Bermula di era Yunani Kuno, kecerdasan buatan mengalami pertumbuhan signifikan sampai hari ini. Setidaknya, hal tersebut tergambar dari peningkatan dana investasi di bidang kecerdasan buatan. Menurut situs forbes.com, investasi di bidang kecerdasan buatan mengalami pertumbuhan dari 29 Juta USD(386 triliun rupiah, kurs Rp. 13.300) menjadi 39 Juta USD(519 triliun Rupiah, kurs Rp. 13.300) di tahun 2016. Pertumbuhan ini meningkat 3x dibanding tahun 2013.
Perusahaan teknologi seperti Google, Baidu, Amazon, bahkan Netflix tercatat menambah anggaran untuk pengembangan kecerdasan buatan pada platform-nya. Pun perusahaan di bidang teknologi, otomotif, telekomunikasi, dan finansial sangat antusias untuk mengaplikasikan kecerdasan buatan pada produk atau service-nya.
Dikutip dari artikel berjudul“How artificial intelligence can deliver real value to companies”, ketertarikan perusahaan terhadap kecerdasan buatan tidak lain karena teknologi ini mampu meningkatkan revenue dan sekaligus menghemat pengeluaran perusahaan. Selain itu, efektivitas perusahaan pun meningkat dengan menyelaraskan teknologi kecerdasan buatan dengan kebutuhan. Sebut saja seperti perusahaan produsen mobil. Penggunaan kecerdasan buatan akan menghemat biaya operasional produksi dan berpotensi membantu perusahaan untuk menciptakan kendaraan self-driving. Bagi perusahaan finansial, kecerdasan buatan dipakai untuk meningkatkan kepuasan pelanggan.
Dari sisi pemasaran digital, situs eMarketer mengutip hasil survei NewBase dimana kemampuan kecerdasan buatan sangat menarik perhatian para marketer dunia(Amerika, Asia-Pasifik, Eropa, Timur Tengah, dan Afrika). Perhatian mengenai kecerdasan buatan oleh pelaku industri pemasaran digital meningkat dari 13% menjadi 30% persen. Proses pengumpulan data, analisis, dan penentuan strategi pemasaran membutuhkan waktu cukup lama dan biaya tidak murah. Kecerdasan buatan mampu menyelesaikan proses tersebut tidak lebih dari 30 menit disertai biaya yang lebih hemat.
Berdasar dari Survei NewBase yang dilakukan pada Maret hingga April 2017, kecerdasan buatan(Artificial Intelligence) menempati peringkat ke-7. Meski begitu, fenomena big data yang berada di posisi kedua secara tidak langsung akan mendorong kecerdasan buatan menjadi sangat penting. Arus informasi yang cepat dan jumlah data yang semakin bertumpuk-tumpuk membutuhkan teknologi baru untuk menyederhanakan kedua hal tersebut. Di sinilah peran penting kecerdasan buatan. Kemampuan teknologi kecerdasan buatan dalam mengelola data dalam jumlah besar menempatkannya sebagai teknologi paling dibutuhkan saat ini. Bukan hanya bagi perusahaan.
Bagi masyarakat, kecerdasan buatan amat membantu kehidupan sehari-hari. Ambil contoh teknologi ramalan cuaca, penyaring e-mail spam, prediksi di mesin pencari, mengurangi berita bohong(hoax) di media sosial, serta memberi rekomendasi berita relevan di berbagai news platform. Semua teknologi yang biasa bersentuhan langsung dengan manusia tersebut sudah mengimplementasikan teknologi kecerdasan buatan, meski masih tergolong sederhana. Menariknya, sisi“dapur” teknologi kecerdasan buatan sebenarnya serupa dengan kemampuan manusia.
Konsep Artificial Intelligence, Machine Learning, dan Deep Learning
Bagaimana kecerdasan buatan mampu membedakan email spam atau bukan? Atau bagaimana pula sebuah mesin mampu mengotomasi proses marketing yang kompleks menjadi lebih efektif dan efisien? Sebelum jauh melangkah, kita buat kesepakatan terlebih dulu soal istilah“mesin”. Kata“mesin” di paragraf selanjutnya bermakna mesin secara fisik dan atau program komputer.
Cara kerja kecerdasan buatan hampir mirip dengan kemampuan manusia dalam memproses informasi. Mulai dari menerima, menyimpan, mengolah, memutuskan, dan mengubah informasi menjadi beragam rupa. Tahapan ini disebut sebagai intelligence cycle. Bagi manusia, setiap tahap intelligence cycle di-manage oleh organ tertentu(indra, saraf, dan otak). Pun demikian pada kecerdasan buatan.
Pada perkembangannya, kecerdasan buatan melahirkan tiga istilah yaitu Artificial Intelligence, Machine Learning, dan Deep Learning. Ketiganya saling berkaitan satu sama lain dan berperan sebagai ilustrasi dari intelligence cycle. Sederhananya, Machine Learning adalah bagian dari Artificial Intelligence dan Deep Learning adalah bagian dari Machine Learning. Ketiga istilah tersebut merupakan satu kesatuan dengan tujuan yang sama, yaitu kecerdasan buatan.
Artificial Intelligence
Artificial Intelligence merupakan gagasan awal kecerdasan buatan, dimana sebuah mesin(atau program komputer) memiliki kemampuan belajar secara“mandiri” dan mampu beradaptasi dengan informasi baru. AI diproyeksi sebagai mesin dengan kemampuan berperilaku, berpikir, dan mengambil keputusan serupa manusia atau bahkan mengalahkan manusia.
AI sendiri terbagi menjadi dua macam yaitu AI lemah dan AI kuat. AI lemah dibuat untuk menuntaskan tugas-tugas sederhana. AI semacam ini sudah bisa kita temui berupa asisten digital seperti Siri dan Cortana. Meski mampu memprediksi cuaca secara tepat, asisten digital ini tidak mampu membaca dan menghapus email tidak penting karena belum mampu berperilaku di luar program orisinilnya. Sedangkan AI kuat, ia dapat mempelajari hal-hal baru dan memodifikasi basis kodenya sendiri. Supaya menjadi AI kuat, kecerdasan buatan memerlukan sebuah sistem kinerja tertentu. Dan, itu berhubungan istilah Machine Learning.
Machine Learning
Machine Learning merupakan upaya“mendidik” mesin supaya memiliki kemampuan untuk belajar dari pengalaman melalui sekumpulan set kasus. Pemberian set-set kasus ini bertujuan supaya mesin memiliki gambaran general mengenai informasi. Apabila muncul kasus baru, menggunakan teknik tersebut, mesin diharapkan mampu menciptakan keputusan dengan tingkat akurasi tinggi berdasarkan elemen-elemen di dalam informasi(aspek, kriteria, karakteristik, faktor, dan akibat) yang sudah ia terima sebelumnya.
Machine learning dibangun menggunakan algoritma tertentu, contohnya decision tree learning dan association rule learning. Algoritma machine learning terinspirasi oleh cara kerja neuron otak manusia berupa jaringan saraf buatan, dimana jaringan saraf tersebut memiliki beberapa lapisan. Jaringan saraf berperan sebagai penghubung antar lapisan, sedangkan lapisan-lapisan menjadi pos pengumpul informasi berdasar proses penyaringan tertentu dari jaringan saraf.
Ilustrasi sederhananya seperti demikian. Informasi baru muncul. Ia akan masuk ke lapisan pertama. Setiap jaringan saraf meneruskan informasi tersebut berdasarkan kategori, karakter, dan atau unsur tertentu ke lapisan kedua. Karena setiap jaringan memiliki pola kerja sendiri-sendiri, maka output masing-masing jaringan akan berbeda satu dengan yang lain. Pada lapisan kedua, informasi akan kembali didistribusikan ke lapisan selanjutnya melalui jaringan saraf hingga menghasilkan output akhir yang“tepat”.
Lapisan-lapisan tersebut bukan hanya menjadi pos pengumpul informasi atau output, ia berperan pula sebagai lokasi pembanding antar output yang berasal dari jaringan saraf. Semakin banyak informasi yang masuk, maka semakin beragam output yang diterima dan dibandingkan. Pola ini akan terus berjalan hingga ditemui sebuah output sesuai kebutuhan. Bagi mesin, pola ini membantu dirinya untuk mempelajari dan mengidentifikasi informasi. Di tahap selanjutnya, ia juga mampu mencipta keputusan dengan tingkat akurasi tinggi.
Supaya sebuah kecerdasan buatan memiliki kemampuan seperti ilustrasi sebelumnya, dibuatlah 3 metode pembelajaran bagi mesin, yaitu:
Supervised Learning. Mesin diberi seperangkat kasus berlabel(training set) dan diminta membuat model umum untuk melakukan tindakan dari kasus lain.
Unsupervised Learning. Mesin diberi seperangkat kasus tanpa label dan diminta untuk menemukan pola di dalamnya. Metode ini bertujuan supaya mesin mampu menemukan pola tersembunyi pada sebuah kasus.
Reinforcement Learning. Mesin diminta untuk mengambil tindakan dan diberi hadiah. Sistem harus mempelajari tindakan mana yang akan menghasilkan penghargaan dalam situasi tertentu.
Meski bisa dibilang lebih“maju” dibanding AI, Machine learning akan mengalami masalah apabila dihadapkan pada data resource yang banyak. Oleh sebab itu, tahap ini akan dikondisikan oleh Deep learning.
Konsep Artificial Intelligence, Machine Learning, dan Deep Learning