Kecerdasan Buatan (Artificial Intelligence)
Dapat di simpulkan bahwasanya Kecerdasan buatan memanfaatkan komputer dan mesin untuk meniru kemampuan pemecahan masalah dan pengambilan keputusan dari pikiran manusia. Profesor Pedro Domingos, seorang peneliti terkemuka di bidang ini, menggambarkan "lima suku" machine learning, yang terdiri dari simbolis, yang berasal dari logika dan filsafat; koneksionis, yang berasal dari ilmu saraf; evolusioner, berkaitan dengan biologi evolusioner; Bayesian, berhubungan dengan statistik dan probabilitas; dan analogis yang berasal dari psikologi.
Menurut John McCarthy mendefinisi "Ini adalah ilmu dan teknik pembuatan mesin cerdas, terutama program komputer cerdas. Ini terkait dengan tugas serupa menggunakan komputer untuk memahami kecerdasan manusia, tetapi AI tidak harus membatasi sendiri ke metode yang dapat diamati secara biologis."
Namun, beberapa dekade sebelum definisi ini, percakapan kecerdasan buatan dimulai dengan karya Alan Turing tahun 1950 " Mesin Komputasi dan Kecerdasan " (PDF, 89,8 KB) (tautan berada di luar IBM). Dalam makalah ini, Turing, yang sering disebut sebagai "bapak ilmu komputer", mengajukan pertanyaan berikut: "Bisakah mesin berpikir?" Dari sana, dia menawarkan tes, yang sekarang dikenal sebagai "Tes Turing", di mana interogator manusia akan mencoba membedakan antara komputer dan respons teks manusia. Meskipun tes ini telah mengalami banyak pengawasan sejak dipublikasikan, tes ini tetap menjadi bagian penting dari sejarah AI.
Salah satu buku teks AI terkemuka adalah Kecerdasan Buatan: Pendekatan Modern (tautan berada di luar IBM, [PDF, 20,9 MB]), oleh Stuart Russell dan Peter Norvig. Dalam buku tersebut, mereka menyelidiki empat potensi tujuan atau definisi AI, yang membedakan sistem komputer sebagai berikut:
Pendekatan manusia:
- Sistem yang berpikir seperti manusia
- Sistem yang bertindak seperti manusia
Pendekatan ideal:
- Sistem yang berpikir rasional
- Sistem yang bertindak secara rasional
Definisi Alan Turing akan masuk dalam kategori "sistem yang bertindak seperti manusia".
Dalam bentuknya yang paling sederhana, kecerdasan buatan adalah bidang yang menggabungkan ilmu komputer dan kumpulan data yang kuat untuk memungkinkan pemecahan masalah. Sistem pakar, aplikasi AI awal yang sukses, bertujuan untuk menyalin proses pengambilan keputusan manusia. Pada masa-masa awal, mengekstraksi dan mengkodifikasi pengetahuan manusia memakan waktu.
Tanpa kita sadari kita telah mengunakan AI dalam kehidupan sehari-hari seperti mecari informasi di google dan lain sebagainya (serach engine) , kita di rekomendasikan produk yang kita cari saat kita bermain media sosial, sistem pengenalan suara, pemindaian sidik jari pada smartphone dan masih banyak lagi contohnya.
Jenis- Jenis Kecerdasan Buatan
Ada dua jenis AI yaitu weak AI dan strong AI
- Weak AI .
- Weak Ai atau juga disebut Narrow AI atau Artificial Narrow Intelligence (ANI)—adalah AI yang dilatih untuk melakukan tugas tertentu. AI yang lemah menggerakkan sebagian besar AI yang ada di sekitar kita saat ini. 'Sempit' mungkin merupakan deskripsi yang lebih akurat untuk jenis AI ini karena sama sekali tidak lemah,Adapun contohnya seperti Siri Apple, Alexa Amazon, IBM Watson, dan kendaraan otonom
- Strong AI
- Storng AI terdiri dari Artificial General Intelligence (AGI) dan Artificial Super Intelligence (ASI). Artificial General Intelligence (AGI) adalah bentuk AI teoretis di mana mesin akan memiliki kecerdasan yang setara dengan manusia, itu akan memiliki kesadaran diri yang memiliki kemampuan untuk memecahkan masalah, belajar, dan merencanakan masa depan. Sedangkan Artificial Super Intelligence (ASI) juga dikenal sebagai superintelligence yang dapat melampaui kecerdasan dan kemampuan otak manusia. Seperti “A Space Odyssey” merupakan asisten computer yang diciptakan pada tahun 2001
Machine Learning & Deep Learning
Machine Learning adalah bagian dari AI yang memungkinkan mesin untuk belajar secara bertahap berdasarkan data, dan nantinya akan menghasilkan suatu prediksi secara otomatis. Machine learning ini mengadaptasi kemampuan manusia dalam belajar dan menghasilkan output sesuai dengan algoritma yang dilatih dengan data-data seperti apapun. Data yang masuk ke dalam mesin akan dipelajari, dianalisis, dan kemudian menghasilkan suatu prediksi, saran, ataupun keputusan.
Terdapat 7 tahapan proses dari machine learning dalam mempelajari data hingga nantinya menghasilkan prediksi, yaitu:
- Data Gathering
Mesin akan mengumpulkan data-data yang tepat dalam membangun model untuk menemukan pola yang sesuai. - Data Pre-processing
Data yang telah dikumpulkan akan diolah, divisualisasikan, dan dibagi menjadi 2 set. (Training Set & Testing Set). - Choose Model
Selanjutnya adalah memilih model machine learning yang sesuai dengan output yang diinginkan. - Train Model
Merupakan tahap paling penting karena machine learning akan menemukan pola sesuai algoritma yang dirancang untuk membuat prediksi. - Test Model
Machine learning akan melakukan pengujian terhadap pola yang ditemukan. Hal ini bertujuan untuk melihat bagaimana performa dari proses train model. - Tune Model
Setelah membuat dan menguji model machine learning, perhatikanlah apakah akurasi dapat ditingkatkan lagi melalui beberapa parameter. - Prediction
Pada tahap akhir ini, Anda dapat menggunakan model machine learning untuk melakukan prediksi dari data-data yang telah diproses sebelumnya.
Algoritma Deep Learning merupakan salah satu algoritma yang dapat digunakan untuk menyelesaikan permasalahan data. Deep Learning adalah suatu proses pembelajaran yang dilakukan oleh mesin dengan cara meniru cara kerja jaringan otak manusia atau yang biasa disebut dengan neural networks. Algoritma ini dapat digunakan untuk menyelesaikan permasalahan baik itu analisis pola atau clustering maupun klasifikasi.
