KONSEP KECERDASAN BUATAN

 

1. Trend Teknologi 2021

Seiring dengan perkembangan zaman, sejumlah teknologi dan inovasi dikabarkan bakal menjadi tren pada 2022. Salah satunya konsep low-code dan no-code software. Otomatisasi dan penggunaan aplikasi akan semakin marak digunakan. Namun, penerapan hal itu kerap terkendala oleh pengetahuan terkait multiple programming languages yang masih terbatas. Hal ini pun mendorong pengembangan otomatisasi dan teknik pengembangan jaringan lunak low-code dan no-code. Seperti namanya, low-code dan no-code adalah teknik pengembangan perangkat lunak yang mengandalkan elemen visual untuk membangun perangkat lunak. Hal ini pun secara drastis memangkas waktu yang dibutuhkan untuk mengembangkan aplikasi atau perangkat lunak. Artinya, aplikasi bisa kian mudah untuk dikembangkan oleh siapa pun yang telah memiliki ide soal aplikasi apa yang akan diciptakan. Menurut penelitian dari Gartner, 70 persen aplikasi baru yang akan dikembangkan oleh organisasi akan menggunakan teknologi low code atau no code pada 2025. Jumlah ini naik dari sekitar 25 persen pada 2020. Dikutip dari Cms Wire, Kamis (30/12), peningkatan dari platform dengan aplikasi low code, akan mendorong pertumbuhan teknologi bisnis di luar departemen TI. Hal ini juga akan menciptakan kemampuan teknologi atau analitik yang lebih luas untuk pengembangan bisnis ke depan. Selain itu, pendorong lain tingginya tingkat adopsi konsep ini diadopsi, tak lepas dari urgensi transformasi digital. Isaac Gould selaku analis riset di Nucleus Research, mengatakan, dengan bisnis yang memprioritaskan transformasi digital dari aspek operasional dan proses sehari-hari, kini semakin banyak yang beralih ke low code dan no code karena biaya yang lebih rendah dan penurunan hambatan teknis untuk adopsi. dari data yang dimiliki Nucleus Research, pengembang dapat memanfaatkan teknologi low code dan no code untuk menyelesaikan tugas dua hingga tiga kali lebih cepat. Konsep teknologi low code juga memungkinkan pengguna bisnis untuk mengembangkan aplikasi yang benarbenar sesuai dengan kebutuhan operasional perusahaan.

2. Data dan Informasi

Data dapat juga dikatakan sebagai sumber informasi yang selalu dicari semua orang, tetapi berbeda dengan informasi. Data sifatnya benar, karena semua hal di dalamnya mencakup fakta atau kebenaran yang terjadi atas fenomena tertentu di kehidupan manusia. Sesuai namanya, yang berasal dari bahasa latin berarti segala sesuatu yang telah diberikan. Data bahkan bisa dipahami sebagai beberapa pernyataan yang dapat diterima dengan apa adanya tanpa tambahan apapun. Hasil dari pernyataan yang diperoleh tersebut berasal dari kroscek terhadap beragam fakta lewat teknik pengamatan dan pengukuran. Umumnya dapat dicari melalui unsur-unsur yang terdiri dari rangkaian kata, angka, dan citra. Bagi beberapa orang yang baru saja menyadari perbedaaan tentang data dan informasi tentu akan memberikan pernyataan apa itu data? Anda juga perlu menandai hal penting, bahwa data harus dikumpulkan terlebih dahulu kemudian diolah dengan teknik tertentu agar dapat dipahami semua orang. Data yang sudah diolah inilah yang bisa dijadikan sebagai informasi menarik. Proses jalinan data untuk menjadi informasi tidak singkat, harus diolah dalam beberapa tahap yang bisa memakan waktu cukup lama. Pengolahannya pun disesuaikan dengan fokus bidang tertentu agar nantinya bisa menghasilkan informasi yang lebih terarah dan terkategorisasi dengan baik.

3. Hystory of Machine Learning

Sejarah dan hubungan dengan bidang lain. Istilah pembelajaran mesin diciptakan pada tahun 1959 oleh Arthur Samuel, seorang IBMer Amerika dan pelopor dalam bidang permainan komputer dan kecerdasan buatan. Juga sinonim komputer otodidak digunakan dalam periode waktu ini.

4. Apa itu Machine Learning

Menurut IBM, machine learning merupakan cabang dari kecerdasan buatan (AI) dan ilmu komputer yang berfokus pada penggunaan data dan algoritma untuk meniru cara manusia belajar dan secara bertahap dapat meningkatkan akurasinya. Machine learning merupakan komponen penting dari bidang ilmu tentang perkembangan data. Melalui penggunaan statistik, algoritma machine learning dilatih untuk membuat klasifikasi atau prediksi dalam pengembangan data. Pengembangan data yang ditangani machine learning ini mencakup wawasan utama dari kecerdasan buatan dan pengambilan keputusan dalam aplikasi atau bisnis. Keberadaan machine learning disebut mampu memengaruhi matrik pertumbuhan ideal dari basis data dalam dunia bisnis teknologi informasi. Perkembangan data yang makin hari semakin besar dan bertumbuh, permintaan pasar untuk ilmuwan data juga akan meningkat. Hal ini nantinya akan menuntut para pakar data untuk mengidentifikasi pertanyaan bisnis yang paling relevan dan lantas melakukan sinkronisasi terhadap data untuk menjawab itu. Peran machine learning ada dalam penyesuaian antara pertanyaan dan jawaban terkait data yang terus berkembang ini. Secara umum bisa dikatakan bahwa machine learning adalah metode analisis data yang dilakukan dengan otomatisasi pembuatan model analitis. Sebagai cabang dari AI, machine learning didasarkan pada gagasan bahwa sistem dapat belajar dari data, mengidentifikasi pola, dan membuat keputusan dengan sedikit intervensi manusia dalam proses tersebut.

5. Bagian Artificial Intelligence

Artificial Intelligence sudah menjadi sesuatu yang menjadi perhatian karena berpengaruh pada pekerjaan manusia. Secara singkatnya, mengacu pada simulasi kecerdasan manusia dalam mesin yang diprogram untuk berpikir seperti manusia dan meniru tindakannya. Istilah ini juga dapat diterapkan pada mesin apa pun yang menunjukkan sifat-sifat yang terkait dengan pikiran manusia. Di mana prosesnya termasuk dengan pembelajaran (perolehan informasi dan aturan untuk menggunakan informasi), penalaran (menggunakan aturan untuk mencapai perkiraan kesimpulan yang pasti) dan koreksi diri, dilansir dari search enterprise AI dan Investopedia

Karakteristik ideal AI adalah kemampuannya untuk merasionalisasi dan mengambil tindakan yang memiliki peluang terbaik untuk mencapai tujuan tertentu.

Mendalami AI

Hal pertama yang biasanya orang pikirkan ketika mendengar istilah AI adalah robot. Karena film dan novel populer yang menceritakan mesin mirip manusia yang mendatangkan malapetaka di Bumi. Sedangkan Kecerdasan buatan didasarkan pada prinsip bahwa kecerdasan manusia dapat didefinisikan sedemikian rupa sehingga mesin dapat dengan mudah menirunya dan menjalankan tugas, dari yang paling sederhana hingga yang lebih kompleks. Tujuan kecerdasan buatan meliputi pembelajaran, penalaran, dan persepsi.

Kategori AI

AI memiliki 2 kategori yaitu lemah atau kuat. AI lemah (weak AI) yang juga dikenal sebagai AI sempit adalah sistem AI yang dirancang dan dilatih untuk tugas tertentu. Asisten pribadi virtual, seperti Apple Siri, adalah bentuk AI yang lemah. Sedangkan AI kuat (strong AI), juga dikenal sebagai kecerdasan buatan umum adalah sistem AI dengan kemampuan kognitif manusia secara umum. Ketika disajikan dengan tugas khusus, sistem AI kuat dapat menemukan solusi tanpa campur tangan manusia.

Jenis AI

Arend Hintze, asisten profesor biologi integratif dan ilmu komputer dan teknik di Michigan State University, mengkategorikan AI menjadi 4 jenis, dari jenis sistem AI yang ada saat ini hingga sistem yang hidup, yang belum ada

6. Contoh Implementasi Machine Learning

Perkembangan teknologi yang sangat pesat telah merambah berbagai aspek kehidupan. Termasuk teknologi machine learning atau pembelajaran mesin. Tanpa kita sadari, sebenarnya kita telah menjadi user atau pengguna machine learning, dengan memanfaatkan machine learning dalam kehidupan kita sehari-hari. Salah satu satunya adalah Google search autosuggest.

Pasti kita semua menyadari bahwa dalam Google Search Bar memiliki fitur autosuggest atau autocomplete. Melalui fitur ini, kita mendapatkan rekomendasi kata atau frase bahkan sebelum kita selesai mengetik. Misal kita mengetik kata: “tempat rumah makan”. Maka Google akan memberi rekomendasi: tempat rumah makan terdekat, tempat rumah makan di Bogor, dan seterusnya. Hebatnya, rekomendasi ini bisa akan berbeda-beda tergantung histori dan preferensi kita. Proses rekomendasi melalui autosuggest ini merupakan salah satu contoh penerapan machine learning.

7. Pendekatan Machine Learning

Machine learning adalah pendekatan untuk kecerdasan buatan atau artificial intelligence (AI) yang mengadopsi prinsip dari ilmu komputer dan statistik untuk mencari relasi dalam data. Tidak seperti sistem AI lainnya yang menyaring pengetahuan manusia ke dalam aturan eksplisit seperti dalam expert systems, machine learning menginstruksikan suatu algoritme untuk menganalisis data. Semakin banyak data yang diproses, maka semakin cerdas algoritme tersebut. Berikut pendekatan machine learning untuk bisnis yang perlu kita ketahui

Supervised learning

Jika Anda tahu metrik yang ingin diprediksi dan memiliki contoh dengan label sesuai metrik tersebut, machine learning dengan pengawasan (supervised learning) adalah pendekatan terbaik. Jenis ini bisa digunakan oleh e-commerce untuk memprediksi banyaknya uang yang dibelanjakan setiap pelanggan. Dengan demikian, pelanggan dengan nominal belanja tinggi bisa menjadi target penawaran promosi tertentu.

Unsupervised learning

Pendekatan ini digunakan ketika data tidak memiliki label khusus untuk memprediksi algoritme. Dengan demikian, algoritme bertugas untuk mengelompokkan data serta menemukan pola baru. Sehingga, anomali data bisa terdeteksi. Anda bisa memanfaatkan pendekatan unsupervised learning untuk menandai potensi penipuan kartu kredit, misalnya. Selain itu, pendekatan ini juga berguna untuk mencari kesamaan antarpelanggan Anda.

Semisupervised learning

Berbeda dari unsupervised learning, semisupervised learning memanfaatkan data tanpa label untuk memahami struktur sserta distribusi populasi. Pendekatan ini bisa dipakai bank sebelum menawarkan kredit rumah, untuk mengidentifikasi pelanggan yang membutuhkan pinjaman tersebut, tapi belum mendapatkan informasi yang cukup.

Reinforcement learning

pendekatan ini, komputer melakukan interaksi dengan lingkungan sekitar. Umpan balik menjadi bahan utama dalam reinforcement learning. Algoritme mempelajari urutan tindakan dan mencari peluang terbaik.