Artificial Intelligence..
Kecerdasan buatan adalah kecerdasan yang ditambahkan kepada suatu sistem yang bisa diatur dalam konteks ilmiah atau bisa disebut juga intelegensi artifisial (bahasa Inggris: Artificial Intelligence) atau hanya disingkat AI, didefinisikan sebagai kecerdasan entitas ilmiah. Kecerdasan buatan didefinisikan sebagai “kemampuan sistem untuk menafsirkan data eksternal dengan benar, untuk belajar dari data tersebut, dan menggunakan pembelajaran tersebut guna mencapai tujuan dan tugas tertentu melalui adaptasi yang fleksibel”.
Sistem seperti ini umumnya dianggap komputer. Kecerdasan diciptakan dan dimasukkan ke dalam komputer agar dapat melakukan pekerjaan seperti yang dapat dilakukan manusia. Beberapa macam bidang yang menggunakan kecerdasan buatan antara lain sistem pakar, permainan komputer, logika kabur, jaringan saraf tiruan dan robotika. Secara teknis, kecerdasan buatan adalah model statistik yang digunakan untuk mengambil keputusan dengan menggeneralisir karakteristik dari suatu objek berbasis data yang kemudian dipasang di berbagai perangkat elektronik.
Paham Pemikiran
Secara garis besar, AI terbagi ke dalam dua paham pemikiran yaitu AI Konvensional dan Kecerdasan Komputasional (CI, Computational Intelligence). AI konvensional kebanyakan melibatkan metode-metode yang sekarang diklasifiksikan sebagai pembelajaran mesin, yang ditandai dengan formalisme dan analisis statistik. Dikenal juga sebagai AI simbolis, AI logis, AI murni dan AI cara lama (GOFAI, Good Old Fashioned Artificial Intelligence). Metode-metodenya meliputi:
-
- Sistem pakar: menerapkan kapabilitas pertimbangan untuk mencapai kesimpulan. Sebuah sistem pakar dapat memproses sejumlah besar informasi yang diketahui dan menyediakan kesimpulan-kesimpulan berdasarkan pada informasi-informasi tersebut.
- Petimbangan berdasar kasus.
- Jaringan Bayesian.
- AI berdasar tingkah laku: metode modular pada pembentukan sistem AI secara manual.
Kecerdasan komputasional melibatkan pengembangan atau pembelajaran iteratif (misalnya penalaan parameter seperti dalam sistem koneksionis. Pembelajaran ini berdasarkan pada data empiris dan diasosiasikan dengan AI non-simbolis, AI yang tak teratur dan perhitungan lunak. Metode-metode pokoknya meliputi:
- Jaringan Saraf: sistem dengan kemampuan pengenalan pola yang sangat kuat.
- Logika kabur: teknik-teknik untuk pertimbangan di bawah ketidakpastian, telah digunakan secara meluas dalam industri modern dan sistem kendali produk konsumen.
- Komputasi Evolusioner: menerapkan konsep-konsep yang terinspirasi secara biologis seperti populasi, mutasi dan Sintasan yang paling layak untuk menghasilkan pemecahan masalah yang lebih baik.
Metode-metode ini terutama dibagi menjadi algoritme evolusioner (misalnya algoritme genetik) dan kecerdasan berkelompok (misalnya algoritme semut)
Kecerdasan Artifisial dan Big-Data atau data besar, sekarang tampaknya tidak dapat dipisahkan karena kapasitas AI untuk menangani analitik data secara efisien. AI, pembelajaran mesin, dan pembelajaran mendalam mengekstraksi informasi dari semua sumber dan menggunakannya untuk mengembangkan hasil yang lebih baik dan menciptakan dunia yang paham teknologi.
Kecerdasan Artifisial
Artificial Intligent (AI) mengacu pada kemampuan robot yang dikendalikan komputer untuk menyelesaikan tugas yang biasanya dilakukan oleh makhluk cerdas. Aspek kecerdasan berikut telah menjadi fokus penelitian AI: pembelajaran, penalaran, pemecahan masalah, persepsi, dan penggunaan bahasa.
Kemampuan kecerdasan buatan untuk merasionalisasi dan melakukan tindakan yang memiliki kemungkinan terbaik untuk mencapai tujuan tertentu adalah fitur idealnya.
Kecerdasan buatan memiliki banyak aplikasi. Teknologi ini dapat digunakan di berbagai industri dan sektor. Dari industri farmasi untuk pemberian dosis obat dan pemberian berbagai perawatan kepada pasien, serta operasi bedah di ruang operasi, hingga catur dan mobil yang dapat mengemudi sendiri, kecerdasan buatan telah menjadi bagian integral dari masa kini dan masa depan.
Kecerdasan buatan juga digunakan dalam industri keuangan untuk mendeteksi dan mengidentifikasi perilaku mencurigakan di perbankan dan keuangan, seperti penggunaan kartu debit yang tidak biasa dan setoran rekening yang besar, yang membantu departemen penipuan bank.
Machine Learning
Pembelajaran mesin adalah bagian dari kecerdasan buatan yang berfokus pada pengembangan perangkat lunak komputer yang dapat belajar tanpa campur tangan manusia.
Berbagai sektor ekonomi berurusan dengan sejumlah besar data dalam berbagai format yang dikumpulkan dari berbagai sumber. Karena kemajuan teknologi, khususnya peningkatan kemampuan pemrosesan dan penyimpanan cloud, sejumlah besar data, yang dikenal sebagai big data, menjadi lebih siap tersedia dan dapat diakses.
Aplikasi data pembelajaran mesin dibuat menggunakan algoritma atau kode sumber yang rumit yang tertanam di mesin atau komputer. Kode pemrograman ini membuat model yang mengenali data dan membuat prediksi berdasarkan data tersebut.
Untuk proses pengambilan keputusannya, model menggunakan parameter yang diintegrasikan ke dalam algoritma untuk membentuk pola. Ketika data baru atau ekstra tersedia, algoritme memodifikasi parameter secara otomatis untuk melihat apakah ada pergeseran pola. Model, di sisi lain, tidak boleh diubah.
Sistem perdagangan dapat dikalibrasi untuk mengenali peluang investasi potensial. Berdasarkan riwayat pencarian internet pelanggan atau transaksi sebelumnya, platform pemasaran dan e-commerce dapat disesuaikan untuk memberikan saran yang akurat dan dipersonalisasi kepada konsumen mereka. Pembelajaran mesin dapat digunakan oleh organisasi pemberi pinjaman untuk mengantisipasi pinjaman bermasalah dan membuat model risiko kredit.
Deep Learning
Pembelajaran mendalam adalah bagian dari kelompok teknik pembelajaran mesin yang diperluas berdasarkan pembelajaran representasi dan jaringan saraf tiruan. Ada tiga jenis pembelajaran: terawasi, semi terawasi, dan tidak terawasi. Untuk melakukan proses pembelajaran mesin, ia menggunakan tingkat hierarki jaringan saraf tiruan.
Jaringan saraf tiruan dibangun dengan cara yang sama seperti otak manusia, dengan node neuron yang terhubung dalam pola seperti web. Sementara program tipikal mengembangkan analisis menggunakan data secara linier, fungsi hierarki sistem deep learning memungkinkan mesin memproses data secara nonlinier.
Untuk mendeteksi penipuan, Deep Learning akan menggunakan berbagai sinyal, seperti alamat IP, skor kredit, pengecer, dan pengirim. Ini akan memeriksa jumlah yang dikirim di lapisan pertama jaringan saraf tiruannya. Ini akan membangun informasi ini di lapisan kedua, misalnya, dengan memasukkan alamat IP. Nilai kredit ditambahkan ke informasi yang ada di lapisan ketiga dan seterusnya sampai hasil akhir tercapai.
Kecerdasan Artifisial Sehari-hari
Translator
Program penerjemah bahasa juga menggunakan kemampuan kecerdasan buatan. Translator masa kini sudah memiliki kecanggihan berupa voice record. Anda cukup merekam suara anda, lalu translator akan menerjemahkannya ke bahasa yang anda pilih.
Selain itu ada pula translator dengan kamera. Cukup dengan mengarahkan kamera di atas tulisan tanpa memotretnya, lalu tulisan-tulisan tersebut akan berubah, diterjemahkan, dengan sendirinya.
Belanja Online
Seberapa sering anda melakukan belanja melalui online shop? Mudah, murah, dan praktis. Program belanja online memiliki ribuan hingga jutaan produk yang dapat anda temui. Saat anda membukanya melalui beranda, akan temukan berbagai produk yang dapat dipilih dari berbagai kategori hingga barang semurah atau sekecil apapun itu.
Aplikasi AI pada online shop biasanya ditemukan pada rekomendasi produk yang ditampilkan pada beranda. Rekomendasi tersebut bersumber dari program yang selalu mempelajari kebiasaan pemakai (user) dalam mencari atau membeli suatu produk.