Sistem AI atau mesin AI tidak memiliki memori dan hanya menjalankan tugas spesifik seperti: rekomendasi film pada Netflix, rekomendasi belanjaan di e-commerce, rekomendasi FYP di TikTok, dan lainnya.
2. Limited Memory: Sistem AI menggunakan pengalaman sebelumnya untuk pengambilan keputusan, misalnya: sistem pada self-driving cars
3. Theory of Mind: AI memiliki pemikiran sendiri dan memiliki emosi sendiri.
4. Self-awareness: AI memahami eksistensinya

Setelah ini saya akan membahas terkait regulasi AI di beberapa negara.