Komputasi kognitif versus AI: Perbedaan utama

Pada tingkat paling dasar, sistem AI dibangun untuk 'berpikir' dan mengambil keputusan secara mandiri. Di sisi lain, komputasi kognitif digunakan untuk menyimulasikan proses pemikiran yang lebih mirip manusia sebagai dasar pertimbangan pengambilan keputusan manusia, bukan untuk menggantikannya. 

Sebagai contoh, anggaplah AI sebagai alat yang dapat memenuhi tujuan tertentu. Sebaliknya, komputer kognitif bertindak lebih mirip asisten digital yang membantu mencapai tujuan lebih luas dengan menyediakan informasi bagi proses pengambilan keputusan secara keseluruhan.

Jika AI adalah GPS yang dapat memberikan rute tercepat antara A dan B, komputer kognitif lebih seperti pemandu perjalanan. AI dapat mereferensikan peta dan data lalu lintas yang ada untuk menyediakan hal yang 'menurutnya' adalah rute terbaik.

Namun, sistem kognitif bekerja sama dengan pengguna untuk mempelajari preferensi pengguna dan merespons informasi yang lebih bergantung pada konteks. Sistem ini dapat memfokuskan pada pemandangan menarik di sepanjang jalan atau memilih rute yang lebih indah ketika cuaca bagus, dan efisiensi sederhana tidak menjadi prioritas utama.

Secara umum, AI dapat dianggap sebagai alat pemecahan masalah khusus. Sistem AI unggul dalam menganalisis data dalam jumlah besar dengan cepat untuk mengenali pola dan mengambil keputusan berdasarkan aturan yang telah ditetapkan. Sistem kognitif, yang dirancang untuk berpikir lebih seperti manusia, dibangun berdasarkan kemampuan AI, tetapi lebih baik dalam memahami data yang kompleks dan tidak terstruktur. Sistem kognitif belajar dari interaksi serta memberikan penjelasan dan rekomendasi.

Istilah umum AI lebih kerap digunakan untuk merujuk pada jenis model komputer terbatas yang spesifik, misalnya neural network dan model bahasa besar (LLM). Sebaliknya, komputasi kognitif lebih cocok dianggap sebagai metodologi hybrid. Komputasi kognitif menggabungkan ilmu kognitif dan ilmu komputer untuk menciptakan sistem yang membantu meningkatkan dan mematangkan proses pengambilan keputusan manusia.

Sistem kognitif sering menggunakan teknologi AI seperti machine learning (ML) atau pembelajaran mendalam untuk meningkatkan kemampuan pengenalan pola atau pengenalan ucapan. Selain itu, sistem jenis ini dirancang untuk memproses, menyerap, dan merespons data dalam jumlah besar secara real-time. Sistem kognitif menarik informasi dari beragam data atau sumber input potensial, antara lain isyarat visual, gestur, atau audio.

Sementara lingkup tiap model AI mungkin terbatas, sehingga menyebabkannya kesulitan beroperasi di luar rentang yang ditetapkan, sistem komputasi kognitif dirancang secara berbeda. Komputasi kognitif sangat cocok untuk mengatasi masalah kompleks yang mengandung ambiguitas, ketidakpastian, atau jawaban yang tidak spesifik.

Dengan kata lain, AI yang saat ini kita kenal dimaksudkan untuk menjembatani kesenjangan dengan memberikan jalan pintas bagi tugas-tugas yang biasa atau menantang. Komputasi kognitif lebih merupakan upaya untuk meningkatkan kognisi manusia demi pengambilan keputusan yang lebih tepat. Komputasi kognitif menggabungkan AI dengan berbagai disiplin ilmu yang saling melengkapi, seperti interaksi manusia-komputer, dialog, dan teknik pembuatan narasi untuk menciptakan mesin yang dapat belajar, bernalar, dan memahami layaknya manusia. Pendekatan ini membantu pengguna mengambil keputusan yang lebih baik.

Meski beberapa model AI bisa jadi sangat mahir, bahkan di luar kemampuan manusia, bahkan sistem AI yang paling canggih hanya dirancang untuk melakukan tugas dalam lingkup sempit. Walaupun sistem AI yang digunakan secara luas mungkin tampak sangat mumpuni, instruksi berbasis aturan membatasinya sehingga tidak dapat memahami fleksibilitas dan nuansa kognisi manusia.

Dalam tugas-tugas yang melibatkan konteks, misalnya memahami bahasa alami atau mengenali objek tertentu, AI tidak dapat menggantikan atau meniru kecerdasan manusia—atau setidaknya, belum.”

Komputasi kognitif tidak bertujuan untuk menggantikan pengambilan keputusan manusia. Sebaliknya, sistem ini berupaya meniru jenis sistem kognitif yang bertanggung jawab atas proses berpikir manusia demi meningkatkan pengambilan keputusan pengguna.

Setiap sistem dapat memiliki perbedaan unik yang tak terhitung jumlahnya, tetapi secara umum, poin-poin berikut menyoroti beberapa perbedaan utama antara AI dan komputasi kognitif.

Sistem AI sangat cocok untuk mengotomatiskan tugas-tugas berulang atau sulit.

Komputasi kognitif digunakan untuk meningkatkan dan memberikan informasi bagi pengambilan keputusan oleh manusia.

Sistem AI dilatih menggunakan kumpulan data khusus dan mahir menangani masalah dengan jawaban spesifik yang dapat ditemukan. Contohnya, sistem AI dapat dilatih menggunakan buku panduan layanan pelanggan untuk memberikan jawaban berdasarkan pelatihan karyawan yang tersedia.

Komputer kognitif bersifat lebih kontekstual, yaitu dengan mengambil dan merespons data dari berbagai jenis input. Karena itulah, sistem AI lebih unggul dalam memecahkan masalah dengan jawaban spesifik, sedangkan komputasi kognitif lebih berguna untuk mengatasi masalah dan tantangan terbuka.

Sistem AI dibangun untuk memecahkan masalah dengan kemampuan terbaiknya. Sistem AI dapat memberikan solusi dengan cepat, tetapi outputnya mungkin terbatas, tidak akurat, atau tidak sepenuhnya dapat diandalkan.

Komputer kognitif dimaksudkan untuk membantu manusia menemukan solusi yang lebih baik dengan lebih cepat. Sistem kognitif tidak dirancang untuk memberikan hasil akhir atau menyelesaikan tugas secara mandiri. Oleh karena itu, sistem kognitif dapat membantu pengguna menemukan solusi yang lebih baik daripada solusi yang dapat langsung diberikan oleh sistem AI. 

Sistem AI dibatasi oleh cakupan data pelatihannya. Karena alasan ini, sistem AI dapat dibangun menjadi sangat terspesialisasi, meskipun harus mengorbankan fleksibilitas.

Sistem kognitif jauh lebih mudah beradaptasi. Dirancang untuk mengambil data dari berbagai input variabel yang lebih luas, komputer kognitif dapat merespons situasi dinamis dengan lebih baik. 

Kecerdasan buatan adalah teknologi yang memungkinkan komputer dan mesin menunjukkan karakteristik yang mirip dengan kecerdasan manusia. Karakteristik ini termasuk belajar dan mempertahankan informasi baru, pemahaman, pemecahan masalah, pengambilan keputusan, kreativitas, dan otonomi.

Sebagai bidang studi yang sudah ada sejak tahun 1950-an, AI dapat dilihat sebagai serangkaian konsep bertingkat yang berkembang seiring waktu. Dalam 70 tahun terakhir, AI telah berkembang dari model teoretis menjadi machine learning, lalu pembelajaran mendalam, dan kini menjadi AI generatif (gen AI).

Kemajuan teknologi terbaru telah melambungkan popularitas AI ke taraf global. Banyak aplikasi AI menarik, mulai dari pengoptimalan rantai pasokan industri hingga generator seni gen AI dan chatbot tingkat konsumen, menggoda imajinasi investor dan penggemar. Meskipun potensi dampak AI memang sangat besar, dalam iterasi saat ini, AI masih kesulitan dalam melaksanakan beberapa tugas tertentu. 

Sistem AI membutuhkan sejumlah besar data pelatihan untuk mempelajari topik tertentu. Kumpulan data yang luas ini dipasok ke AI, yang menggunakan pengenalan pola untuk membuat koneksi dan menghasilkan insight.

Setelah menerima masalah, sistem AI akan merujuk pada hal yang telah dipelajarinya dari data pelatihan, lalu memberikan jawaban terbaik berdasarkan probabilitas. Dengan cara ini, kemampuan dan keterbatasan AI akan bergantung pada kualitas data pelatihan dan algoritma.

Meski kemampuan AI modern sering kali tampak meluas, AI paling cocok diterapkan untuk tugas yang lebih sempit, yaitu model khusus yang ditetapkan untuk tujuan tertentu. Sistem kognitif juga ditetapkan untuk tujuan tertentu, meskipun jenis sistem ini dapat menggabungkan beberapa jenis AI agar fleksibel dan responsif. 

Beberapa jenis AI dan  model yang berdekatan dengan AI atau terkait AI yang digunakan dalam komputasi kognitif meliputi:

• AI Sempit:  Jenis AI yang paling canggih saat ini, yaitu AI sempit atau AI lemah, sangat efektif dalam memecahkan masalah yang terdefinisi dengan baik dengan tujuan yang jelas dan spesifik. Asisten pintar seperti Siri Apple, Alexa Amazon, dan bahkan ChatGPT semuanya adalah AI sempit.

• Machine learning (ML): Machine learning adalah subkategori AI yang memungkinkan sistem digital belajar dari data dengan cara yang meniru pembelajaran manusia. Menggunakan algoritma ML, sistem AI mampu melakukan tugas secara otonom dengan akurasi yang meningkat dari waktu ke waktu. Machine learning membantu komputer belajar dari kesalahannya dan memperbaiki output berdasarkan masukan pengguna.

• Neural network: Neural network menggunakan beberapa lapisan node yang dikombinasikan dengan metodologi machine learning untuk menyimulasikan cara otak manusia memproses informasi melalui neuron. Neural network meningkatkan kemampuan AI untuk memecahkan masalah dan menimbang solusi yang lebih baik atau lebih buruk secara kontekstual.

• Pembelajaran mendalam: Pembelajaran mendalam mengembangkan neural network lebih jauh dengan meningkatkan kepadatan lapisan. Neural network sederhana memiliki satu atau dua lapisan. Sebaliknya, neural network dalam (deep neural network) dapat terdiri dari tiga hingga ribuan lapisan, sehingga dapat membuat model proses pengambilan keputusan kompleks yang mirip dengan fungsi otak manusia.

Teknologi komputasi kognitif terkadang disebut sebagai salah satu jenis AI, meskipun lebih akurat dikatakan bahwa sistem kognitif kerap menggabungkan berbagai jenis AI. Komputasi kognitif menggabungkan sistem AI machine learning dengan teknologi komputasi kognitif umum lainnya, seperti berbagai jenis antarmuka pengguna (misalnya, ucapan, teks) dan robotika.

Sistem kognitif meningkatkan kemampuan AI dengan menyerap kumpulan data besar. Kumpulan data ini dapat berupa data terstruktur atau tidak terstruktur dan berasal dari berbagai sumber berbeda.

Jenis sistem pembelajaran mandiri ini menggunakan ilmu data untuk memproses input secara real-time, dengan menimbang informasi kontekstual untuk membantu pengguna mengambil keputusan akhir. Dengan cara ini, manusia dapat menggunakan sistem kognitif untuk menangani penambangan data dan analisis data yang berat serta mengambil keputusan berbasis data tanpa perlu menguasai ilmu data yang kompleks.

Contoh penggunaan komputasi kognitif di dunia nyata mencakup tugas-tugas umum seperti analisis sentimen, penilaian risiko, dan pengoptimalan. 

Meskipun parameter yang tepat untuk sistem komputasi kognitif tidak ditentukan secara ketat agar sistem dapat dianggap kognitif, sistem tersebut harus memenuhi kriteria tertentu. Sistem komputasi kognitif harus:

• Adaptif: Sistem kognitif harus fleksibel dan dapat merespons data yang dinamis, baru, dan berubah-ubah. Seiring dengan pergeseran informasi, sistem kognitif juga harus dapat beradaptasi dengan tujuan dan sasaran misi yang terus berkembang. 

• Interaktif: Meskipun sistem AI dapat berfungsi secara otonom, sistem kognitif dirancang agar responsif. Oleh karena itu, sistem kognitif harus dapat berinteraksi dengan dan merespons input sinyal dan pengguna. 

• Iteratif dan stateful: Agar dapat menyimulasikan kognisi, jenis sistem ini harus bersifat iteratif. Sistem kognitif menggunakan pengenalan pola untuk mengidentifikasi masalah atau kelas masalah yang unik, dengan mengajukan pertanyaan klarifikasi jika diperlukan.

• Kontekstual: Meskipun sistem AI bermanfaat untuk memecahkan masalah yang sederhana dan terdefinisi dengan baik, skenario dunia nyata sering kali bergantung pada konteks. Solusi yang tepat untuk suatu masalah dalam satu konteks tertentu belum tentu dapat diterapkan pada konteks yang berbeda. Sistem komputasi kognitif dikembangkan untuk tantangan yang membutuhkan pemecahan masalah yang bergantung pada konteks. Jenis sistem ini harus dapat memahami bukan hanya konteks informasi yang disajikan, tetapi juga konteks tempat solusi tersebut dapat diaplikasikan. 

Komputasi kognitif bekerja dengan menambahkan beberapa solusi AI atau solusi yang berdekatan dengan AI ke neural network dasar atau neural network dalam. Untuk mencapai adaptabilitas, interaktivitas, kondisi stateful, dan pemahaman kontekstual, sistem kognitif dibangun untuk menggabungkan machine learning dengan berbagai teknologi lain, seperti:

• Sistem pakar: Sistem pakar adalah AI sempit yang telah dilatih secara mendalam di bidang atau subjek tertentu. Sistem pakar bertujuan menciptakan pakar materi pokok buatan yang sebisa mungkin dapat menggantikan spesialis manusia. Sistem pakar dapat menawarkan saran atau panduan untuk membantu manusia memahami masalah kompleks dan mengambil keputusan yang lebih cerdas. Sistem ini kerap digunakan dalam bisnis untuk memprediksi tren pasar atau memahami peristiwa masa lalu. 

• Pemrosesan bahasa alami (natural language processing, NLP): Pemrosesan bahasa alami memungkinkan komputer memahami dan merespons dengan ucapan atau teks alami melalui penggabungan linguistik komputasi, yakni sebuah pendekatan pemodelan berbasis aturan untuk bahasa, dengan pemodelan statistik. NLP juga menggabungkan disiplin subset pemahaman bahasa alami (natural language understanding, NLU) dan pembuatan bahasa alami (natural language generation, NGU) untuk memberikan pengalaman pengguna secara menyeluruh.

• Pengenalan ucapan otomatis (automatic speech recognition, ASR): Pengenalan ucapan, yang juga dikenal sebagai pengenalan ucapan komputer atau speech-to-text, memungkinkan komputer memproses ucapan manusia menjadi teks tertulis.

• Pengenalan suara: Berbeda dengan ASR, pengenalan suara memungkinkan sistem komputer mengenali suara yang berbeda dan membedakan antara berbagai pengguna. Ini adalah fitur yang umum ditemukan pada asisten virtual dan perangkat Internet of Things (IoT) lainnya. 

• Deteksi objek: Sebagai komponen utama visi komputer, deteksi objek adalah metode yang menggunakan neural network untuk menemukan dan mengklasifikasikan objek dalam gambar menurut kategori semantik. Deteksi objek dan pengenalan gambar berguna untuk kendaraan otonom tanpa pengemudi, pencarian visual, dan pembuatan diagnosis medis.

• Robotika: Sistem komputasi kognitif sering kali menggunakan robotika sebagai cara untuk melakukan tugas-tugas sederhana dan berulang, seperti pemangkasan, penyemaian, dan penyemprotan dalam bidang pertanian. Meskipun sistem AI sederhana dapat memberdayakan robot untuk melakukan tugas-tugas dasar seperti ini, dalam bidang layanan kesehatan, kombinasi sistem kognitif dan robotika bahkan dapat membantu dalam operasi yang rumit.