Kecerdasan buatan adalah sistem yang meniru kemampuan kognitif
Istilah AI, machine learning, dan model bahasa sering dipakai bergantian, padahal keempatnya berlapis. Memahami lapisnya membuat sisanya jauh lebih mudah.
Ringkasan
- Kecerdasan buatan adalah sistem yang meniru kemampuan kognitif manusia: mengenali pola, memahami bahasa, dan mengambil keputusan.
- Machine learning adalah salah satu pendekatan di dalamnya, bukan istilah yang setara.
- Model bahasa besar adalah lapis paling dalam, bukan sinonim dari kecerdasan buatan.
- Yang ada hari ini semuanya sempit: hebat pada satu jenis tugas, tidak pada tugas lain.
- Sistem ini memprediksi pola, bukan memeriksa kebenaran — dan itu sumber kekeliruannya.
Apa itu kecerdasan buatan
Kecerdasan buatan adalah sistem komputer yang menjalankan tugas yang biasanya menuntut nalar manusia. Contohnya mengenali gambar, memahami bahasa, atau mengambil keputusan dari data.
Istilah aslinya artificial intelligence. Dalam bahasa Indonesia dipakai dua bentuk yang sama-sama benar: kecerdasan buatan dan kecerdasan artifisial.
Yang membedakannya dari perangkat lunak biasa terletak pada cara aturannya muncul. Program biasa menjalankan aturan yang ditulis pemrogramnya. Sistem ini menyusun aturannya sendiri dari contoh yang diberikan.
Karena itu ia bisa menangani hal yang tidak terbayangkan saat dibuat. Dan karena itu pula ia bisa keliru dengan cara yang tidak terduga.
Empat lapis yang sering dipakai bergantian
Keempat istilah ini bukan hal yang berbeda-beda, melainkan lingkaran yang bersarang. Setiap lapis berada di dalam lapis di atasnya.
| Lapis | Artinya | Contoh |
|---|---|---|
| Kecerdasan buatan | Payung terluas untuk sistem yang meniru nalar manusia. | Sistem rekomendasi, pengenalan wajah, asisten suara. |
| Machine learning | Pendekatan yang menemukan pola dari data, bukan diprogram aturannya. | Penyaring surel sampah yang belajar dari contoh. |
| Deep learning | Machine learning berlapis banyak, terinspirasi jaringan saraf. | Pengenalan objek pada foto dan video. |
| Model bahasa besar | Deep learning yang dilatih pada teks dalam jumlah sangat besar. | Asisten percakapan yang menulis dan meringkas. |
Tiga tingkat kemampuan
Pembagian yang paling sering dipakai berdasarkan luas kemampuannya. Ada tiga tingkat, dan hanya satu yang benar-benar ada hari ini.
AI sempit
Dirancang untuk satu jenis tugas. Sistem yang mengenali wajah tidak bisa menerjemahkan bahasa, dan sebaliknya.
Seluruh sistem yang Anda pakai hari ini masuk kategori ini — termasuk asisten percakapan yang terasa serba bisa. Kemampuannya luas pada satu jenis tugas, yaitu mengolah teks.
AI umum
Mampu mengerjakan tugas apa pun sebaik manusia, termasuk memindahkan pengalaman dari satu bidang ke bidang lain. Ini masih gagasan, belum ada wujudnya.
Superintelijensi
Melampaui kemampuan manusia di semua bidang. Sepenuhnya hipotetis, dan sebaiknya diperlakukan sebagai bahan diskusi, bukan perkiraan jadwal.
Membedakan ketiganya penting saat membaca kabar teknologi. Klaim yang terdengar besar sering sebenarnya tentang kemajuan pada kategori pertama.
Batas kemampuannya hari ini
Memahami cara kerjanya membuat batasnya masuk akal. Sistem ini memprediksi kelanjutan pola berdasarkan data latihnya. Ia tidak memeriksa apakah keluarannya benar.
Model bahasa besar adalah contoh paling mudah dilihat. Ia menyusun kalimat dengan memprediksi kata berikutnya, bukan dengan memeriksa arsip fakta.
Bisa salah dengan meyakinkan. Kalimat yang tersusun rapi tidak menandakan isinya akurat. Untuk pekerjaan yang menuntut ketepatan, keluarannya tetap perlu diperiksa ke sumber aslinya.
Terbatas pada data latihnya. Pola yang tidak ada dalam data tidak akan dikenali. Bias dalam data ikut terbawa ke keluarannya.
Tidak memahami sebab-akibat. Ia mengenali bahwa dua hal sering muncul bersama, bukan bahwa yang satu menyebabkan yang lain.
Batas-batas ini bukan alasan menghindarinya. Ia alasan menempatkannya sebagai alat bantu, dengan orang yang tetap bertanggung jawab atas hasilnya.
Panduan lain di IDN96
Memahami tahapan pendanaan startup
Arti seed hingga Seri C, valuasi, dilusi, dan cara membaca angkanya.
Dampak akuisisi bagi pengguna
Nasib data akun, perubahan harga, dan cara mengamankan data sebelum tenggat.
Tentang tulisan ini
- Ditulis oleh
- Muhammad Riski, editor kecerdasan buatan, kanal Kecerdasan Buatan. Bidang yang ia kuasai dan susunan penanggung jawab ada di halaman Redaksi.
- Jenis tulisan
- Penjelas evergreen. Menjelaskan cara kerja dan cara menilai, bukan melaporkan peristiwa bertanggal.
- Cara kami menyusun
- Setiap klaim ditelusuri ke sumber primer dan disunting oleh editor yang tidak menulis artikel ini. Alur lengkapnya dijelaskan di pedoman redaksi.
- Menemukan kekeliruan?
- Kirim ke [email protected] dengan menyertakan tautan halaman ini. Ditanggapi dalam satu hari kerja lewat prosedur koreksi.
- Kepentingan komersial
- Tulisan ini bukan konten bersponsor dan tidak dibayar pihak mana pun.
Rujukan
- Google Cloud — penjelasan resmi berbahasa Indonesia tentang apa itu kecerdasan buatan dan hubungannya dengan machine learning: cloud.google.com.
- Wikipedia bahasa Indonesia — lema kecerdasan buatan beserta rujukan akademisnya: id.wikipedia.org.