Kilas Tentang Perkembangan Teknologi AI Selama Tahun INI
Kilas Tentang Perkembangan Teknologi AI Selama Tahun INI
- Hallo Oto Mania Berita Otomotif Terupdate, Pada Artikel otomotif kali ini berjudul Kilas Tentang Perkembangan Teknologi AI Selama Tahun INI telah kami persiapkan dengan seksama untuk sahabat otomotif baca dan ambil informasi didalamnya.
Semoga artikel otomotif terupdate dan terbaru
Artikel Teknologi, yang kami tulis ini dapat memberi inspirasi dan nilai positif sebagaimana mestinya.
Judul : Kilas Tentang Perkembangan Teknologi AI Selama Tahun INI
link : Kilas Tentang Perkembangan Teknologi AI Selama Tahun INI
Judul : Kilas Tentang Perkembangan Teknologi AI Selama Tahun INI
link : Kilas Tentang Perkembangan Teknologi AI Selama Tahun INI
Motobalapan |
Perkembangan teknologi kecerdasan buatan (AI) dan machine learning mengalami kemajuan yang menggembirakan pada tahun 2018 silam. Berbagai terobosan, seperti AI yang “lebih cerdas”, implementasi di dunia nyata, perkembangan algoritme yang jadi dasar teknologi, hingga beragam diskusi tentang dampak AI pada peradaban manusia, telah terjadi selama tahun lalu.
Berikut adalah sejumlah peristiwa penting yang telah terjadi.
AI yang lebih cerdas
AlphaZero besutan tim DeepMind (bagian dari Alphabet yang juga merupakan perusahaan induk Google), menunjukkan fleksibiltas dari proses reinforcement learning yang mendalam. AlphaZero mampu melatih dirinya sendiri untuk memahami tiga permainan konvensional (catur, shogi, dan go), serta telah melalui evaluasi independen pihak ketiga.
Para ahli telah mengembangkan model yang mampu mengikuti tren historis serta membuat prediksi berdasarkan data masa lampau. Kini, telah hadir mesin yang dapat mengamati lapangan, memahami “peraturan tak tertulis”, menyesuaikan perilaku saat menjelajahi lingkungan, serta mengambil manfaat maksimal dari situasi, seperti yang halnya manusia.
Tapi jangan buru-buru berharap kecerdasan buatan untuk berbagai urusan umum akan hadir dalam waktu dekat.
Implementasi di dunia nyata
Pemanfaatan AI selama tahun 2018 tak melulu berkaitan dengan permainan. Teknologi ini punya potensi besar untuk beragam aspek di dunia nyata. Pada industri kesehatan, berbagai model teknologi deep learning bisa bekerja dengan baik saat menganalisis hasil pemindaian elektron mikroskop atau mendeteksi penyakit mata.
Untuk pemanfaatan dalam hal pengamatan lingkungan dan iklim, AI telah membantu pengembangan model-model iklim yang lebih baik, memetakan jutaan atap panel surya di Amerika Serikat, memonitor kesehatan lautan luas, hingga mendukung proyek-proyek konservasi hewan. Para anggota komunitas sumber terbuka (open source) juga melakukan beragam proyek menarik.
Semua pemanfaatan di berbagai aspek ini menunjukkan perkembangan drastis dalam hal pengolahan gambar oleh komputer, serta kemampuan memproses bahasa sebagai medium komunikasi manusia secara alami (natural language processing).
Algoritme yang makin andal
Deep learning telah bekerja dengan sangat baik untuk menghadapi tantangan pengklasifikasian gambar pada ImageNet. Tingkat kesalahan dari teknologi ini jadi makin sedikit, dari angka 26,2 persen pada model scale-invariant feature transform (SIFT) di era 1990-an, menjadi 15,3 persen pada AlexNet (2012), hingga baru-baru ini 2,25 persen padsa SE-ResNet (2017).
Klasifikasi Data Gambar Kucing | Screenshot
Identifikasi objek (lihat gambar di atas) yang merupakan masalah klasik, dapat ditangani secara real time oleh sistem “You Only Look Once” (YOLO) dan model-model turunannya, atau lebih secara lebih akurat oleh Single-Shot Detector (SSD).
Pemisahan objek (lihat contoh di bawah) dulu merupakan tantangan sulit, terutama untuk gambar-gambar kompleks di mana batas-batas antarobjek saling bertumpukan, Sederet model deep learning canggih, seperti Path Aggregation Network (PANet) dan Context Encoding Network (EncNet) dikembangkan berdasar ide-ide yang sudah ada, tapi dengan ekstraktor karakteristik dan informasi konteks yang lebih andal.
Tentu saja, BigGAN—yang mirip dengan Generative Adversary Networks (GAN), tapi lebih besar dan lebih canggih—juga perlu menjadi perhatian. AI kini mampu menciptakan wajah ataupun video yang tampak realistis (meski sesungguhnya hanya hasil rekaan) dan mengidentifikasi seorang buron di tengah-tengah kerumunan 50.000 orang pada suatu konser musik.
Perkembangan NLP di tahun 2018 juga sangat menarik. ULMFiT yang dikembangkan oleh Jeremy Howard dan Sebastian Ruder mampu melakukan proses transfer learning dalam skala jauh lebih besar. Ini merupakan terobosan besar, karena model-model bahasa dalam teknologi AI sejauh ini hanya berlaku secara spesifik untuk suatu bahasa tertentu saja.
Saat saya bekerja untuk sebuah perusahaan e-commerce regional di Asia Tenggara dulu, tim saya harus membangun satu model untuk tiap bahasa: Inggris, Thailand, Vietnam, dan Indonesia. Tugas ini jadi berkali-kali lipat makin sulit dan mahal saat kami berusaha membuat model tersebut bekerja pada tiap-tiap gaya bahasa yang berbeda. Transfer learning bisa membantu penyesuaian model bahasa Inggris ke bahasa Indonesia, sehingga menghemat waktu dan biaya.
Embeddings from Language Models (ELMo) dan Bidirectional Representations from Transformers (BERT) menghadirkan konsep melekatkan konteks pada kata-kata.
Gambar di atas menunjukkan kata “play” (bermain) sebagai kata benda yang punya makna berbeda-beda sesuai konteks, mulai dari “playing” (sedang bermain) hingga “to play” (main). ELMo dan BERT dapat membedakan serta melacak arti-arti berbeda dari suatu kata yang sama, sehingga mampu menghadirkan hasil lebih akurat ketimbang model-model berbasis vektor yang hanya melekatkan satu arti pada satu kata.
Dampak pada peradaban manusia
Apa arti dari semua perkembangan teknologi AI? Kini sudah ada AI di bidang hukum yang mampu mengalahkan para pengacara dari Goldman Sachs, apakan ini berarti AI akan menaklukkan manusia kelak?
Menariknya, para pengacara tersebut justru lega karena AI dapat dipekerjakan untuk melakukan pekerjaan remeh, repetitif (seperti menganalisis/membuat perjanjian kerahasiaan), sehingga mereka dapat fokus mengerjakan tugas yang lebih kompleks dan bernilai tambah.
AI punya kemungkinan besar bakal segera menggantikan peran manusia untuk mengerjakan tugas-tugas remeh, dan orang-orang kini berdebat untuk menetapkan kebijakan yang bakal membantu pihak-pihak terdampak.
Memahami perbedaan deep learning dengan machine learning
Kita juga menyaksikan kemunculan isu-isu terkait privasi data dan AI, seperti yang mengemuka pada penetapan regulasi pengamanan data di Eropa, skandal Cambridge Analytica dan Facebook, serta kecelakaan mobil tanpa awak milik Uber.
AI punya kemampuan besar dan telah berkembang pesat pada tahun 2018, tetapi hingga saat ini masih belum matang. Lonjakan pertumbuhan pada sejumlah area, seperti internet of things + AI, blockchain + AI, atau bidang-bidang lainnya, mungkin bakal terjadi di 2019. Saya tak sabar menanti apa yang akan kita ciptakan berikutnya.
(Artikel ini pertama kali dipublikasikan dalam bahasa Inggris. Isi di dalamnya telah diterjemahkan dan dimodifikasi oleh Iqbal Kurniawan sesuai dengan standar editorial Tech in Asia Indonesia. Diedit oleh Pradipta Nugrahanto.)
Perkembangan teknologi kecerdasan buatan (AI) dan machine learning mengalami kemajuan yang menggembirakan pada tahun 2018 silam. Berbagai terobosan, seperti AI yang “lebih cerdas”, implementasi di dunia nyata, perkembangan algoritme yang jadi dasar teknologi, hingga beragam diskusi tentang dampak AI pada peradaban manusia, telah terjadi selama tahun lalu.
Berikut adalah sejumlah peristiwa penting yang telah terjadi.
AI yang lebih cerdas
AlphaZero besutan tim DeepMind (bagian dari Alphabet yang juga merupakan perusahaan induk Google), menunjukkan fleksibiltas dari proses reinforcement learning yang mendalam. AlphaZero mampu melatih dirinya sendiri untuk memahami tiga permainan konvensional (catur, shogi, dan go), serta telah melalui evaluasi independen pihak ketiga.
Para ahli telah mengembangkan model yang mampu mengikuti tren historis serta membuat prediksi berdasarkan data masa lampau. Kini, telah hadir mesin yang dapat mengamati lapangan, memahami “peraturan tak tertulis”, menyesuaikan perilaku saat menjelajahi lingkungan, serta mengambil manfaat maksimal dari situasi, seperti yang halnya manusia.
Tapi jangan buru-buru berharap kecerdasan buatan untuk berbagai urusan umum akan hadir dalam waktu dekat.
Implementasi di dunia nyata
Pemanfaatan AI selama tahun 2018 tak melulu berkaitan dengan permainan. Teknologi ini punya potensi besar untuk beragam aspek di dunia nyata. Pada industri kesehatan, berbagai model teknologi deep learning bisa bekerja dengan baik saat menganalisis hasil pemindaian elektron mikroskop atau mendeteksi penyakit mata.
Untuk pemanfaatan dalam hal pengamatan lingkungan dan iklim, AI telah membantu pengembangan model-model iklim yang lebih baik, memetakan jutaan atap panel surya di Amerika Serikat, memonitor kesehatan lautan luas, hingga mendukung proyek-proyek konservasi hewan. Para anggota komunitas sumber terbuka (open source) juga melakukan beragam proyek menarik.
Semua pemanfaatan di berbagai aspek ini menunjukkan perkembangan drastis dalam hal pengolahan gambar oleh komputer, serta kemampuan memproses bahasa sebagai medium komunikasi manusia secara alami (natural language processing).
Algoritme yang makin andal
Deep learning telah bekerja dengan sangat baik untuk menghadapi tantangan pengklasifikasian gambar pada ImageNet. Tingkat kesalahan dari teknologi ini jadi makin sedikit, dari angka 26,2 persen pada model scale-invariant feature transform (SIFT) di era 1990-an, menjadi 15,3 persen pada AlexNet (2012), hingga baru-baru ini 2,25 persen padsa SE-ResNet (2017).
Klasifikasi Data Gambar Kucing | Screenshot
Identifikasi objek (lihat gambar di atas) yang merupakan masalah klasik, dapat ditangani secara real time oleh sistem “You Only Look Once” (YOLO) dan model-model turunannya, atau lebih secara lebih akurat oleh Single-Shot Detector (SSD).
Pemisahan objek (lihat contoh di bawah) dulu merupakan tantangan sulit, terutama untuk gambar-gambar kompleks di mana batas-batas antarobjek saling bertumpukan, Sederet model deep learning canggih, seperti Path Aggregation Network (PANet) dan Context Encoding Network (EncNet) dikembangkan berdasar ide-ide yang sudah ada, tapi dengan ekstraktor karakteristik dan informasi konteks yang lebih andal.
Tentu saja, BigGAN—yang mirip dengan Generative Adversary Networks (GAN), tapi lebih besar dan lebih canggih—juga perlu menjadi perhatian. AI kini mampu menciptakan wajah ataupun video yang tampak realistis (meski sesungguhnya hanya hasil rekaan) dan mengidentifikasi seorang buron di tengah-tengah kerumunan 50.000 orang pada suatu konser musik.
Perkembangan NLP di tahun 2018 juga sangat menarik. ULMFiT yang dikembangkan oleh Jeremy Howard dan Sebastian Ruder mampu melakukan proses transfer learning dalam skala jauh lebih besar. Ini merupakan terobosan besar, karena model-model bahasa dalam teknologi AI sejauh ini hanya berlaku secara spesifik untuk suatu bahasa tertentu saja.
Saat saya bekerja untuk sebuah perusahaan e-commerce regional di Asia Tenggara dulu, tim saya harus membangun satu model untuk tiap bahasa: Inggris, Thailand, Vietnam, dan Indonesia. Tugas ini jadi berkali-kali lipat makin sulit dan mahal saat kami berusaha membuat model tersebut bekerja pada tiap-tiap gaya bahasa yang berbeda. Transfer learning bisa membantu penyesuaian model bahasa Inggris ke bahasa Indonesia, sehingga menghemat waktu dan biaya.
Embeddings from Language Models (ELMo) dan Bidirectional Representations from Transformers (BERT) menghadirkan konsep melekatkan konteks pada kata-kata.
Gambar di atas menunjukkan kata “play” (bermain) sebagai kata benda yang punya makna berbeda-beda sesuai konteks, mulai dari “playing” (sedang bermain) hingga “to play” (main). ELMo dan BERT dapat membedakan serta melacak arti-arti berbeda dari suatu kata yang sama, sehingga mampu menghadirkan hasil lebih akurat ketimbang model-model berbasis vektor yang hanya melekatkan satu arti pada satu kata.
Dampak pada peradaban manusia
Apa arti dari semua perkembangan teknologi AI? Kini sudah ada AI di bidang hukum yang mampu mengalahkan para pengacara dari Goldman Sachs, apakan ini berarti AI akan menaklukkan manusia kelak?
Menariknya, para pengacara tersebut justru lega karena AI dapat dipekerjakan untuk melakukan pekerjaan remeh, repetitif (seperti menganalisis/membuat perjanjian kerahasiaan), sehingga mereka dapat fokus mengerjakan tugas yang lebih kompleks dan bernilai tambah.
AI punya kemungkinan besar bakal segera menggantikan peran manusia untuk mengerjakan tugas-tugas remeh, dan orang-orang kini berdebat untuk menetapkan kebijakan yang bakal membantu pihak-pihak terdampak.
Memahami perbedaan deep learning dengan machine learning
Kita juga menyaksikan kemunculan isu-isu terkait privasi data dan AI, seperti yang mengemuka pada penetapan regulasi pengamanan data di Eropa, skandal Cambridge Analytica dan Facebook, serta kecelakaan mobil tanpa awak milik Uber.
AI punya kemampuan besar dan telah berkembang pesat pada tahun 2018, tetapi hingga saat ini masih belum matang. Lonjakan pertumbuhan pada sejumlah area, seperti internet of things + AI, blockchain + AI, atau bidang-bidang lainnya, mungkin bakal terjadi di 2019. Saya tak sabar menanti apa yang akan kita ciptakan berikutnya.
(Artikel ini pertama kali dipublikasikan dalam bahasa Inggris. Isi di dalamnya telah diterjemahkan dan dimodifikasi oleh Iqbal Kurniawan sesuai dengan standar editorial Tech in Asia Indonesia. Diedit oleh Pradipta Nugrahanto.)
Demikianlah Artikel Kilas Tentang Perkembangan Teknologi AI Selama Tahun INI
Sekianlah artikel Kilas Tentang Perkembangan Teknologi AI Selama Tahun INI kali ini, mudah-mudahan bisa memberi manfaat untuk anda semua. baiklah, sampai jumpa di postingan artikel lainnya.
Anda sekarang membaca artikel Kilas Tentang Perkembangan Teknologi AI Selama Tahun INI dengan alamat link https://motobalapan.blogspot.com/2019/04/kilas-tentang-perkembangan-teknologi-ai.html