Ulasan

Pengenalan Konsep Kecerdasan Artifisial / Artificial Intelligence

5 Mins read

Sudah sering kita temukan di media massa mengenai istilah kecerdasan artifisial atau lebih dikenal dengan teknologi artificial intelligence (AI). Bahkan sebenarnya secara tidak sadar, teknologi kecerdasan artifisial ini sudah kita gunakan dalam kehidupan sehari-hari. Misalnya saja, kita sudah terbiasa memakai fasilitas mesin pencarian yang disediakan oleh Google yang menggunakan teknologi AI untuk menemukan informasi yang persis atau mendekati kata kunci yang kita cari. Contoh lainnya adalah ketika Facebook dapat mengenali wajah penggunanya di foto-foto yang diunggah ke situsnya. Selain kedua contoh tersebut, tentunya masih banyak lagi penggunaan kecerdasan artifisial di berbagai bidang.

Apa sebenarnya teknologi AI itu? Pada artikel permulaan ini, kita akan membahas mengenai konsep kecerdasan artifisial mulai dari definisi, perkembangan dan alasan AI menjelma menjadi entiti penting di abad ini. Artikel ini mengacu pada buku “Artificial Intelligence: A modern approach sebagai sumber utama tulisan dan ditambah sumber-sumber lainnya sebagai pendukung. Secara definisi atau arah perkembangannya, sebuah sistem cerdas atau AI dapat dikelompokkan menjadi empat kategori berikut.

Bertindak secara manusiawi: Pendekatan Turing Test

Alan Turing yang dikenal sebagai bapak ilmu komputer modern mendefinisikan perilaku cerdas sebagai kemampuan untuk mencapai kinerja yang menyamai tingkatan manusia dalam menyelesaikan semua tugas-tugas kognitifnya. Hal ini dapat dibuktikan dengan suatu pengujian apakah sistem cerdas tersebut dapat mengelabui manusia sebagai lawan mainnya. Metode ini kemudian populer dengan istilah “Turing Test”.

Secara garis besar, sebuah sistem akan membutuhkan gabungan dari beberapa kapabilitas berikut untuk dapat lolos Turing Test.

  • Natural Language Processing (NLP): dapat berkomunikasi secara lancar menggunakan satu bahasa tertentu yang dimengerti manusia,
  • Knowledge Representation: dapat menyimpan informasi-informasi yang diberikan sebelum atau selama proses pengujian,
  • Automated Reasoning: dapat memanfaatkan informasi yang disimpannya untuk menjawab pertanyaan atau menarik suatu kesimpulan,
  • Machine Learning: dapat beradaptasi terhadap situasi dan keadaan yang baru dan mengenali serta memperkirakan pola-pola.

Kapabilitas tersebut di atas dibutuhkan dengan catatan bahwa pengujian mengesampingkan adanya kontak fisik antara manusia dengan sistem cerdas tersebut. Tentunya akan lebih banyak lagi kapabilitas yang harus dimiliki oleh suatu sistem cerdas jika mempertimbangkan kontak fisik seperti computer vision, robotika, dan lain-lain.

Terkait hal ini, belakangan muncul istilah deepfake: sebuah konsep pemanipulasian foto, suara, dan/atau video yang menyerupai objek nyata dengan menggunakan turunan model generative adversarial networks (GANs) . GANs merupakan salah satu metode populer di deep learning sebagai sistem cerdas yang terinspirasi dari jaringan saraf tiruan dengan menggunakan lapisan (layer) yang mendalam (deep, multi-layer) dengan strategi pelatihan berlawanan (adversarial). Contoh penerapannya yang terkenal saat ini adalah sebuah video yang meniru publik figur (misal selebriti atau presiden) yang sulit dibedakan jika dilihat secara sekilas seperti pada video berikut.

Berpikir secara manusiawi: Pendekatan pemodelan kognitif

Dengan pendekatan ini, sebuah sistem dapat dikatakan cerdas apabila sistem tersebut dapat berpikir seperti halnya manusia berpikir. Tentunya hal ini berkaitan erat juga dengan ilmu kognitif secara umum. Dalam buku “Computation Pshycology, ilmu kognitif merupakan ilmu lintas disiplin yang meliputi beberapa ilmu lain seperti dalam ilustrasi berikut, yakni psikologi, filsafat, linguistik, antropologi, neurosains dan termasuk juga salah satunya kecerdasan artifisial sebagai ilmu yang mempelajari kognitif khusus untuk mesin atau komputer.

kecerdasan buatan dalam ilmu kognitif
Ilustrasi berbagai bidang yang berkontribusi dalam ilmu kognitif. Sumber: Penulis merujuk pada Wikipedia

Pada awalnya ilmu kognitif dan AI berjalan beriringan. Hal ini terlihat dari awal mula berlangsungnya konferensi CogSci dan International Joint Conference on AI (IJCAI) yang selalu diadakan dan dikoordinasikan secara bersamaan. Ini menandakan adanya tumpang tindih keilmuan antara kedua ilmu tersebut; ilmu kognitif dan AI. Akan tetapi, semenjak tahun 2001, keduanya diselenggarakan secara terpisah . Pada perkembangannya, tujuan utama AI lebih mengarah kepada penciptaan program-program atau sistem cerdas, dengan aspek kecerdasan manusia sebagai sumber inspirasinya. Hal ini berbeda dengan pemodelan kognitif yang mengambil rute berlawanan yang berfokus pada pemodelan kecerdasan manusia tetapi tidak untuk menciptakan kecerdasan program atau mesin .

Pada perkembangannya, konsep kecerdasan artifisial meniru atau terinspirasi dari cara manusia berpikir dengan menggunakan otaknya melalui dua pendekatan. Pendekatan pertama bersandar pada otak manusia yang terdiri dari milyaran satuan unit komputasi kecil yaitu neuron yang terhubung satu dengan lainnya membentuk jaringan saraf. Pendekatan ini dikenal dengan istilah connectionism. Sedangkan, pendekatan berikutnya yaitu kita dapat melihat bahwa kecerdasan manusia sebagai suatu koleksi dan/atau manipulasi dari simbol atau aturan. Pendekatan kedua ini kemudian dikenal dengan istilah symbolic.

Pada pendekatan pertama, model ini mengambil inspirasi dari gagasan bahwa pemrosesan informasi sistem saraf dalam otak manasia menentukan kognisi kecerdasannya . Hal ini lah yang menjadi percikan ide para ilmuwan dalam menemukan jaringan saraf tiruan pada awal-awal perkembangannya dan hal ini mengalami perkembangan pesat semenjak ditemukannya konsep deep learning.

Sedangkan, pada pendekatan kedua, hal ini sama seperti seorang matematikawan yang memecahkan atau menurunkan persoalan matematika dengan menggunakan simbol dan ekspresi tertentu, atau logikawan yang mendeduksi untuk mendapatkan kesimpulan . Konsep ini dikenal dengan kecerdasan artifisial simbolik yang didasarkan pada representasi “simbolis” tingkat tinggi dari masalah, logika, dan pencarian. Kecerdasan artifisial simbolik atau juga biasa disebut good old fashioned AI (GOFAI) populer di era awal perkembangnya, yaitu tahun 1950-1980-an.

Sebagai informasi, perkembangan terkini dari kedua rute ini adalah Neuro-Symbolic AI yang digagas oleh dua institusi terkemuka yaitu MIT-IBM Watson AI Lab . Neuro-Symbolic AI merupakan metode AI terbaru yang menggabungkan jaringan saraf tiruan yang biasa digunakan untuk mengekstraksi fitur atau properti statistik dari data mentah (misal dari gambar dan suara), dengan representasi simbolis dari masalah dan logika. Dengan menggabungkan kedua pendekatan tersebut, mereka membangun kelas AI tipe baru yang diklaim akan jauh lebih kuat.

Berpikir secara rasional: Pendekatan hukum pemikiran

Pendekatan ini terinspirasi dari Aristoteles yang merupakan pemikir, filsuf, dan ilmuwan mahsyur Yunani di berbagai bidang; politik, psikologi, dan etika. Disebutkan bahwa ia menyerukan “right thinking” atau “right reason” yaitu proses penalaran yang tak terbantahkan: argumen yang selalu memberikan kesimpulan yang benar jika diberikan premis yang benar . Sebagai contoh adalah silogisme berikut.

Socrates is a man;
Socrates adalah seorang manusia;

All men are mortal;
Semua manusia fana;

therefore Socrates is mortal;
Maka, Socrates fana;

Ini merupakan pendekatan hukum pemikiran sebagai suatu konsep yang mengatur pengoperasian pikiran atau lebih kita kenal dengan logika. Pendekatan ini masih berkaitan juga dengan tipe kecerdasan artifisial simbolik yang telah dibahas sebelumnya.

Bertindak secara rasional: Pendekatan agen rasional

Bertindak secara rasional dapat diartikan sebagai melakukan tindakan untuk mencapai suatu tujuan tertentu berdasarkan pada keyakinan yang dimikiliknya. Suatu sistem cerdas berdasarkan pendekatan ini dianalogikan sebagai konstruksi seorang agen yang mampu melakukan persepsi dan bertindak.

Ini tentunya tidak terlepas dari pendekatan-pendekatan sebelumnya. Dalam pendekatan “hukum pemikiran” misalnya, penekanannya berada pada penarikan kesimpulan yang benar. Jika dipikirkan ulang, kemampuan penarikan kesimpulan yang benar dibutuhkan dan harus dimiliki oleh agen. Agen tersebut diharuskan untuk berpikir logis terhadap kesimpulan yang diambil: apakah aksi tersebut dapat membantu mencapai tujuan yang telah ditentukan atau tidak.

Selain hal tersebut, kemampuan-kemampuan pada Turing Test yang disebutkan di awal tulisan ini pun diharuskan ada pada sebuah agen agar dapat bertindak secara rasional. Misalnya saja agen dalam sistem cerdas membutuhkan kemampuan untuk merepresentasikan pengetahuan dan melakukan pertimbangan terhadap representasi tersebut untuk menarik keputusan yang tepat dalam berbagai situasi. Contoh lainnya, yaitu agen perlu belajar untuk memiliki gagasan yang lebih baik tentang cara dunia atau lingkungan sekitarnya bekerja sehingga memungkinkan agen tersebut menghasilkan strategi yang lebih efektif untuk beradaptasi.

Konsep agen ini berkaitan secara langsung dengan reinforcement learning (RL) sebagai bagian dari metode pemelajaran mesin (machine learning) pada AI. Dalam RL, sebuah agen didesain sedemikian rupa untuk mencapai suatu tujuan tertentu dengan mempertimbangkan status (state) agen tersebut untuk mengambil serangkaian aksi (action) dalam sebuah lingkungan (environment) tertentu dengan kondisi adanya aturan penghargaan (rewarding) dan hukuman (punishment). Contoh praktis dalam pengembangan AI dengan model RL adalah pengembangan agen untuk memainkan sebuah permainan seperti Atari’s Breakout , atau Hide and Seek yang dikembangkan oleh OpenAI.


Demikian ulasan mengenai definisi, perkembangan dan beberapa teknologi AI yang populer saat ini. Selanjutnya pada artikel-artikel berikutnya, saya akan mengulas konsep-konsep kecerdasan artifisial terbaru secara lebih mendalam. Untuk mendapatkan penjelasan yang lebih lanjut, silakan rujuk dan pelajari sumber-sumber pada referensi berikut.

Referensi

1.
OpenAI. Gym: A toolkit for developing and comparing reinforcement learning algorithms. Available at: https://gym.openai.com. (Accessed: 23rd May 2020)
1.
Emergent Tool Use from Multi-Agent Interaction. OpenAI (2019). Available at: https://openai.com/blog/emergent-tool-use/. (Accessed: 23rd May 2020)
1.
Cognitive science. Wikipedia (2020). Available at: https://en.wikipedia.org/w/index.php?title=Cognitive_science&oldid=956767347. (Accessed: 23rd May 2020)
1.
Neuro-Symbolic AI Archives. MIT-IBM Watson AI Lab Available at: https://mitibmwatsonailab.mit.edu/category/neuro-symbolic-ai/. (Accessed: 23rd May 2020)
1.
Domingos, P. The master algorithm: how the quest for the ultimate learning machine will remake our world. (Penguin Books, 2018).
1.
Forbus, K. D. AI and Cognitive Science: The Past and Next 30 Years. Topics in Cognitive Science 2, 345–356 (2010).
1.
The Cambridge Handbook of Computational Psychology. Cambridge Core (2008). doi:10.1017/CBO9780511816772
1.
Goodfellow, I., Bengio, Y. & Courville, A. Deep learning. (The MIT Press, 2016).
1.
Russell, S. J. & Norvig, P. Artificial intelligence: a modern approach. (Prentice Hall, 1995).

Jika ada pertanyaan, koreksi ataupun ingin sekadar berdiskusi lebih lanjut, silakan gunakan kolom komentar untuk berkomunikasi dengan penulis.

About author
Mahasiswa program doktoral di Korea University, Korea Selatan dengan jurusan Brain & Cognitive Engineering | Anggota dari Machine Intelligence Lab @ Korea University | Perintis dari Konsep.AI
Articles
Related posts
StartupUlasan

7 startup Indonesia yang telah menerapkan teknologi AI

3 Mins read
Tidak dapat dipungkiri bahwa perkembangan teknologi kecerdasan artifisial sangatlah pesat. Hampir di seluruh sektor kehidupan, mulai dari sektor pendidikan, kesehatan, sampai ke…
Ulasan

5 Model Populer dari Jaringan Saraf Tiruan (JST)

4 Mins read
Jaringan saraf tiruan atau artificial neural networks (ANNs) merupakan model yang mengacu pada pendekatan konsep kecerdasan artifisial connectionism. Pendekatan ini melihat bagaimana…
Ulasan

5 ebook kecerdasan artifisial yang tersedia secara gratis

3 Mins read
Kalian yang ingin mulai belajar mengenai konsep kecerdasan artifisial tentunya pernah mencari-cari sumber belajar, baik itu berupa buku, tutorial, maupun kumpulan kode….
Daftarkan email kamu untuk mendapatkan ulasan terkini seputar teknologi kecerdasan buatan!

 

Leave a Reply

Your email address will not be published. Required fields are marked *