KECERDASAN ARTIFISIAL
A.
Definisi Kecerdasan Artifisial
Definisi Kecerdasan
Artifisial Istilah ‘Kecerdasan Artifisial’ (KA) pertama kali digunakan dalam
lokakarya di Dartmouth College pada tahun 1956 untuk mendeskripsikan "ilmu
dan rekayasa dalam menciptakan mesin cerdas, terutama program komputer yang cerdas"
(McCarthy et al., 2006). Stuart Russell dan Peter Norvig (2021) mendefinisikan
KA sebagai sebuah sistem yang dapat berpikir seperti manusia, bertindak seperti
manusia, atau mengambil keputusan yang rasional berdasarkan data yang
dikumpulkan. Sementara itu, KBBI Daring Versi VI mendefinisikannya sebagai
"program komputer yang meniru kecerdasan manusia, seperti mengambil
keputusan, menyediakan dasar penalaran, dan karakteristik manusia lainnya”
(n.d.). Seiring waktu, definisi KA terus berkembang dan seringkali hal ini
bersinggungan dengan pertanyaan filosofis tentang apa yang dimaksud dengan
‘kecerdasan’ dan apakah mesin benar-benar bisa dianggap ‘cerdas’. Namun, secara
praktis, KA merujuk pada sistem yang memungkinkan komputer belajar dari data,
mengenal pola, serta membuat prediksi atau keputusan secara mandiri. Misalnya,
dalam aplikasi sehari-hari, algoritma KA pada platform media sosial dapat
menganalisis kebiasaan pengguna dan merekomendasikan konten yang relevan.
Semakin sering seseorang menonton video bertema tertentu, semakin akurat sistem
dalam menyarankan video serupa. Hal ini menunjukkan bagaimana KA mampu
mengadaptasi diri berdasarkan pengalaman, meskipun cara kerja dan kecerdasannya
berbeda dari manusia. Secara sederhana, KA adalah teknologi yang membantu
komputer belajar dari pengalaman dan melakukan tugas tanpa selalu perlu
diperintah oleh manusia secara langsung.
B Karakteristik
Kecerdasan Artifisial
Kecerdasan Artifisial
(KA) memiliki beberapa karakteristik utama yang membedakannya dari teknologi
biasa. Berikut ini adalah beberapa karakteristik utama KA yang bisa dilihat di
dalam kehidupan sehari-hari:
1. KA belajar dari data
(Machine Learning) KA tidak seperti mesin biasa yang hanya bisa melakukan satu
tugas tetap karena KA bisa belajar dari data yang diberikan kepadanya (Russell
& Norvig, 2021). Semakin banyak data yang ia pelajari, semakin baik
kemampuannya.
Contoh:
● YouTube
merekomendasikan video yang disukai berdasarkan riwayat tontonan.
● Google Translate
semakin akurat dalam menerjemahkan karena terus belajar dari teks yang
digunakan oleh banyak orang di seluruh
dunia.
2. KA mampu beradaptasi
dan meningkatkan performanya KA bisa berubah dan menyesuaikan
diri
berdasarkan pengalaman. Jika KA awalnya sering melakukan kesalahan, ia bisa
memperbaiki dirinya sendiri dengan belajar dari kesalahan tersebut (Goodfellow
et al., 2016).
Contoh:
●
Aplikasi peta seperti Google Maps atau Waze awalnya mungkin salah memperkirakan
waktu tempuh, tetapi setelah lebih banyak orang menggunakan jalan yang sama, ia
bisa memperbaiki prediksinya dan memberikan rute terbaik.
● Asisten virtual seperti Siri atau Google Assistant semakin memahami suara dan aksen pengguna seiring waktu karena terus belajar dari interaksi sebelumnya.
3. KA bekerja berdasarkan
algoritma dan model prediktif KA bekerja dengan aturan dan langkah-
langkah
matematis yang disebut algoritma. Dengan algoritma ini, KA bisa memprediksi
sesuatu sebelum terjadi berdasarkan pola data yang telah dipelajari (Domingos,
2015).
Contoh:
●
Aplikasi cuaca bisa memprediksi hujan berdasarkan pola suhu, kelembaban, dan
data
sebelumnya.
●
Aplikasi belanja daring seperti Shopee, Tokopedia, atau Lazada bisa
merekomendasikan produk
yang pelanggan suka berdasarkan apa yang
sering dicari atau dibeli.
