Memahami berbagai jenis kecerdasan buatan

Iterasi awal dari aplikasi AI yang paling sering kita gunakan saat ini dibangun berdasarkan model machine learning tradisional. Model ini mengandalkan algoritma pembelajaran yang dikembangkan dan dikelola oleh ilmuwan data. Dengan kata lain, model machine learning tradisional membutuhkan intervensi manusia untuk memproses informasi baru dan melakukan semua tugas baru yang tidak tercakup dalam pelatihan awal model.

Sebagai contoh, Apple menjadikan Siri sebagai fitur iOS pada tahun 2011. Versi awal Siri ini dilatih untuk memahami serangkaian pernyataan dan permintaan yang sangat spesifik. Intervensi manusia diperlukan untuk memperluas basis pengetahuan dan fungsionalitas Siri.

Namun, kemampuan AI telah berkembang secara stabil sejak pengembangan jaringan neural buatan yang inovatif pada tahun 2012, yang memungkinkan mesin terlibat dalam reinforcement learning dan menyimulasikan pemrosesan informasi pada otak manusia.

Berbeda dengan model machine learning dasar, model deep learning memungkinkan aplikasi AI mempelajari cara melakukan tugas-tugas baru yang membutuhkan kecerdasan manusia, dengan terlibat dalam perilaku baru dan mengambil keputusan tanpa campur tangan manusia. Akibatnya, deep learning berhasil mewujudkan otomatisasi tugas, pembuatan konten, pemeliharaan prediktif, dan kemampuan lainnya di berbagai industri.

Berkat deep learning dan kemajuan lainnya, bidang AI selalu dan cepat sekali berubah. Pemahaman kita bersama tentang realisasi AI dan AI teoretis terus-menerus berubah, yang berarti bahwa kategori dan terminologi AI mungkin berbeda (dan tumpang tindih) dari satu sumber ke sumber lainnya. Namun, jenis-jenis AI umumnya dapat dipahami dengan melihat dua kategori berikut: kemampuan AI dan fungsionalitas AI.

1. Kecerdasan Buatan Sempit (Narrow Artificial Intelligence)

Kecerdasan Buatan Sempit, yang juga dikenal sebagai AI Lemah atau Weak AI (yang kami istilahkan sebagai AI Sempit), adalah satu-satunya jenis AI yang ada saat ini. Bentuk AI lainnya masih bersifat teoretis. Jenis AI ini dapat dilatih untuk melakukan tugas tunggal atau terbatas, dan hasilnya sering kali jauh lebih cepat dan lebih baik daripada pikiran manusia.

Namun, AI Sempit tidak dapat beroperasi di luar tugas yang telah ditentukan. AI Sempit menargetkan satu subset dari kemampuan kognitif dan berkembang dalam spektrum tersebut. Siri, Amazon Alexa, dan IBM Watson adalah beberapa contoh dari AI Sempit. Bahkan, OpenAI ChatGPT dianggap sebagai salah satu bentuk AI Sempit karena sifatnya yang terbatas pada satu tugas obrolan berbasis teks.

2. AI Umum (General AI)

Kecerdasan Umum Buatan (AGI), juga dikenal sebagai AI Kuat, saat ini tidak lebih dari sekadar konsep teoretis. AGI dapat menggunakan pembelajaran dan keterampilan terdahulu untuk menyelesaikan tugas-tugas baru dalam konteks yang berbeda tanpa memerlukan manusia untuk melatih model yang mendasarinya. Berkat kemampuan ini, AGI dapat mempelajari dan melakukan tugas intelektual apa pun yang dapat dilakukan manusia.

3. AI Super (Super AI)

Sama halnya dengan AGI, AI Super yang merupakan kecerdasan buatan super hanyalah teori belaka. Jika suatu saat terwujud, AI Super akan berpikir, bernalar, belajar, membuat penilaian, dan memiliki kemampuan kognitif yang melampaui kemampuan manusia.

Aplikasi yang memiliki kemampuan AI Super akan berkembang melampaui batas pemahaman sentimen dan pengalaman manusia sehingga dapat merasakan emosi, memiliki kebutuhan, serta memiliki keyakinan dan keinginannya sendiri.

Di bawah AI Sempit, yang merupakan salah satu dari tiga jenis AI berdasarkan kemampuan, terdapat dua kategori AI fungsional:

1. Mesin Reaktif AI (Reactive Machine AI)

Mesin reaktif adalah sistem AI tanpa memori yang dirancang untuk melakukan tugas sangat spesifik. Karena tidak dapat mengingat hasil atau keputusan sebelumnya, AI mesin reaktif hanya menangani data yang tersedia saat ini. AI reaktif didasarkan oleh matematika statistik dan dapat menganalisis sejumlah besar data untuk menghasilkan output yang tampaknya cerdas.

Contoh AI Mesin Reaktif
 

• IBM Deep Blue: AI superkomputer permainan catur IBM mengalahkan grandmaster catur Garry Kasparov pada akhir 1990-an dengan menganalisis berbagai bagian dari papan catur dan memprediksi kemungkinan hasil dari setiap langkah bidak.
• Mesin Rekomendasi Netflix: Rekomendasi tontonan Netflix didukung oleh model yang memproses kumpulan data yang didapatkan dari riwayat tontonan guna menyediakan konten yang paling mungkin dinikmati pelanggan.

2. AI Memori Terbatas (Limited Memory AI)

Tidak seperti AI Mesin Reaktif, bentuk AI ini dapat mengingat kejadian dan hasil di masa lalu serta memantau objek atau situasi tertentu dari waktu ke waktu. AI Memori Terbatas dapat menggunakan data masa lalu dan saat ini untuk memutuskan tindakan yang paling mungkin membantu mencapai hasil yang diinginkan.

Namun, meskipun dapat menggunakan data masa lalu untuk jangka waktu tertentu, AI Memori Terbatas tidak dapat menyimpan data tersebut dalam perpustakaan pengalaman masa lalu untuk penggunaan jangka panjang. Dengan menambah jumlah data pelatihan untuk AI Memori Terbatas dari waktu ke waktu, kinerjanya akan meningkat.

Contoh AI Memori Terbatas
 

• AI Generatif: Alat AI generatif seperti ChatGPT, Bard, dan DeepAI mengandalkan kemampuan AI memori terbatas untuk memprediksi kata, frasa, atau elemen visual berikutnya dalam konten yang dihasilkannya.
• Asisten virtual dan chatbot: Siri, Alexa, Asisten Google, Cortana, dan IBM Watson Assistant menggabungkan pemrosesan bahasa alami (NLP) dan AI Memori Terbatas untuk memahami pertanyaan dan permintaan, mengambil tindakan yang tepat, serta membuat respons.
• Mobil otonom: Kendaraan otonom menggunakan AI Memori Terbatas untuk memahami dunia di sekitarnya secara real-time dan mengambil keputusan matang terkait kapan harus menambah kecepatan, mengerem, berbelok, dll.

3. AI Teori Pikiran (Theory of Mind AI)

AI Teori Pikiran (Theory of Mind AI) adalah kelas AI fungsional yang berada di bawah AI Umum. Meskipun jenis AI ini belum terwujud saat ini, AI dengan fungsionalitas Teori Pikiran akan dapat memahami pemikiran dan emosi entitas lain. Pemahaman ini dapat memengaruhi cara interaksi AI dengan hal-hal di sekitarnya. Secara teoretis, hal ini akan memungkinkan AI untuk menyimulasikan hubungan layaknya manusia.

Dengan kemampuan menyimpulkan motif dan penalaran manusia, AI Teori Pikiran akan dapat mempersonalisasi interaksinya dengan manusia berdasarkan kebutuhan dan niat emosional mereka masing-masing. AI Teori Pikiran juga dapat memahami dan menjelaskan konteks karya seni dan esai, yang tidak dapat dilakukan oleh alat AI generatif saat ini.

AI Emosi (Emotion AI) adalah AI teori pikiran yang saat ini dalam proses pengembangan. Para peneliti AI mengharapkannya untuk memiliki kemampuan menganalisis suara, gambar, dan jenis data lainnya guna mengenali, menyimulasikan, memantau, dan merespons manusia secara tepat pada tingkat emosional tertentu. Hingga saat ini, AI Emosi tidak dapat memahami dan merespons perasaan manusia.

4. AI dengan Kesadaran Mandiri (Self-Aware AI)

AI dengan Kesadaran Mandiri (Self-Aware AI) adalah salah satu jenis kelas AI fungsional untuk aplikasi yang memiliki kemampuan AI super. Sama halnya dengan AI teori pikiran, AI dengan Kesadaran Mandiri juga kini masih berbentuk teori. Jika suatu saat terwujud, AI jenis ini akan memiliki kemampuan untuk memahami kondisi dan sifat internalnya sendiri sekaligus emosi dan pikiran manusia. AI ini juga akan memiliki berbagai emosi, kebutuhan, dan keyakinannya sendiri.

AI Emosi adalah AI Teori Pikiran yang saat ini dalam proses pengembangan. Peneliti mengharapkannya untuk memiliki kemampuan menganalisis suara, gambar, dan jenis data lainnya guna mengenali, menyimulasikan, memantau, dan merespons manusia secara tepat pada tingkat emosional tertentu. Hingga saat ini, AI Emosi tidak dapat memahami dan merespons perasaan manusia.

Visi komputer

Aplikasi AI Sempit dengan visi komputer dapat dilatih untuk menafsirkan dan menganalisis dunia visual. Dengan demikian, mesin cerdas dapat mengidentifikasi dan mengklasifikasikan objek dalam gambar dan rekaman video.

Aplikasi visi komputer mencakup:

• Pengenalan dan klasifikasi gambar
• Deteksi objek
• Pelacakan objek
• Pengenalan wajah
• Pengambilan gambar berbasis konten

Visi komputer sangat penting untuk contoh penggunaan dengan mesin AI yang berinteraksi dan melintasi dunia fisik di sekitarnya. Contohnya termasuk mobil dan mesin otonom yang beroperasi di gudang dan lingkungan lainnya.

Robotika

Dalam lingkungan industri, robot dapat menggunakan AI Sempit untuk melakukan tugas-tugas rutin dan berulang yang melibatkan penanganan material, perakitan, dan pemeriksaan kualitas. Dalam bidang layanan kesehatan, robot yang dilengkapi dengan AI Sempit dapat membantu dokter bedah dalam memantau tanda-tanda vital dan mendeteksi potensi masalah selama operasi pembedahan berlangsung.

Mesin pertanian dapat melakukan pemangkasan, pemindahan, penjarangan, penyemaian, dan penyemprotan secara otonom. Perangkat rumah cerdas seperti iRobot Roomba dapat menjelajahi seisi rumah menggunakan visi komputer dan menggunakan data yang tersimpan dalam memori untuk memahami kemajuannya.

Sistem pakar

Sistem pakar yang dilengkapi dengan kemampuan AI Sempit dapat dilatih menggunakan korpus untuk meniru proses pengambilan keputusan manusia dan menerapkan keahlian untuk memecahkan masalah yang kompleks. Sistem pakar dapat mengevaluasi sejumlah besar data untuk mengungkap tren dan pola yang digunakan dalam pengambilan keputusan. Sistem ini juga dapat membantu bisnis memprediksi peristiwa di masa depan dan memahami penyebab terjadinya peristiwa di masa lalu.

Sejak awal, IBM telah menjadi pelopor dalam bidang AI melalui berbagai kontribusi inovatif. IBM baru-baru ini merilis upgrade besar untuk portofolio produk AI IBM watsonx. IBM watsonx.ai memadukan kemampuan AI generatif baru, yang didukung oleh model dasar dan machine learning tradisional, ke dalam sebuah studio canggih yang meliputi seluruh siklus proses AI. Dengan watsonx.ai, ilmuwan data dapat membangun, melatih, dan menerapkan model machine learning dalam satu lingkungan studio kolaboratif.