Apa itu AI? Panduan Komprehensif untuk Kecerdasan Buatan

Diterbitkan: 2024-05-07

Terlepas dari semua kehebohan yang terjadi baru-baru ini, kecerdasan buatan (AI) bukanlah hal baru. Faktanya, ini sudah beberapa dekade mendahului World Wide Web. Meskipun kemunculan AI generatif secara tiba-tiba dan cepat telah menarik perhatian (dan mungkin itulah alasan Anda membaca artikel ini), Anda pasti pernah menjumpai AI secara langsung dan tidak langsung selama bertahun-tahun.

Tinjauan tingkat tinggi mengenai AI ini akan mengungkap berbagai cara kerjanya, apa yang bisa dan tidak bisa dilakukan, dan implikasinya terhadap bisnis dan masyarakat saat ini dan masa depan. Kami juga akan menunjukkan bagaimana hal ini berkaitan dengan Grammarly—ini telah menjadi bagian dari cara kami membantu orang menulis selama lebih dari satu dekade.

Daftar isi

  • Apa itu AI?
  • Cara kerja AI
  • Sejarah AI
  • Penerapan AI
  • Manfaat AI
  • Keterbatasan AI
  • Kesimpulan

Apa itu AI?

Kecerdasan buatan adalah teknologi yang mensimulasikan cara pikiran manusia belajar dan bekerja.

AI berbeda dari program komputer standar karena AI dapat memecahkan masalah menggunakan algoritma atau penalaran logis. Selain itu, pada sebagian besar aplikasi saat ini, ia dapat belajar dan beradaptasi tanpa campur tangan manusia. Aspek utama bidang AI mencakup pembelajaran mesin (ML), pemrosesan bahasa alami (NLP), dan jaringan saraf.

Cara kerja kecerdasan buatan

Model adalah contoh spesifik dari AI. Misalnya, ChatGPT 3.5 dan ChatGPT 4 adalah dua model AI. Untuk memahami elemen utama AI, kami akan fokus pada pendekatan konseptual yang berbeda dalam membuat model.

AI berbasis aturan, atau sistem pakar

Kerangka kerja yang lebih sederhana adalah apa yang disebut berbasis aturan , atau sistem pakar: Orang-orang menuliskan instruksi spesifik dalam bentuk logika yang dapat dipahami oleh suatu algoritma.Pohon telepon dukungan pelanggan pada umumnya bekerja dengan cara ini: Diperintahkan untuk memberikan respons tertentu terhadap masukan yang cocok dengan parameter tertentu. Algoritma dasar PageRank Google adalah contoh lain namun jauh lebih canggih.

Pembelajaran mesin

Kebanyakan AI saat ini menggunakan pendekatan lain yang disebutpembelajaran mesin (ML).Daripada diberi serangkaian instruksi yang terprogram, model tersebut mempelajari aturannya sendiri di antara beragam konten yang besar (atau sangat banyak)—pola, hubungan, dan dinamika lainnya. Proses ini sering disebut pelatihan model.(Anda juga dapat menggabungkan aturan dan ML, dan kita akan membicarakan keuntungan relatif masing-masing aturan nanti.)

Ada dua kategori ML: tanpa pengawasan dan diawasi.ML yang diawasi menggunakan data beranotasi atau terstruktur untuk memberi tahu mesin apa yang perlu dipelajari.ML tanpa pengawasan tidak memiliki instruksi eksplisit ini, sehingga mesin dibiarkan memahami apa yang dilihatnya sendiri dan kemudian membuat prediksi.

Pembelajaran tidak harus berhenti pada pelatihan awal. Denganpembelajaran penguatan , model terus ditingkatkan berdasarkan umpan balik terhadap kualitas keluarannya.Evaluasi ini dapat dilakukan oleh manusia, namun ada juga banyak teknik dan algoritma untuk pembelajaran penguatan otomatis.

Setelah model dilatih, maka model siap digunakan. Sebuah masukan dijalankan melalui model dan memberikan keluaran, apakah itu jawaban atas pertanyaan, mengklasifikasikan gambar, menggambar grafik, atau sebagainya. Beberapa AI (terutama model berbasis aturan) bersifat deterministik, artinya masukan tertentu akan selalu menghasilkan keluaran tertentu. Namun sebagian besar pertanyaan yang kita pikirkan saat ini bersifat probabilistik, yang menimbulkan beberapa tingkat keacakan, dan menjelaskan mengapa jika Anda mengajukan pertanyaan yang sama persis ke ChatGPT dua kali, kemungkinan besar Anda tidak akan mendapatkan jawaban yang sama.

Jaringan saraf dan pembelajaran mendalam

Oke, tapi bagaimana sebenarnyacara kerjaAI? Di sinilah segalanya menjadi sangat teknis dengan sangat cepat. Kami akan fokus pada pendekatan di balik banyak inovasi AI yang heboh saat ini,yaitu jaringan saraf.

Representasi sederhana dari neuron otak ini dimulai dengan membuat tebakan acak, membandingkan tebakan tersebut dengan jawaban yang benar, dan membuat penyesuaian kecil berulang kali untuk terus meningkatkan keakuratannya.

Jaringan saraf terdiri dari lapisan. Di bagian bawah adalah masukan, di bagian atas adalah keluaran, dan di antara keduanya terdapat lapisan tersembunyi. Dari bawah ke atas, kemampuan menjadi semakin abstrak. Misalnya, dalam sistem pengenalan gambar, lapisan yang lebih rendah mungkin mengenali warna atau tepian, sedangkan lapisan yang lebih tinggi dapat mengenali objek tertentu.

Ketika jaringan saraf memiliki beberapa lapisan tersembunyi, hal ini disebut pembelajaran mendalam .Jaringan saraf dalam saat ini biasanya memiliki banyak lapisan, dan sering kali terdapat sub-lapisan dengan fungsi tertentu. Peningkatan dalam kekuatan pemrosesan telah membuka ledakan inovasi.

Pemrosesan bahasa alami

Ketika komputer berupaya memahami cara manusia menulis dan berbicara, itulahpemrosesan bahasa alami (NLP).Jika pemeriksaan ejaan dasar hanya menyorot kata-kata yang tidak cocok dengan kamusnya, Grammarly menggunakan NLP untuk memahami tulisan Anda dan memberikan saran yang sesuai dengan konteksnya.

Dalam dekade terakhir ini, NLP telah mengalami sebuah revolusi, yang pasti Anda alami dalam bidang penerjemahan mesin, pembuatan teks, dan transkripsi otomatis. Teknik seperti meningkatkan perhatian (seberapa banyak yang dapat “diingat” oleh model pada waktu tertentu, bukan hanya memproses kata demi kata) dan model yang telah dilatih sebelumnya (sehingga mereka tidak perlu mempelajari kembali cara kerja bahasa manusia scratch) telah memungkinkan mesin memahami dan terdengar seperti manusia dalam banyak konteks.

AI generatif

AI Generatif adalah bagian dari kecerdasan buatan yang dapat menghasilkan konten baru, seperti teks, gambar, musik, dan bahkan kode, berdasarkan data pelatihannya.

Tidak seperti sistem AI tradisional, yang disesuaikan untuk tugas atau analisis data tertentu, model AI generatif mampu menghasilkan keluaran orisinal yang sering kali meniru karya manusia. Model ini—berdasarkan jaringan neural dalam—pola, gaya, atau logika intuitif dari kumpulan data yang luas. Mereka kemudian memanfaatkan pengetahuan ini untuk membuat konten baru dan unik yang sebelumnya tidak ada.

Penggunaan AI generatif mencakup berbagai bidang, termasuk hiburan, seni, sastra, dan pengembangan perangkat lunak. Hal ini menunjukkan keserbagunaan AI dan kemampuannya yang terus berkembang.

Pelajari lebih lanjut tentang AI generatif

Untuk ditinjau: AI bisa berdasarkan aturan atau ML. Pembelajaran Mesin dapat diawasi atau tidak diawasi, dan menjadi lebih baik seiring waktu dengan pembelajaran penguatan. Banyak model AI saat ini merupakan jaringan saraf yang menggunakan pembelajaran mendalam melalui banyak lapisan. Pemrosesan bahasa alami adalah kisah sukses cemerlang untuk jaringan saraf dalam, dan model yang membuat teks, gambar, kode, dan lainnya disebut AI generatif.

Sejarah AI

Di sini kami akan memberikan gambaran singkat tentang sejarah AI. Agar singkat dan hanya berfokus pada lini waktu pengembangan, kami tidak akan menyebutkan individu di balik inovasi ini.

1950-an–1980-an: musim semi GOFAI, lalu musim dingin

Istilahkecerdasan buatandiciptakan pada tahun 1956. Pada tahun yang sama, program perangkat lunak AI pertama yang berjalan berhasil membuktikan berbagai teorema matematika, salah satunya “lebih elegan” daripada bukti yang diberikan oleh penulis aslinya.

Jaringan saraf pertama dibangun pada tahun 1967, namun sebagian besar penelitian AI saat ini dilakukan menggunakan representasi simbolik dan logika untuk mensimulasikan pikiran rasional. (Anda mungkin menemukan akronim GOFAI, yang berartiAI kuno yang baik.) Namun, kombinasi dari ekspektasi yang tidak tercapai dan daya komputasi yang terbatas menyebabkan apa yang disebutmusim dingin AI, di mana pendanaan dan penelitian melambat di masa depan. tahun 1970an dan seterusnya.

Pada tahun 80an, sistem pakar—model AI berbasis aturan yang kita pelajari sebelumnya—menjadi populer dan memiliki dampak praktis pada banyak perusahaan. Secara paralel, para peneliti kembali ke jaringan saraf dan mengembangkan teknik agar mereka dapat melatih diri mereka sendiri.

1990an–2000an: Menyebar namun kurang dihargai

Dengan kekuatan pemrosesan yang lebih besar dan kumpulan data yang lebih besar, pada tahun 1990-an, pembelajaran mesin menjadi praktis pada skala terapan, dan AI mencapai banyak pencapaian. Di luar film, kesuksesan kecerdasan buatan pertama yang diketahui secara luas mungkin terjadi ketika Deep Blue mengalahkan Garry Kasparov dalam permainan catur pada tahun 1997. Segera setelah itu, program pengenalan suara konsumen pertama, Dragon, tersedia untuk Windows.

Terlepas dari kemajuan ini, pada dekade pertama abad ini, banyak peneliti dan perusahaan yang menyembunyikan produk dan proyek AI mereka dalam istilah lain karena masih memiliki konotasi berlebihan. Ironisnya, sistem ini, yang mendukung segala hal mulai dari filter spam hingga Roombas, justru membawa nilai praktis AI yang diterapkan ke dalam kehidupan sehari-hari.

2010-an – saat ini: AI menjadi arus utama

Pada tahun 2010-an, AI memulai kemajuan yang berlanjut hingga saat ini. Daripada melakukan satu terobosan, sejumlah faktor berkumpul:

  • GPU: Terlepas dari namanyaunit pemrosesan grafis,chip ini ternyata sangat efisien untuk melatih jaringan saraf dalam. Peralihan ke arah penggunaan GPU mempercepat kecepatan dan cakupan praktis dalam menghasilkan model-model baru.
  • Kemajuan penelitian: Bentuk dan penerapan baru jaringan saraf membawa lompatan besar dalam kemampuan komputer untuk memahami dan merender teks dan gambar.
  • Data besar: Pada titik ini, internet sudah ada cukup lama bagi miliaran penggunanya untuk menghasilkan konten dalam jumlah tak terduga yang dapat dijadikan bahan pembelajaran oleh para model.
  • Komputasi awan: Platform on-demand dari Amazon, Google, Microsoft, dan lainnya mempermudah perolehan daya komputasi yang diperlukan untuk mengembangkan model AI.

Inovasi-inovasi yang baru diciptakan atau dirombak secara radikal selama masa ini termasuk Google Terjemahan, asisten virtual seperti Siri, dan mesin rekomendasi pada layanan seperti Netflix dan Spotify, belum lagi banyak dampak penting namun kurang terlihat pada sektor-sektor termasuk layanan kesehatan, manufaktur, dan bahkan pertahanan. .

Jadi mengapa kegilaan terhadap AI meningkat beberapa tingkat setelah AI generatif muncul? Perbedaan besarnya adalah model seperti ChatGPT dan DALL-E dapat menafsirkan dan merespons hampir semua masukan, bukan dibatasi pada domain tertentu. Artinya siapa pun yang memiliki koneksi internet dapat berinteraksi langsung dengan model AI tanpa pelatihan khusus apa pun dan AI dapat digunakan secara spesifik jauh lebih cepat dibandingkan membuat model baru dari awal.

Masa depan: AGI dan ASI

Terlepas dari semua kemampuannya, apa yang kita lihat saat ini dikenal sebagai AIyang sempitataulemah.Artinya teknologi yang mencakup sebagian namun tidak seluruh kecerdasan manusia. Mesin yang setara dengan kemampuan otak kita disebutAI yang kuat, ataukecerdasan umum buatan (AGI). Ketika AI melampaui kecerdasan manusia, hal itu dikenal sebagai kecerdasan super buatan (ASI).

Seberapa jauh kita dari AGI? Itu hanya dugaan siapa pun. Bahkan mereka yang sangat terlibat dalam bidang ini berkali-kali salah memperkirakan laju inovasi.

Aplikasi dan contoh AI

Ini hanyalah beberapa dari sekian banyak cara AI muncul dalam aplikasi dunia nyata saat ini.

Membantu manusia melakukan sesuatu dengan lebih baik.Menurut kami Grammarly adalah contoh yang bagus dalam hal ini: Anda memiliki ide, pemahaman tentang apa yang ingin Anda sampaikan, dan pengetahuan tentang audiens. Kami menyarankan cara untuk membuat pesan Anda lebih jelas dan meningkatkan peluang diterimanya pesan tersebut dengan baik. Pelajari lebih lanjut tentang bagaimana Grammarly menggunakan AI generatif untuk meningkatkan komunikasi.

Bekerja lebih cerdas dengan Grammarly
Mitra penulisan AI bagi siapa saja yang memiliki pekerjaan yang harus diselesaikan

Membantu penyandang disabilitas.Teknologi seperti ucapan-ke-teks dan teks-ke-ucapan merupakan pengubah permainan bagi orang-orang dengan gangguan sensorik, seperti pendengaran atau penglihatan. Mereka memungkinkan mereka untuk menikmati konten langsung dan rekaman yang sebelumnya tidak dapat diakses, sehingga mereka dapat lebih terlibat dengan kekayaan dunia tanpa bergantung pada seseorang untuk bertindak sebagai mata atau telinga mereka.

Sistem otonom.AI dapat memadukan persepsi dengan prediksi untuk melakukan banyak hal dengan lebih efisien dan bahkan aman, mulai dari mobil tanpa pengemudi hingga sistem sprinkler yang tidak berfungsi saat akan turun hujan. Waymo, perusahaan mobil tanpa pengemudi yang didirikan oleh Google, melaporkan 85 persen lebih sedikit kecelakaan akibat cedera dibandingkan jika manusia menempuh jarak yang sama.

Rekomendasi.Model AI menganalisis perilaku dan demografi pengguna untuk membuat tebakan cerdas tentang hal-hal seperti acara TV berikutnya atau jenis air soda yang mungkin ingin Anda coba.

Pemrosesan audiovisual.Contohnya termasuk pengenalan suara dari asisten virtual, pengumpulan tol otomatis berdasarkan pemrosesan gambar pelat nomor, dan menyaring kebisingan visual dan audio dari rekaman atau streaming.

Tepi AI.Hal ini menempatkan kekuatan AI langsung ke perangkat di dunia nyata, bukan di pusat data. Ini cenderung berfokus pada tugas tertentu untuk pemrosesan yang cepat dan hemat energi. Contohnya termasuk ID Wajah di iPhone dan termostat cerdas.

Keuntungan dan manfaat AI

Pemrosesan dalam skala besar.Bayangkan jika orang sungguhan harus mengevaluasi setiap transaksi kartu kredit untuk penipuan atau memasukkan setiap nomor dari setiap formulir pajak yang dikirimkan ke IRS. AI dapat menilai atau mengklasifikasikan lebih cepat, dan seringkali lebih baik, dibandingkan manusia.

Deteksi dan prediksi pola.AI mulai melampaui manusia dalam kemampuannya mendeteksi kanker; dalam satu kasus, ia mengalahkan profesional sebesar 13%. Ini juga sangat bagus dalam mendeteksi ketika ada sesuatu yang menyimpang dari pola yang diketahui, seperti mendeteksi kesalahan dalam database. Kekuatan penemuan pola ini menjadikan AI sangat berguna untuk prediksi, mulai dari prakiraan cuaca hingga pergerakan pasar saham.

Wawasan baru.Sejak model pertama, AI telah memberikan jawaban dan pendekatan terhadap segala macam masalah yang belum pernah dilakukan manusia. Contoh modern mulai dari desain sepatu hingga hukum fisika baru.

Mempercepat pengobatan.Dari vaksin COVID-19 hingga deteksi Alzheimer, AI membantu peneliti mengembangkan diagnosis dan pengobatan dengan lebih cepat.

Kewaspadaan.AI tidak pernah lelah. Selama ia direkayasa dengan benar, dan diberi listrik serta daya pemrosesan yang cukup, ia dapat terus memantau data dalam jumlah besar. Hal ini merupakan kontributor utama terhadap rendahnya tingkat kecelakaan kendaraan otonom.

Kekurangan dan keterbatasan AI

Halusinasi.AI generatif dapat memperbaiki keadaan. Karena sebagian besar dari apa yang dikatakan model-model ini masuk akal, banyak orang tidak berpikir untuk memeriksanya kembali. Salah satu contoh terbaru dari masalah ini terjadi ketika Michael Cohen, mantan pengacara, mengirimkan kutipan kasus hukum kepada pengacaranya sendiri yang seluruhnya dibuat oleh AI generatif Google, yang saat itu dikenal sebagai Bard (sekarang Gemini).

pemalsuan mendalam.Meskipun halusinasi tidak disengaja, deepfake memang disengaja. Aktor jahat (atau, yang lebih polosnya, orang iseng) dapat menggunakan AI generatif untuk membuat gambar, video, audio, atau teks yang tampak sangat mirip dengan kenyataan sehingga banyak orang tidak dapat membedakannya.

Persaingan dengan pekerjaan manusia.Banyak orang yang bekerja di bidang penulisan dan layanan pelanggan melihat AI generatif sebagai ancaman nyata. Fortune melaporkan ribuan pekerjaan hilang karena AI, yang secara eksplisit dikatakan “tentu saja jumlahnya terlalu kecil.”

Kesulitan mengetahui mengapa sampai pada kesimpulan tertentu.Dengan jaringan saraf, Anda tidak dapat mengetahui secara pasti mengapa atau bagaimana jaringan tersebut memberikan keluaran tertentu—misalnya, jaringan tersebut tidak dapat ditelusuri kembali ke bagian tertentu dari korpus pelatihan. Dalam industri yang sangat teregulasi, seperti layanan kesehatan atau keuangan, beberapa AI dibangun sebagian atau seluruhnya dengan algoritma berbasis aturan yang dapat dievaluasi oleh manusia.

Konsumsi energi.Sulit untuk mengukur secara langsung, namun sebuah penelitian memperkirakan bahwa menghasilkan satu gambar, seperti dengan DALL-E, menggunakan jumlah energi yang hampir sama dengan siklus pengisian daya ponsel cerdas, yang dapat bertambah secara signifikan seiring berjalannya waktu.

Kesimpulan

AI sudah lama dan sangat baru. Meskipun bidang ini telah ada selama hampir 70 tahun, baru dalam satu dekade terakhir, dan terutama dalam beberapa tahun terakhir, banyak dari kita yang menyadari kekuatan dan potensinya. Berkat inovasi seperti jaringan saraf, pembelajaran mendalam, pemrosesan bahasa alami, dan AI generatif, alat-alat yang tadinya terdengar seperti fiksi ilmiah kini telah tersedia dan membuat perbedaan besar di dunia. Ingin mencoba sesuatu secara langsung sekarang? Daftar ke Grammarly, dan lihat bagaimana AI dapat bekerja untuk Anda.