Daftar Isi
- Apa itu AI atau kecerdasan buatan?
- Bagaimana cara kerja AI?
- Perbedaan AI, machine learning, deep learning, dan AI generatif
- Jenis AI berdasarkan kegunaannya
- Contoh AI dalam kehidupan sehari-hari
- Apa manfaat AI?
- Risiko dan keterbatasan AI yang perlu dipahami
- Cara mulai menggunakan AI untuk pemula
- Pertanyaan umum tentang AI
AI atau artificial intelligence adalah kecerdasan buatan: bidang yang mengembangkan sistem komputer untuk melakukan tugas seperti mengenali pola, mengolah bahasa, membuat prediksi, dan menghasilkan konten. Bentuknya tidak selalu robot. Penyaring spam, pengenal suara, dan aplikasi pembuat teks merupakan contoh penggunaan AI yang dapat ditemui sehari-hari.
Memahami apa itu AI membantu kita memilih alat sesuai kebutuhan sekaligus mengenali batasannya. Artikel ini membahas pengertian, cara kerja, jenis, manfaat, dan risiko AI, dilengkapi contoh serta latihan sederhana untuk pemula.
Apa itu AI atau kecerdasan buatan?
AI merupakan istilah luas untuk sistem dengan kemampuan yang berkaitan dengan kecerdasan, seperti penalaran, pengenalan pola, dan pemecahan masalah. Dalam penjelasan definisi OECD, sistem AI mengolah masukan untuk menentukan keluaran berupa prediksi, konten, rekomendasi, atau keputusan. Tingkat kemandirian dan kemampuan beradaptasinya dapat berbeda.
Misalnya, sebuah sistem menerima foto lalu memperkirakan objek di dalamnya. Sistem lain menerima pertanyaan lalu menyusun jawaban. Keduanya menghasilkan keluaran dari masukan, tetapi tugas, rancangan, dan cara menguji keberhasilannya berbeda.
Kata “cerdas” tidak berarti komputer memiliki kesadaran atau selalu memahami keadaan seperti manusia. Kemampuan menjawab dengan lancar juga tidak membuktikan bahwa jawabannya benar. AI perlu dinilai berdasarkan tugas yang dikerjakan dan hasil yang dapat diperiksa.
Bagaimana cara kerja AI?
Tidak semua AI menggunakan metode yang sama. Sebagian memakai aturan dan pengetahuan yang dirancang manusia; banyak sistem modern memanfaatkan machine learning, yaitu pembelajaran pola dari data. Untuk memahami pendekatan berbasis pembelajaran mesin, bayangkan sebuah penyaring email spam.
- Menentukan tujuan. Pengembang menetapkan tugas: membedakan email spam dari email yang seharusnya masuk kotak utama.
- Menyiapkan contoh. Data berisi contoh email yang telah dikelompokkan. Mutu dan keterwakilan contoh ikut menentukan pola yang dapat dipelajari.
- Melatih model. Algoritma menyesuaikan parameter model berdasarkan contoh. Model belajar hubungan antara ciri masukan dan hasil yang diharapkan.
- Menguji pada data lain. Pengembang mengevaluasi apakah model bekerja pada contoh yang tidak dipakai untuk pelatihan. Email penting yang keliru dianggap spam merupakan kesalahan yang perlu diperhatikan.
- Menggunakan dan memantau hasil. Model memproses email baru. Kinerjanya perlu ditinjau karena pola spam dan penggunaan bahasa dapat berubah.
Tahap memakai model untuk memproses masukan baru disebut inferensi. Ini berbeda dengan pelatihan. Mengirim pertanyaan ke chatbot tidak otomatis berarti model dasarnya langsung dilatih ulang oleh percakapan itu. Penjelasan IBM tentang AI membedakan proses pelatihan, penyesuaian model, dan pembuatan keluaran.
Perbedaan AI, machine learning, deep learning, dan AI generatif
Keempat istilah berikut saling berkaitan, tetapi tidak dapat dipertukarkan begitu saja.
| Istilah | Arti sederhana | Contoh tugas |
|---|---|---|
| Artificial intelligence | Bidang luas untuk membangun kemampuan cerdas pada sistem komputer. | Penalaran, rekomendasi, dan pengolahan bahasa. |
| Machine learning | Pendekatan dalam AI yang mempelajari pola dari data. | Memperkirakan permintaan barang dari data penjualan. |
| Deep learning | Bagian dari machine learning yang memakai jaringan saraf dengan banyak lapisan. | Mengenali objek pada gambar atau ucapan dalam audio. |
| AI generatif | Sistem yang menghasilkan konten berdasarkan pola yang dipelajari. | Menyusun teks, gambar, audio, atau kode. |
Dengan demikian, tidak semua AI adalah chatbot dan tidak semua tugas AI menghasilkan konten baru. AWS menjelaskan hubungan AI, machine learning, dan deep learning sebagai bidang yang saling terkait, dengan machine learning berada di dalam cakupan AI.
Jangan pula menyamakan model dengan aplikasi yang memakainya. Aplikasi dapat menambahkan pencarian, pengelolaan dokumen, atau alat lain. Pembahasan lanjut tersedia dalam artikel perbedaan AI, machine learning, dan deep learning.
Jenis AI berdasarkan kegunaannya
Bagi pemula, pengelompokan berdasarkan tugas lebih mudah dipakai untuk memilih alat. Pembagian berikut tidak mutlak: satu aplikasi dapat menggabungkan beberapa kemampuan.
- AI untuk prediksi dan klasifikasi: memperkirakan nilai atau mengelompokkan masukan, misalnya menandai transaksi yang perlu diperiksa.
- AI untuk bahasa: memproses teks, menerjemahkan, atau membantu merangkum dokumen.
- AI untuk gambar dan suara: mengenali objek, membaca teks dalam foto, atau mengubah ucapan menjadi teks.
- AI generatif: membuat keluaran seperti draf tulisan, gambar, audio, dan kode berdasarkan instruksi.
Ada pula istilah narrow AI untuk kemampuan yang terbatas pada tugas tertentu, serta artificial general intelligence atau AGI untuk gagasan kemampuan umum yang lebih luas. Istilah tersebut membahas cakupan kemampuan, bukan pilihan fitur seperti gambar atau suara. Kemampuan chatbot mengerjakan berbagai permintaan saja belum cukup untuk menyimpulkan bahwa sebuah sistem merupakan AGI.
Contoh AI dalam kehidupan sehari-hari
Google Cloud menyebut rekomendasi, penyaring spam, dan pengolahan bahasa sebagai contoh penerapan AI. Untuk menilai manfaatnya, perhatikan pekerjaan yang dibantu serta bagian yang tetap perlu Anda cek.
| Penggunaan | Bantuan yang diberikan | Yang perlu diperiksa |
|---|---|---|
| Penyaring email | Mengelompokkan pesan yang diduga spam. | Email penting dapat salah masuk folder spam. |
| Rekomendasi konten | Memilih video atau produk yang diperkirakan relevan. | Rekomendasi tidak selalu sesuai kebutuhan Anda. |
| Transkripsi audio | Mengubah rekaman ucapan menjadi teks. | Nama, angka, istilah khusus, dan suara yang bertumpuk. |
| Penerjemahan | Membantu memahami teks dalam bahasa lain. | Konteks, istilah teknis, dan nada kalimat. |
| Asisten penulisan | Membuat kerangka atau alternatif kalimat. | Fakta, kejelasan pesan, dan kesesuaian dengan tujuan. |
Kolom pemeriksaan di atas merupakan panduan praktis, bukan penilaian terhadap merek tertentu. Untuk penggunaan pribadi, mulai dari tugas sehari-hari yang hasilnya bisa diperiksa.
Apa manfaat AI?
Manfaat AI dapat dinilai dari perubahan pekerjaan yang konkret: apakah tugas lebih cepat selesai, bahan lebih mudah ditelusuri, atau hasil awal lebih mudah disunting. Misalnya, kerangka rapat yang sudah dikelompokkan dapat membantu penyusun agenda memulai pekerjaannya.
Namun, kecepatan menghasilkan jawaban belum tentu sama dengan penghematan waktu. Draf yang harus diperbaiki seluruhnya mungkin tidak lebih efisien daripada menulis sendiri. Cobalah membandingkan waktu pengerjaan, jumlah koreksi, dan kelengkapan hasil sebelum serta sesudah memakai AI.
Untuk penggunaan organisasi, tentukan pula siapa yang memeriksa keluaran dan data apa yang boleh diproses. Gunakan panduan persiapan memakai AI di kantor sebagai langkah awal menyusun percobaan yang terbatas.
Risiko dan keterbatasan AI yang perlu dipahami
Profil risiko AI generatif NIST membahas antara lain keluaran keliru yang disampaikan dengan meyakinkan, privasi data, bias, dan integritas informasi. Risiko tidak sama pada setiap aplikasi atau situasi penggunaan.
- Jawaban keliru atau halusinasi: teks yang rapi dapat memuat fakta, kutipan, atau rujukan yang tidak benar.
- Bias: pola dalam data dan rancangan sistem dapat menghasilkan perlakuan atau representasi yang tidak seimbang.
- Privasi: mengunggah dokumen dapat membuat isinya diproses oleh layanan lain; periksa kebijakan penyedia dan aturan organisasi.
- Konten menyesatkan: gambar, suara, atau teks sintetis dapat digunakan untuk menciptakan kesan palsu.
Pengawasan manusia tetap penting, terutama saat hasil memengaruhi orang lain. Gunakan panduan memeriksa halusinasi AI untuk menelusuri klaim dan rujukan yang muncul dalam jawaban.
Cara mulai menggunakan AI untuk pemula
Mulailah dengan tugas kecil yang bahan dan hasilnya mudah dibandingkan. Misalnya, Anda ingin mengubah catatan membaca menjadi daftar pertanyaan untuk belajar.
- Pilih bahan yang Anda pahami. Gunakan catatan sendiri atau bahan yang boleh diproses aplikasi.
- Tentukan hasilnya. Minta lima pertanyaan berdasarkan isi catatan, bukan penjelasan bebas tentang seluruh topik.
- Tulis batasan. Instruksikan agar sistem tidak menambahkan fakta di luar bahan.
- Cocokkan hasil. Periksa apakah setiap pertanyaan memang dapat dijawab dari catatan.
- Sunting sesuai kebutuhan. Hapus pengulangan dan ubah bagian yang kurang jelas.
Buat lima pertanyaan belajar berdasarkan catatan berikut. Untuk setiap pertanyaan, tunjukkan bagian catatan yang menjadi dasarnya. Jangan menambahkan fakta di luar catatan. Jika bahan tidak cukup untuk lima pertanyaan berbeda, jelaskan kekurangannya.
Latihan ini membantu Anda melihat perbedaan antara kalimat yang terdengar baik dan keluaran yang benar-benar mengikuti bahan. Setelah memahami prosesnya, tingkatkan kerumitan tugas secara bertahap.
Pertanyaan umum tentang AI
Apakah AI sama dengan robot?
Tidak. AI dapat berjalan sebagai perangkat lunak tanpa tubuh fisik. Robot adalah perangkat fisik; sebagian memakai AI, sementara lainnya bekerja dengan instruksi yang lebih tetap.
Apakah semua aplikasi otomatis menggunakan AI?
Tidak. Sebuah proses dapat berjalan otomatis menggunakan aturan sederhana. Label “otomatis” saja tidak menjelaskan apakah aplikasi memakai teknik AI atau bagaimana sistemnya mengambil keputusan.
Apakah AI selalu membutuhkan internet?
Tergantung aplikasi. Layanan yang memproses permintaan di server umumnya memerlukan koneksi. Model yang dijalankan pada perangkat dapat bekerja secara lokal, tetapi fitur tertentu tetap mungkin membutuhkan internet.
Apakah harus bisa coding untuk menggunakan AI?
Tidak harus untuk memakai aplikasi yang sudah menyediakan antarmuka. Kemampuan coding menjadi lebih relevan ketika ingin membangun integrasi, menyesuaikan sistem, atau mengembangkan model sendiri.
Bagaimana mengetahui jawaban AI bisa dipercaya?
Periksa klaim penting dengan sumber yang dapat dibuka dan memang mendukung klaim tersebut. Uji angka, nama, dan tanggal secara terpisah. Nada yakin dan daftar sumber yang panjang bukan bukti bahwa jawabannya benar.
Untuk melanjutkan belajar, pilih satu kebutuhan yang ingin Anda selesaikan. Kenali kemampuan alatnya, tentukan bahan yang boleh diproses, dan buat ukuran hasil yang dapat diperiksa. Pemahaman dasar ini membantu Anda menilai perkembangan AI tanpa harus menerima setiap klaim pemasaran begitu saja.
