Prediksi Perkembangan Artificial Intelligence pada 2030: Transformasi Lintas Dimensi

Pada tahun 2030, AI kemungkinan tidak akan lagi diadopsi dengan skenario dan aplikasi sederhana. Ini akan diharapkan untuk mendeteksi penyakit yang mengancam jiwa pada tahap yang baru lahir, memprediksi kondisi cuaca di area yang luas selama beberapa bulan dan menjadi kolaborator digital untuk umat manusia. 

Ini hanya beberapa kemungkinan dampak potensial AI pada kehidupan dan pekerjaan di tahun-tahun mendatang. Laju perubahan belum pernah terjadi sebelumnya di sektor ini, dan berjanji akan terus berlanjut di tahun-tahun mendatang.

Dengan pembelajaran dan adopsi yang cepat, AI bukan lagi teknologi bola kristal tetapi sesuatu yang sekarang berinteraksi dengan manusia di hampir setiap bidang kehidupan. 

Faktanya, transformasi yang dipimpin oleh AI telah begitu meluas sehingga sangat memengaruhi pengalaman pengguna dan bagaimana manusia berinteraksi dengan merek dan teknologi. Dengan cara yang sedang tren, AI akan segera menjadi bagian tak terbantahkan dari kehidupan manusia dan masyarakat.

Adopsi yang meluas ini dan berbagai kasus penggunaan baru akan datang dari sifat AI yang berkembang pesat. Itu sudah mencapai komputasi yang lebih cepat, akurasi yang lebih tinggi dan komputasi yang lebih rendah dan biaya infrastruktur. 

Saat ini, AI berkembang di ketiga dimensi komputasi, data, dan algoritma yang menetapkan konteksnya di semua bidang kehidupan dan pekerjaan pada tahun 2030. Inilah arah yang saya lihat AI bergerak dalam kategori-kategori ini.

Komputasi

Dari semua faktor utama yang mendorong evolusi AI, komputasi adalah yang paling mudah untuk diukur. Dalam dekade mendatang, komputasi akan menyaksikan transformasi besar. 

Unit pemrosesan grafis (GPU) membuka jalan untuk Application-Specific Integrated Circuits (ASIC) dan Field Programmable Gate Arrays (FPGA). Ini karena ASIC dan FPGA menampilkan kinerja yang lebih baik daripada GPU.

ASIC akan menggunakan pemrosesan multicore untuk menjalankan fungsi AI yang kompleks, sehingga mengkonsumsi lebih sedikit daya. Faktanya, ASIC menjadi begitu luas sehingga Google telah berinvestasi dalam membangun unit pemrosesan tensor, ASIC yang dikembangkan untuk cloud.

FPGA akan melangkah lebih jauh, karena akan memungkinkan desainer untuk mengkonfigurasi ulang blok desainer. Investasi AWS dalam FPGA melalui AWS Inferential merupakan indikasi bahwa FPGA benar-benar mengubah komponen komputasi AI dalam dekade mendatang. 

Area transformasi lainnya adalah IPU (unit pemrosesan cerdas), yang berfokus pada paralelisasi masif model dimensi tinggi yang kompleks dan mendukung kepadatan komputasi yang tinggi. Ini semua adalah tanda dari transformasi mendalam yang sedang berlangsung dalam dimensi komputasi AI, sekarang dan dalam dekade mendatang.

Data

Komponen data AI akan berubah dalam hal berbagai sumber, tingkat detail, dan mode pemrosesan. Lebih banyak sumber dari IoT, lebih detail ketika data direkam setiap milidetik dan asupan data multi-modal dengan teknik DL berarti interaksi yang lebih kompleks akan diproses di masa mendatang. 

Data merupakan bagian integral dari evolusi AI karena ilmuwan data perlu mengakses kumpulan data dengan biaya yang efektif dan mengajarkan analisis mereka ke model pembelajaran mendalam (DL).

Sebuah revolusi sedang terjadi dalam hal bagaimana AI menggunakan data untuk membuat prediksi yang akurat. Sensor / perangkat IoT menghasilkan debu digital. Log dari sistem dampak tingkat milidetik menghasilkan data pada rentang hidup waktu kuantum. 

Pengguna menghasilkan data dari titik kontak tradisional ke sistem yang menghasilkan zettabytes data dalam proses fisik dasar (misalnya reaksi kimia), yang bersama-sama diatur untuk mengubah cara AI menyimpulkan data. Menyimpulkan data dari sumber yang tidak jelas menjadi hal yang normal baru.

Tanda-tanda ini menunjukkan revolusi dalam dimensi data AI, dan revolusi ini akan tak terbendung dalam dekade mendatang.

Algoritma

Dengan kemajuan lebih lanjut dalam jaringan saraf tiruan (JST), cara AI berpikir tentang suatu situasi tidak akan terlalu jauh dari bagaimana manusia memandang situasi yang sama. Ini penting karena kita kemudian dapat membuat model DL, yang membuat analisis yang tepat bahkan dengan data yang terbatas.

Setiap hari algoritma baru sedang dikembangkan yang berfokus pada penanganan data yang kompleks, kecepatan, komputasi paralel, biaya, akurasi dan presisi. Misalnya, pembelajaran beberapa bidikan difokuskan pada pembelajaran lebih banyak dan lebih dalam dengan ukuran set data berlabel yang lebih kecil. 

DL Terdistribusi membuat serangkaian algoritma untuk memfasilitasi paralelisasi pemrosesan tensor untuk membuat komputasi lebih cepat. GPT3 hampir menyelesaikan setiap tugas NLP yang mungkin dengan akurasi tertinggi.

Para ahli memanfaatkan konsep trafo dalam visi komputer untuk membuat algoritme lebih sadar konteks, sehingga mengurangi upaya melatih gambar melalui semua kemungkinan orientasi. Auto-encoder variasi sedang digunakan untuk deteksi anomali bebas domain tanpa pengawasan.

Ada juga penekanan yang lebih besar pada pembelajaran penguatan, dengan pendekatan pembelajaran induktif seperti pembelajaran tanpa model ikut bermain. Kerangka kerja pelatihan paralel memungkinkan pembelajaran yang lebih baik dalam sistem multi-agen. 

Ini akan mengarah pada penciptaan sistem co-bot atau robot kolaboratif yang benar-benar berdampak. Semua perkembangan ini akan masuk ke transformasi lengkap dari komponen algoritma.

Kesimpulan

Raksasa teknologi besar seperti Google, Facebook, dan Microsoft telah berinvestasi dalam skalabilitas AI di berbagai sektor bisnis. Pada tahun 2030, saya memperkirakan tidak akan ada bidang yang tidak tersentuh oleh AI. 

Teknologi ini sedang dalam perjalanan untuk memberikan cakupan yang lebih luas, menjadi jauh lebih cepat dan sangat murah sehingga akan menjadi bagian tidak hanya dari organisasi besar tetapi juga kehidupan sehari-hari setiap orang biasa. 

AI akan menjadi teknologi seluler baru, menyeluruh, dan benar-benar kuat. Kita akan hidup di dunia yang digerakkan oleh AI, dan saya percaya bahwa organisasi yang mulai mempersiapkan transformasi ini hari ini adalah organisasi yang akan berkembang dalam dekade berikutnya.

Dekade ini akan benar-benar menjadi milik mereka yang memahami pentingnya data, algoritma, dan arsitektur komputasional, serta dapat menggunakan transformasi di ruang-ruang ini dengan cara yang benar-benar efektif. AI akan mengubah berbagai sektor dan bagaimana para pemimpin industri dapat mempersiapkan perusahaan mereka untuk inovasi ini.