Materi Pertemuan 1

Nama : Naufal Akbar Reza

Kelas : 17.4E.07

NIM  : 17190563

Kecerdasan Buatan

Kecerdasan buatan atau Artificial Intelligence (AI)  

 

adalah simulasi dari kecerdasan yang dimiliki oleh manusia yang dimodelkan di dalam mesin dan diprogram agar bisa berpikir seperti halnya manusia. Sedangkan menurut Mc Leod dan Schell,  kecerdasan buatan adalah aktivitas penyediaan mesin seperti komputer dengan kemampuan untuk menampilkan perilaku yang dianggap sama cerdasnya dengan jika kemampuan tersebut ditampilkan oleh manusia.

Dengan kata lain AI merupakan sistem komputer yang bisa melakukan pekerjaan-pekerjaan yang umumnya memerlukan tenaga manusia atau kecerdasan manusia untuk menyelesaikan pekerjaan tersebut.

AI sendiri merupakan teknologi yang memerlukan data untuk dijadikan pengetahuan, sama seperti manusia. AI membutuhkan pengalaman dan data supaya kecerdasannya bisa lebih baik lagi. Poin penting dalam proses AI adalah learning, reasoning dan self correction. AI perlu belajar untuk memperkaya pengetahuannya. Proses belajar AI pun tidak selalu disuruh oleh manusia, melainkan AI akan belajar dengan sendirinya berdasarkan pengalaman AI saat digunakan oleh manusia.

Hal yang cukup menarik dari AI adalah ia mampu melakukan self correction atau mengoreksi diri sendiri. Jika kamu pernah mendengar ungkapan AI “Jika aku tidak pernah menang, maka setidaknya aku tidak boleh kalah” sedikit ngeri juga ya. AI memang diprogram untuk itu terus belajar dan membenahi diri sendiri dari kesalahan yang pernah dibuatnya.

 

Konsep Dasar Kecerdasan Buatan (Artificial Intelligence) 

 

 Kemajuan yang di hasilkan dari Artificial Intelligence atau lebih di kenal dengan kecerdasan buatan sangat mengejutkan. Upaya untuk memajukan konsep AI selama 20 tahun terakhir telah menghasilkan beberapa inovasi yang benar-benar luar biasa. Hasil inovasi yang mungkin sudah di kenal oleh banyak orang misalnya Big Data, penelitian medis, dan kendaraan otonom. Teknologi tadi hanyalah beberapa dari banyaknya aplikasi luar biasa yang muncul dari pengembangan AI.

Untuk memahami beberapa konsep yang lebih dalam, seperti pengelolaan data, pemrosesan bahasa alami (NLP), dan pengelolaan perangkat lunak, Anda perlu mengetahui tiga konsep dasar dari AI yaitu pembelajaran mesin (Machine Learning), pembelajaran mendalam (Deep Learning), dan jaringan saraf tiruan (Neural Network). AI biasanya dianggap sebagai istilah yang lebih luas, sedangkan pembelajaran mesin dan dua konsep AI lainnya merupakan bagian dari itu.Berikut 3 Konsep Dasar AI :

Pembelajaran Mesin (Machine Learning)

Saat ini mungkin tanpa sadar kita sudah berinteraksi dengan beberapa bentuk kecerdasan buatan dalam aktivitas sehari-hari. Misalnya saja jika Anda menggunakan Gmail, Anda dapat menikmati fitur penyaringan email otomatis atau jika Anda memiliki ponsel cerdas, Anda mungkin bisa mengisi kalender dengan bantuan Siri. Meskipun perangkat lunak ini sangat membantu, perangkat tersebut tidak memiliki kemampuan untuk belajar secara mandiri. Hal itu dikarenakan perangkat tadi tidak bisa berpikir di luar kode yang sudah diberikan kepada mereka.

Pembelajara mesin adalah cabang dari AI yang bertujuan untuk memberikan mesin kemampuan dalam mempelajari tugas tanpa kode yang sudah ada. Dalam istilah yang paling sederhana, mesin tersebut akan diberikan contoh uji coba dalam jumlah yang besar untuk tugas tertentu. Ketika mesin tadi menjalani uji coba, mesin itu akan belajar dan mengadaptasi strategi yang sesuai untuk mencapai tujuan yang diinginkan. Misalnya, mesin pengenal gambar dapat diberikan jutaan gambar untuk dianalisis. Setelah melalui permutasian yang panjang, mesin akan memperoleh kemampuan untuk mengenali pola, bentuk, wajah, dan masih banyak lagi.

Pembelajaran Mendalam (Deep Learning) 

Pembelajaran mendalam adalah teknik pembelajaran mesin yang mengajarkan komputer untuk melakukan apa yang secara alami terjadi pada manusia: belajar dengan cara mencontoh. Pembelajaran mendalam adalah teknologi utama di balik mobil tanpa kemudi (driveless car). Itu memungkinkan mereka untuk mengenali tanda berhenti, atau untuk membedakan pejalan kaki dengan tiang lampu. Ini adalah kunci dari kontrol suara di perangkat konsumen seperti ponsel, tablet, TV, dan speaker hands-free. Pembelajaran mendalam mendapatkan banyak perhatian belakangan ini karena dapat mencapai hasil yang sebelumnya tidak mungkin. Dalam deep learning, model komputer belajar untuk melakukan tugas klasifikasi langsung dari gambar, teks, atau suara. Model pembelajaran yang mendalam dapat mencapai akurasi yang canggih, terkadang melebihi kinerja tingkat manusia. Model dilatih dengan menggunakan set besar data berlabel dan arsitektur jaringan saraf yang berisi banyak lapisan.

Jaringan Saraf Tiruan (Neural Network)

Neural Network atau juga disebut sebagai jaringan saraf tiruan adalah berbagai teknologi pembelajaran yang mendalam, yang juga berada di bawah naungan kecerdasan buatan atau AI. Neural Network adalah paradigma pemrosesan informasi yang terinspirasi dari cara sistem saraf biologis, seperti otak yang memproses informasi. Kunci elemen dari paradigma ini adalah struktur novel dari sistem pemrosesan informasi.

 

Contoh Pemakaian AI

1. Deep face, Salah satu contoh dari AI adalah teknologi DeepFace yang dimiliki oleh Facebook. AI ini berfungsi untuk mengenali wajah orang yang ada pada postingan foto. Dengan teknologi ini, kamu tidak perlu lagi menandai seseorang yang ada pada foto secara manual, karena AI ini yang akan melakukannya.
2. Virtual Assis, Virtual asisten  ini juga bisa kamu perintah untuk melakukan pengiriman pesan, memutar musik, membuka aplikasi dan lain sebagainya. Virtual asisten  ini juga akan terus belajar seiring kamu menggunakannya, sehingga virtual asisten  dapat mengetahui apa yang kamu sukai dan hal apa yang biasa kamu lakukan. Contoh, Google Assist, Siri, Alexa, Cortana, Bixby dll