Ketika kita memikirkan AI, kebanyakan dari kita memikirkan film fiksi ilmiah di mana robot membantu kita menyiapkan makanan dan melakukan pekerjaan rumah tangga. Kami tidak ada di sana, tetapi kami sudah melihat tanda-tanda pertama otomatisasi dan kecerdasan di perangkat yang kami gunakan secara teratur.
Hari ini, ketika kami meminta Alexa Amazon untuk menambahkan item ke keranjang belanja kami dan meminta Asisten Google untuk menemukan restoran Cina yang bagus di sekitar, kami hanya berinteraksi dengan AI. Dengan bantuan AI, situs web sekarang dapat memprediksi apa yang mungkin kita butuhkan di masa depan. Ada juga perangkat lunak yang dapat mengenali objek di sekitar kita, dan asisten suara seperti Siri dan Cortana memahami perintah suara kita.
AI melatih mesin kami untuk menunjukkan perilaku seperti manusia. Ponsel dapat mengidentifikasi pengguna melalui pengenalan wajah, menjawab panggilan untuk kami, dan juga mengatur preferensi berdasarkan penggunaan kami sebelumnya. Dan saat melakukan itu, itu juga menarik bagi kita untuk memahami bagaimana AI bisa melakukan itu. Mari kita coba untuk lebih memahami AI dan perkembangannya.
Bagaimana cara kerja pembelajaran AI?
Proses kunci untuk pembelajaran AI atau pembelajaran mesin adalah jaringan saraf. Sama seperti otak manusia yang memiliki lapisan berbeda yang bertukar data, jaringan ini didasarkan pada algoritma yang saling berhubungan yang berbagi informasi satu sama lain. Ketika AI perlu mengidentifikasi atau mempelajari sesuatu yang baru, ia melewati atribut data dalam algoritme ini. Selama pelatihan, bobot yang diberikan pada informasi terus berubah hingga keluaran jaringan saraf sangat dekat dengan keluaran yang diinginkan.
Ingatlah untuk mengidentifikasi kucing. Tentunya sebagai manusia, atribut kucing seperti telinga yang tajam, hidung yang kecil, dan ekor yang pendek sudah tidak asing lagi bagi kita. Namun, komputer tidak dapat menghubungkan atribut seperti manusia. Setiap kali AI perlu mengidentifikasi gambar, ia terutama mencari lapisan luar dan kemudian mencari atribut dan bentuk tertentu. Data yang dikumpulkan kemudian dibagikan dan dicocokkan dengan informasi yang ada di jaringan saraf sampai hasil akhir ditentukan.
AI dengan gambar umumnya menggunakan pendekatan tradisional dengan mengunggah atribut gambar langsung ke jaringan saraf. Terlihat sangat berbeda ketika kita menggunakan asisten suara seperti Siri, Cortana atau Google Assistant. Perangkat lunak ini mengikuti pendekatan saraf berulang di mana perintah suara disimpan sementara di memori internal. Perintah suara ini diproses oleh jaringan saraf dan kemudian dicocokkan dengan perintah yang disimpan untuk menghasilkan keluaran akhir.
Apa jaringan saraf terkemuka?
Karena AI memainkan peran penting dalam teknologi dan layanan modern, setiap perusahaan teknologi besar berjuang untuk mengembangkan jaringan AI yang kuat. Platform cloud besar seperti Amazon Web Services dan Google Cloud menyediakan infrastruktur yang diperlukan seperti penyimpanan cloud, data dalam jumlah besar untuk perangkat pelatihan, dan alat untuk menampilkan hasil dengan jelas.
Google baru-baru ini membuka akses ke jaringan TensorFlow, yang memungkinkan pengembang menjelajahi perpustakaan data dan alat pengembangan AI yang luas. Demikian juga, Amazon juga memiliki jaringan saraf sendiri yang disebut Amazon SageMaker, yang banyak digunakan di perangkat yang diberdayakan Alexa.
Ada juga beberapa jaringan sumber terbuka seperti OpenAI yang membantu pengembang mengakses data dan alat untuk pengembangan AI.
Bagaimana aplikasi mendapat manfaat dari jaringan saraf?
AI telah ada sejak lama dan biasanya digunakan dalam teknologi kompleks seperti sistem autopilot pesawat dan otomatisasi pabrik. Namun, setelah 2015, menjadi lebih mudah diakses oleh pengguna. Ini terutama dimungkinkan karena jaringan luas jaringan saraf dan sensor, yang terus-menerus bertukar data.
Menggunakan jaringan TensorFlow Google, aplikasi seperti Google Lens sekarang dapat mengidentifikasi objek di sekitar Anda dan bahkan mengarahkan Anda ke situs web tempat Anda dapat membelinya. Aplikasi lain seperti Foto Google memindai perpustakaan foto pengguna untuk mengidentifikasi objek dan bahkan orang. Saat berikutnya Anda mengklik foto di dekat objek yang mirip atau dengan seseorang, aplikasi akan secara otomatis mencoba membuat album dengan kesamaan yang cocok.
AI juga memiliki banyak kaitan dengan pengalaman belanja online kami. Situs web belanja terus-menerus merekam kueri penelusuran pengguna dan pola pembelian mereka, mencoba merekomendasikan produk yang mungkin mereka butuhkan. Ini juga membantu situs web ini menganalisis tren baru dan menjadikan belanja online pengalaman yang jauh lebih baik.
AI juga menunjukkan integrasi yang kuat dengan industri hiburan. Saat kami menelusuri atau menonton video dari kategori tertentu di YouTube, AI mencoba menganalisis pola selancar kami dan sering membanjiri beranda kami dengan video serupa. Bahkan platform streaming video seperti Netflix membuat perpustakaan bagi pengguna untuk menganalisis jenis konten yang biasanya mereka tonton. Itu bahkan mengumpulkan hasil pencarian dari film atau acara dengan genre dan alur cerita yang serupa, bukan hanya kata kunci.
Bagaimana AI menjadi lebih baik?
Terobosan terbesar untuk AI dalam beberapa tahun terakhir adalah ketersediaan data dan perangkat keras yang sangat besar. Sebelum 2015, algoritme AI diproses oleh CPU inti, yang membutuhkan banyak waktu. Namun, setelah pengenalan koprosesor AI atau DSP (pemroses sinyal digital), banyak hal telah berubah secara drastis. Co-prosesor ini jauh lebih efisien dan secara radikal mengurangi latensi komputasi AI.
Contoh dari chip khusus tersebut adalah Qualcomm Snapdragon 855 yang baru-baru ini diperkenalkan dengan Hexagon 690 DSP. Ini didasarkan pada Unit Pemrosesan Tensor (TPU) Google, yang menawarkan kecepatan pemrosesan lebih tinggi. Akan menarik untuk melihat bagaimana kinerja perangkat yang dilengkapi Snapdragon 855 karena ini adalah satu-satunya CPU yang memiliki prosesor Tensor khusus. Demikian pula, Apple telah menggunakan co-prosesor Bionic A11 dan A12 di iPhone terbaru (iPhone 8 dan yang lebih baru). Prosesor 8-core ini mendukung aplikasi seperti Siri, kamera, dan bahkan pengenalan wajah.
Ketika industri AI menjadi semakin kompetitif, raksasa teknologi ini terus berfokus pada pengembangan perangkat keras yang kuat untuk membuat AI lebih efisien dan mulus dari sebelumnya.
AI dan masa depannya
Setelah asisten suara Amazon Alexa pertama kali diluncurkan, banyak pengguna melaporkan masalah dengan pengenalan suara. Namun, saat pembelajaran AI menjadi lebih baik, ia belajar memahami dan merespons bahasa daerah. Ketika para peneliti terus mengembangkan kemampuan bahasa AI, berbicara dengan komputer adalah norma di samping bentuk tradisional interaksi manusia-mesin.
AI juga telah meningkatkan kemampuan perangkat lunak pengenalan wajah ke titik di mana raksasa teknologi China Baidu mengatakan dapat mencocokkan wajah dengan akurasi 99 persen. Dalam waktu dekat, kita bahkan dapat mengharapkan AI memiliki dampak dramatis pada perawatan kesehatan, membantu dokter mengidentifikasi tumor, membantu peneliti mengidentifikasi urutan genetik yang terkait dengan penyakit, dan banyak lagi.
Harapan kami agar robot dapat mengurus pekerjaan rumah tangga mungkin tidak menjadi kenyataan tahun ini, tetapi kami sudah memiliki mobil otomatis yang mengemudikan untuk kami. Meskipun tidak berfungsi penuh, pembuat mobil seperti Tesla telah berhasil menguji kendaraan yang memantau kesadaran pengemudi, mempertahankan kecepatan dan jalur. Aplikasi Google Duplex baru-baru ini didemonstrasikan di Google I/O bahkan menerima panggilan dan membuat janji untuk kami. Dengan integrasi AI yang terus meningkat ke dalam perangkat dan layanan, kemungkinan apa yang dapat dilakukan AI di masa depan membuka banyak pintu untuk imajinasi.
