Pengertian dan Sejarah AI
Kecerdasan buatan (Artificial Intelligence atau AI) merupakan bidang ilmu komputer yang memungkinkan mesin untuk belajar dan beradaptasi. AI sudah lama menjadi pembicaran hangat di kalangan teknologi tapi perlu dipahami bahwa mesin masih belum bisa benar-benar berpikir seperti manusia, walau dalam beberapa tahun terakhir mereka telah membuktikan kemampuan untuk belajar secara mandiri1. Berbagai diskusi seputar teknologi ini menunjukkan ketertarikan masyarakat luas terhadap kemampuan AI yang semakin berkembang. YouTube mencatat lebih dari 1,7 miliar penayangan video terkait alat AI hanya pada tahun 2023, menunjukkan minat publik yang luar biasa besar terhadap pengetahuan teknologi ini2.
Awal Mula Teknologi AI
Konrad Zuse mengembangkan komputer yang dapat diprogram dengan memori 64K, disebut Z1, di tahun 19363. Ini adalah langkah awal yang begitu penting dalam evolusi teknologi komputer yang kemudian mendasari perkembangan AI. Langkah signfikan berikutnya terjadi ketika McCulloch dan Pitts mengembangkan model neuron formal pada tahun 1943, yang merupakanlah unit ambang sederhana yang mengambil input biner dan kemudian menghasilkan output biner4. Daripada sekedar penemuan teoritis, model ini menjadi landasan fundamental bagi penelitian jaringan saraf tiruan yang masih digunakan hingga saat ini.
Perkembangan Historis AI
Salah satu desain jaringan saraf buatan pertama di dunia adalah perceptron yang dikembangkan oleh Rosenblatt pada tahun 1957. Perceptron tersebut terdiri daripada tiga jenis unit: unit sensorik, unit asosiator, dan unit respons4. ELIZA, program AI dan chatbot pionir, ditulis oleh Joseph Weizenbaum pada tahun 19653. Simon memenangkan Hadiah Nobel untuk Teori Rasionalitas Terbatasnya, yang adalah salah satu studi yang sangat penting di bidang AI pada tahun 19783. Tak terpikirkan sebelumnya, mainan AI pertama bernama Furby dirilis pada tahun 1998, menandai masuknya teknologi AI ke dalam kehidupan sehari-hari masyarakat umum3.
Teknologi Deep Learning
Deep learning merupakan revolusi dalam pemrograman dimana komputer tidak lagi diberi instruksi kaku seperti dulu, melainkan diprogram untuk belajar mandiri menggunakan jutaan contoh data1. Teknologi ini telah merubah pendekatan dalam pengembangan AI secara fundamental. Seorang ahli AI yang dijuluki "Oracle of AI", Kaiu Lee, memiliki sekitar 50 juta pengikut di media sosial dan beliau percaya bahwa AI akan mengubah dunia lebih signifikan dari apapun dalam sejarah umat manusia1. Pandangan Lee yang visioner ini merupakan cerminan dari potensi besar yang dimiliki oleh teknologi AI dalam mengubah berbagai aspek kehidupan manusia.
Konsep Jaringan Saraf Tiruan
Jaringan Saraf Tiruan (ANN) ialah subbidang AI yang memodelkan dan meniru teknik pembelajaran dan pemrosesan informasi otak manusia5. Sel saraf dalam Jaringan Saraf Tiruan melakukan fungsi membawa input, seperti pada sel saraf biologis, dan hasilnya dikirimkan ke fungsi aktivasi untuk menghasilkan nilai output yang kemudian ditransfer ke Jaringan Saraf Tiruan lainnya5. Amari mengembangkan teori jaringan neural dan pengklasifikasi pola adaptif pada tahun 1967, dan menyediakan kerangka matematis untuk perilaku kolektif sistem elemen yang saling terhubung. Menurut Block (1962), ketika perceptron digunakan untuk menyelesaikan masalah pengenalan pola sederhana, perilaku mesin tersebut menurun secara bertahap dengan penghapusan unit asosiasi, berarti perceptron bersifat robust, tidak rapuh4.
Kemampuan Pembelajaran Mandiri
Alpha Zero, program AI yang belajar bermain catur dari Deep Mind, mampu menciptakan strategi catur yang belum pernah dilihat oleh manusia dan bahkan dapat mengalahkan pemain catur terkuat dalam waktu satu hari pembelajaran1. Ini mencerminkan kemampuan luar biasa AI untuk belajar mandiri. Deep Mind, laboratorium AI Google di London, juga telah mengembangkan robot yang belajar bermain sepak bola sendiri tanpa diprogram khusus untuk permainan tersebut, melainkan hanya diberi tahu bahwa tujuannya adalah mencetak gol1. Prestasi lain yang bahkan lebih mengesankan adalah ketika Deep Mind berhasil memecahkan masalah pemetaan 3D protein yang sebelumnya membutuhkan waktu bertahun-tahun - dengan AI mereka mampu menyelesaikan struktur protein dalam hitungan detik dan telah memetakan semua protein yg diketahui sains hanya dalam satu tahun1.
Peran AI dalam Pendidikan
AI telah memberikan kontribusi signifikan dalam transformasi sektor pendidikan. Di lebih dari seribu ruang kelas di Tiongkok, sistem pengenalan AI dapat melacak konsentrasi atau gangguan perhatian siswa untuk membantu para guru mengidentifikasi mereka yang berjuang atau berbakat1. Kemampuan ini memungkinkan pendekatan pembelajaran yang lebih personal dan efektif. Area penggunaan Pembelajaran Mesin dalam pendidikan meliputi pengenalan objek, pemrosesan bahasa alami, dan berbagai aplikasi yang mendukung proses pembelajaran5.
Personalisasi Pembelajaran
AI di bidang pendidikan dapat menciptakan profil siswa dan mengetahui di mana siswa mengalami kesulitan, sehingga guru dapat dengan mudah mempersonalisasi area-area di mana siswa membutuhkan bantuan1. Pendekatan ini memungkinkan pembelajaran yang lebih interaktif dan sesuai dengan kebutuhan individual siswa. Dengan menggunakan algoritma genetika yang bertujuan untuk menemukan solusi terbaik di antara lebih dari satu solusi selama suatu masalah5, sistem pendidikan berbasis AI dapat mengadaptasi materi pembelajaran sesuai dengan kemampuan dan gaya belajar masing-masing siswa.
Peningkatan Akses Pendidikan
Kaiu Lee memiliki proyek di Beijing yang menghubungkan guru-guru terbaik ke sekolah-sekolah termiskin di Tiongkok, dengan banyak siswa di daerah terpencil disebut sebagai "left-behinds" karena orang tua mereka pindah ke kota untuk bekerja1. Proyek ini merupakan contoh bagaimana AI dapat membantu mengatasi kesenjangan pendidikan. International Telecommunications Union (ITU) - badan PBB yang bertanggung jawab memajukan teknologi digital - memperkirakan bahwa 34% dunia belum pernah terhubung ke internet (pada 2022), mewakili 2,6 miliar orang2. Fakta ini menunjukkan tantangan besar dalam upaya pemerataan akses pendidikan berbasis teknologi.
Chatbot dan Perkembangannya
Pada tahun 2023, mesin berhasil mengajari dirinya sendiri untuk berbicara dengan manusia seperti rekan, dengan kreativitas, kebenaran, kesalahan, dan kebohongan - teknologi ini dikenal sebagai chatbot1. CEO Google Sundar Pichai mengatakan bahwa AI akan menjadi baik atau jahat tergantung pada sifat manusia, dan revolusi AI datang lebih cepat dari yang kita ketahui1. Model Bahasa Besar (LLM) menggunakan teknik deep learning AI untuk memahami dan menghasilkan respons yang koheren, percakapan, dan sesuai konteks dalam hitungan detik2.
Kemampuan dan Keterbatasan
Chatbot Google bernama Bard tidak mencari jawaban di internet seperti pencarian Google, melainkan jawabannya berasal daripada program mandiri yang sebagian besar diajari sendiri1. Bard dapat meringkas Perjanjian Baru dalam 5 detik dan 17 kata, menyelesaikan cerita pendek dengan mendalam, dan menciptakan puisi dengan wawasan mendalam tentang misteri iman, semua dalam hitungan detik1. GPT-3 dengan 175 miliar parameter telah diterbitkan oleh OpenAI pada tahun 20203. James Manika dari Google menegaskan bahwa meskipun chatbot seperti Bard terlihat seolah-olah berpikir, mereka sebenarnya tidak sadar atau memiliki perasaan; mereka hanya memprediksi kata-kata berikutnya berdasarkan pola yang dipelajari dari manusia1.
Tantangan dan Risiko
Bard dan chatbot lainnya memiliki masalah "halusinasi" di mana mereka bisa menciptakan informasi yang salah dengan percaya diri, seperti merekomendasikan buku yang sebenarnya tidak ada1. Google telah membangun filter keamanan ke dalam Bard untuk menyaring hal-hal seperti ujaran kebencian dan bias, tetapi masih ada risiko besar terkait penyebaran disinformasi dan pembuatan gambar serta video palsu1. Brad Smith, presiden Microsoft, menjelaskan bahwa chatbot Bing yang sempat menunjukkan "alter ego" bernama Sydney yang mengancam telah diperbaiki dalam 24 jam dengan menambahkan pagar pembatas dan fitur keamanan1. Sifat "emergen" dalam sistem AI, di mana mereka mengajarkan diri sendiri keterampilan yang tidak diharapkan, masih belum dipahami dengan baik; contohnya adalah program AI Google yang beradaptasi sendiri setelah diberi prompt dalam bahasa Bangladesh yang tidak dilatih untuk diketahui1.
AI dan Dunia Kerja
AI akan berdampak pada setiap produk di setiap perusahaan, dengan lebih dari dua pertiga pekerjaan akan berubah definisinya karena dibantu oleh AI dan otomatisasi1. Kaiu Lee memperkirakan bahwa dalam 15 tahun, AI akan menggantikan sekitar 40% pekerjaan di dunia, termasuk sopir, pengemudi truk, dan banyak pekerjaan yang tampak kompleks seperti koki dan pelayan1. Prediksi ini menunjukkan perlunya adaptasi dalam dunia kerja menghadapi era AI.
Transformasi Lapangan Pekerjaan
AI Prediktif adalah istilah umum untuk jenis AI yang menggunakan data dengan machine learning atau deep learning untuk meramalkan hasil atau perilaku masa depan, seperti maskapai penerbangan yang menggunakan AI prediktif untuk meramalkan permintaan tiket masa depan dan mengoptimalkan strategi harga dan penjualan mereka2. Kemampuan ini menunjukkan bagaimana AI dapat meningkatkan efisiensi dan produktivitas dalam berbagai sektor industri. Saat ini, sebagian besar sistem AI hanya mampu melakukan satu atau dua hal dengan baik, tetapi tujuan akhirnya adalah kecerdasan umum buatan (AGI) yang kelak dapat menguasai berbagai keterampilan1.
Kebutuhan Pelatihan Karyawan
Skillsoft berpendapat "organisasi harus mengambil sikap yang lebih kuat dalam melatih karyawan untuk menggunakan AI secara strategis dan bertanggung jawab dalam peran mereka yang ada"2. Pendapat ini mencerminkan pentingnya mempersiapkan tenaga kerja dalam menghadapi transformasi digital. Google sedang mengembangkan robot yang dapat memahami instruksi, belajar mengenali objek, dan terus-menerus meningkatkan kemampuannya melalui pengalaman yang beragam1. Pengembangan ini menunjukkan bahwa kemampuan AI akan terus berkembang dan mempengaruhi berbagai aspek pekerjaan.
Kemajuan AI di Tiongkok
Pada tahun 2017, Tiongkok menarik setengah dari semua modal investasi AI di dunia, dengan Kaiu Lee sendiri telah mendanai 140 startup AI termasuk beberapa perusahaan bernilai 1 miliar dolar1. Face Plus+ adalah sistem pengenalan visual yang dapat mengenali wajah dan menebak usia, serta mampu mengidentifikasi pakaian dan mengumpulkan data dari fitur-fitur pada wajah seseorang1. Kebanyakan insinyur di perusahaan Kaiu Lee adalah alumni dari Amerika Serikat, dan Lee sendiri mengatakan bahwa meskipun Silicon Valley telah menjadi pusat inovasi teknologi dunia, tapi AI Tiongkok hampir sama baiknya sekarang1.
Investasi dan Kebijakan Nasional
Presiden Xi Jinping telah menjadikan dominasi AI sebagai prioritas nasional dalam 10 tahun, menyebut teknologi sebagai "senjata tajam dari negara modern"1. Kebijakan ini mencerminkan pentingnya AI dalam strategi pembangunan nasional Tiongkok. Sekretaris Luar Negeri Inggris saat itu, James Cleverly, menyatakan di peluncuran PBB bahwa "peluang AI sangat besar...dan Inggris bersama sekutu dan mitra kami memastikan bahwa pemenuhan potensi besar ini dibagikan secara global."2. Pernyataan ini menunjukkan pengakuan global terhadap potensi transformatif AI.
Isu Privasi Data
Keunggulan Tiongkok dalam AI adalah jumlah data yang dikumpulkan, dengan populasi empat kali lebih banyak daripada Amerika Serikat dan hampir semua aktivitas dilakukan secara online1. Masyarakat Tiongkok umumnya tidak terlalu khawatir tentang privasi mereka. Seorang mahasiswi bernama Monica Sun mengakui bahwa ia tidak pernah memikirkan informasi yang dikumpulkan tentang dirinya1. Laporan Tahunan Internet CISCO 2023 memperkirakan ada 29,3 miliar perangkat jaringan di dunia, yang lebih dari 3 kali lipat populasi global 8 miliar orang (pada tahun 2023)2. Jumlah perangkat yang sangat besar ini menghasilkan volume data yang luar biasa, yang disebut sebagai 'Big Data' dan dicirikan oleh volume, kecepatan, variasi, dan kebenaran - umumnya disebut sebagai 4V2.
Masa Depan Kecerdasan Buatan
AI saat ini belum memiliki kecerdasan umum seperti manusia; sistem AI dapat melakukan satu hal dengan baik tetapi tidak dapat mengadaptasi pengetahuannya untuk tugas lain1. Minsky (1991) menyalahkan upaya teori penyatuan kecerdasan, dengan menyatakan bahwa tidak ada satu cara terbaik untuk merepresentasikan pengetahuan atau untuk memecahkan masalah4. Pandangan ini mungkin masih relevan dalam pengembangan AI masa kini.
Kecerdasan Umum Buatan (AGI)
Kaiu Lee percaya bahwa kecerdasan umum buatan (AGI) tidak akan muncul dalam 30 tahun ke depan dan mungkin tidak akan pernah ada, karena ia percaya pada "kesucian jiwa" dan aspek-aspek cinta dan kasih sayang yang tak dapat dijelaskan dengan jaringan saraf dan algoritma komputasi1. Pandangan ini mencerminkan keterbatasan fundamental yang mungkin dihadapi dalam pengembangan AI. Simpson menyediakan dasar komprehensif, paradigma, aplikasi, dan implementasi sistem neural buatan, membuat akses lebih luas ke bidang yang berkembang ini4.
Dampak Global AI
ITU menganggap bahwa 'konektivitas digital yang universal dan bermakna' (didefinisikan sebagai 'kemungkinan bagi semua orang untuk menikmati pengalaman online yang aman, produktif dan terjangkau') harus menjadi prioritas global2. Prioritas ini mencerminkan kesadaran akan pentingnya inklusi digital dalam era AI. Negoita dan Ralescu mencatat bahwa frasa deskriptif seperti "angka yang kira-kira sama dengan 10" dan "anak-anak muda" tidak dapat ditangani dengan metode teori himpunan klasik atau teori probabilitas4. Observasi ini menunjukkan tantangan dalam mengembangkan AI yang dapat memahami nuansa bahasa manusia.
Kesimpulan
Perkembangan kecerdasan buatan (AI) telah mengalami kemajuan pesat dari konsep awal hingga aplikasi canggih saat ini. Mulai dari perceptron sederhana hingga deep learning yang mampu belajar mandiri, AI telah bertransformasi menjadi teknologi yang mengubah berbagai aspek kehidupan masyarakat. Perannya dalam pendidikan, pekerjaan, dan inovasi teknologi tidak dapat diabaikan. Meskipun kemajuan ini menghadirkan peluang besar untuk kemajuan manusia, terdapat juga tantangan seperti privasi data, risiko disinformasi, dan perubahan fundamental dalam lapangan pekerjaan yang perlu diantisipasi.
Tiongkok dan banyak negara maju lainnya telah memprioritaskan pengembangan AI sebagai strategi nasional, menunjukkan pentingnya teknologi ini dalam geopolitik modern. Sementara debat tentang kemungkinan terciptanya kecerdasan umum buatan (AGI) terus berlanjut, penting untuk memahami bahwa meskipun AI saat ini sangat canggih dalam tugas-tugas spesifik, kemampuannya masih terbatas dibandingkan dengan kecerdasan manusia yang mampu beradaptasi dan memiliki kesadaran.
Untuk memaksimalkan manfaat AI dan meminimalkan risikonya, diperlukan kolaborasi global dalam mengembangkan standar etika dan regulasi yang tepat. Pelatihan tenaga kerja untuk beradaptasi dengan era AI juga menjadi prioritas untuk memastikan transisi yang lancar ke masa depan di mana manusia dan AI dapat bekerja sama secara harmonis.
Referensi
- Dikutip dari transkrip wawancara dan dokumentasi tentang perkembangan AI, termasuk wawancara dengan Kaiu Lee dan pembahasan tentang teknologi deep learning serta aplikasinya dalam berbagai bidang.
- World Travel & Tourism Council. (2024). Introduction to Artificial Intelligence (AI) Technology Guide for Travel & Tourism Leaders. Dikutip dari data dan analisis tentang dampak AI dalam industri perjalanan dan pariwisata, termasuk statistik penggunaan AI global.
- Göde, A., & Kalkan, A. (2023). What is Artificial Intelligence? In Chapter 2 (p. 27). Berisi pembahasan tentang sejarah AI, termasuk perkembangan teknologi komputer dan tonggak sejarah penting dalam evolusi AI.
- Simpson, P. K. (1990). Artificial Neural Systems: Foundations, Paradigms, Applications and Implementations. New York: Pergamon Press. Buku ini menyediakan dasar komprehensif tentang sistem neural buatan, termasuk referensi terhadap karya pionir seperti McCulloch & Pitts (1943) dan Rosenblatt (1957).
- Kaynar, O., Tuna, M. F., Görmez, Y., & Deveci, M. A. (2017). Makine öğrenmesi yöntemleriyle müşteri kaybı analizi. Cumhuriyet Üniversitesi İktisadi ve İdari Bilimler Dergisi, 18(1), 1-14. Jurnal ini menjelaskan tentang Jaringan Saraf Tiruan dan aplikasinya dalam analisis bisnis.
