Beberapa percaya bahwa perkembangan kecerdasan buatan dan robotika membahayakan privasi, pekerjaan, dan bahkan keselamatan kita. Semakin banyak tugas yang diberikan pada otak berbasis silikon. Tetapi bahkan kritikus yang paling vokal pun tidak dapat gagal untuk mengenali manfaat nyata yang disiapkan AI dan sistem otomatis untuk umat manusia. Sebagai bagian dari proyek Grand Challenges, BBC mempertemukan para ahli yang menetapkan visi mereka untuk masa depan dengan adanya mesin dan kecerdasan buatan.
“Kita seharusnya tidak melihat AI sebagai sesuatu yang bersaing dengan kita, tetapi sebagai sesuatu yang dapat meningkatkan kemampuan kita sendiri,” kata Takeo Kanade, profesor robotika di Universitas Carnegie Mellon. Karena AI memiliki toleransi terhadap kebosanan, dan juga mampu mengidentifikasi pola jauh lebih baik dan lebih cepat daripada manusia. Otomasi telah mulai mengungkap simpul paling kompleks di dunia, dari penyakit hingga kekejaman.
Dan itu bisa membuat hidup kita lebih aman di abad ke-21.
Memerangi penyakit menular
Bagi milyaran orang di seluruh dunia, dengungan nyamuk di dekat telinga mereka dapat berarti lebih dari sekadar gigitan yang mengganggu - ini bisa menjadi pertanda penyakit dan bahkan kematian. Satu spesies, Aedes aegypti, telah menyebar secara khusus dari Afrika ke hampir semua wilayah tropis dan subtropis, membawa demam berdarah, demam kuning, Zika dan chikungunya (virus yang menyebabkan nyeri sendi yang melumpuhkan). Dengue sendiri menginfeksi 390 juta orang di 128 negara setiap tahun.
"Nyamuk ini adalah setan kecil," kata Rainier Mallol, seorang insinyur komputer di Republik Dominika, hot spot untuk Zika. Bersama dengan Desi Raja, tenaga medis dari Malaysia (negara lain yang berisiko tertular virus), pasangan itu telah mengembangkan algoritme AI yang memprediksi di mana wabah paling mungkin terjadi.
Video promosi:
Project Premonition Microsoft Menggunakan Drone untuk Menemukan Patogen di Hot Spots Zika
Artificial Intelligence in Medical Epidemiology (Aime) adalah sistem yang menggabungkan waktu dan lokasi setiap kasus DBD baru yang dilaporkan oleh rumah sakit setempat dengan 274 variabel lain seperti arah angin, kelembaban, suhu, kepadatan populasi, jenis perumahan. “Ini semua adalah faktor yang menentukan penyebaran nyamuk,” jelas Mallall.
Pengujian di Malaysia dan Brasil menunjukkan bahwa mereka dapat memprediksi wabah dengan akurasi sekitar 88% dalam tiga bulan. Sistem ini juga membantu menemukan episentrum wabah dalam jarak 400 meter, memungkinkan petugas medis setempat untuk turun tangan tepat waktu dengan insektisida dan perlindungan gigitan bagi penduduk setempat.
Aime juga berkembang untuk memprediksi wabah Zika dan Chikungunya. Perusahaan teknologi besar mengambil ide ini dengan caranya sendiri: Project Premonition Microsoft, misalnya, menggunakan drone otonom untuk mendeteksi kantong nyamuk, dan menggunakan karbon dioksida dan perangkap cahaya untuk menangkap serangga tersebut. DNA nyamuk dan hewan yang mereka gigit kemudian dianalisis dengan algoritme mesin yang mengungkap pola dalam jumlah data yang sangat besar setiap kali lebih baik dan lebih baik - dan menemukan patogen.
Pertarungan Senjata
Selama setahun terakhir, 15.000 orang tewas di Amerika Serikat karena tembakan. Negara ini memiliki tingkat kekerasan terkait senjata tertinggi di seluruh dunia maju. Untuk mengatasi masalah penembakan tanpa pandang bulu dan kejahatan terkait senjata, beberapa kota di seluruh negeri beralih ke teknologi untuk meminta bantuan.
Sistem otomatis yang mendengar suara tembakan melalui serangkaian sensor dapat digunakan untuk menemukan lokasi tembakan dan mengingatkan pasukan keamanan dalam waktu 45 detik setelah pelatuk ditarik. ShotSpotter menggunakan 15-20 sensor akustik per kilometer persegi untuk mendeteksi karakteristik "letupan" dari sebuah bidikan, menemukan tempat kelahirannya dengan akurasi 25 meter.
Teknologi pembelajaran mesin digunakan untuk memastikan bahwa suara itu adalah suara tembakan dan menghitung jumlah tembakan untuk menunjukkan apakah polisi akan menangani seorang pria bersenjata tunggal atau beberapa penjahat, dan apakah mereka menggunakan senapan mesin atau tidak.
Sudah 90 kota - kebanyakan di AS, tetapi juga di Afrika Selatan dan Amerika Selatan - menggunakan ShotSpotter. Sistem kecil juga telah diterapkan di sembilan kampus AS sebagai tanggapan atas baku tembak di kampus baru-baru ini.
Ralph Clarke, CEO ShotSpotter, percaya bahwa di masa depan, sistem ini dapat digunakan untuk lebih dari sekadar respons insiden sederhana.
"Kami ingin memahami bagaimana data kami dapat digunakan untuk kemampuan prediksi petugas polisi," katanya. "Pembelajaran mesin dapat dikombinasikan dengan cuaca, lalu lintas, dan lainnya untuk menginformasikan patroli polisi dengan lebih akurat."
Melawan kelaparan
Sekitar 800 juta orang di seluruh dunia mengandalkan akar singkong (singkong) sebagai sumber karbohidrat utama mereka. Sayuran mirip ubi bertepung ini dimakan seperti kentang; itu juga bisa digiling menjadi tepung untuk membuat roti dan makanan yang dipanggang. Ia bisa tumbuh di tempat yang tidak bisa ditanami tanaman lain, menjadikan singkong sebagai tanaman pangan terbesar keenam di dunia. Namun semak berkayu ini juga rentan terhadap penyakit dan hama yang dapat merusak seluruh lahan sayuran.
Para peneliti di Universitas Makerere di Kampala, Uganda telah bekerja sama dengan para ahli penyakit tanaman untuk mengembangkan sistem otomatis yang ditujukan untuk memerangi penyakit singkong. Proyek Mcrops memungkinkan petani lokal untuk memotret tanaman mereka dengan smartphone murah dan menggunakan computer vision untuk mendeteksi tanda-tanda empat penyakit utama yang merusak tanaman singkong.
“Beberapa penyakit ini sangat sulit dikenali dan membutuhkan tindakan berbeda,” jelas Ernest Mwebase, peneliti ilmu komputer yang memimpin proyek tersebut. "Kami memberi petani ahli saku sehingga mereka tahu apakah akan menyerbuki tanaman mereka atau menghancurkan dan menanam sesuatu yang lain."
Sistem ini mendiagnosis penyakit ubi kayu dengan akurasi 88 persen. Biasanya, petani perlu memanggil ahli pemerintah untuk mengunjungi peternakan untuk mengidentifikasi penyakit, yang membutuhkan waktu berhari-hari dan berminggu-minggu untuk menyebarkan penyakit.
Mcrops juga memungkinkan Anda mengunggah snapshot ke database, yang kemudian digunakan untuk mendiagnosis wabah. Mwebaze berharap teknologi tersebut juga secara otomatis mendeteksi masalah pada spesies tanaman lain, seperti pisang.
Melawan kanker dan kehilangan penglihatan
Kanker menyebabkan lebih dari 8,8 juta kematian di seluruh dunia, dan 14 juta orang didiagnosis dengan beberapa jenis kanker setiap tahun. Deteksi dini kanker secara signifikan dapat meningkatkan peluang seseorang untuk bertahan hidup dan mengurangi risiko kekambuhan. Skrining adalah salah satu cara utama untuk mendeteksi kanker sejak dini, tetapi sangat, sangat sulit dan memakan waktu untuk memahami pemindaian dan hasil tes lainnya.
Google DeepMind Dapat Membantu Dokter Dengan Perawatan Kanker Dengan Pembelajaran Mesin Untuk Membantu Mengidentifikasi Area Sehat Jaringan Pasien
DeepMind dan IBM menerapkan teknologi AI mereka untuk masalah ini. DeepMind telah bekerja sama dengan dokter NHS Inggris di University Colleges di London untuk melatih program berbasis AI untuk mengobati kanker dengan memisahkan area jaringan sehat dari tumor dalam pemindaian kepala dan leher. Dia juga bekerja dengan Rumah Sakit Mata Moorfields di London, mendeteksi tanda-tanda awal kehilangan penglihatan pada pemindaian mata.
"Algoritme kami mampu menafsirkan informasi visual dari pemindaian," kata Dominic King, Kepala Klinis di DeepMind Health. “Sistem belajar untuk mengidentifikasi potensi masalah dan merekomendasikan tindakan yang benar kepada dokter. Masih terlalu dini untuk mengomentari hasil, tetapi mereka sudah sangat menggembirakan."
King mengatakan teknik AI dapat membantu dokter membuat diagnosis lebih cepat dengan memilah-milah pemindaian dan memprioritaskan yang direkomendasikan untuk pertimbangan segera.
IBM juga baru-baru ini mengumumkan bahwa AI Watson dapat menganalisis gambar dan mengevaluasi catatan pasien, dengan menunjukkan 96% tumor. Sistem ini sekarang menjalani uji medis di 55 rumah sakit di seluruh dunia, membantu mendiagnosis kanker payudara, paru-paru, kolorektal, serviks, ovarium, perut, dan prostat.
Tanpa mematikan lampu
Di tengah perdebatan sengit tentang apakah perubahan iklim dapat memicu dua bencana badai dalam skala bersejarah di Amerika Serikat, bagaimana kecerdasan buatan dapat dimaksimalkan untuk meneliti penggunaan energi bersih dan terbarukan untuk mencegah kerusakan lebih lanjut yang mengarah pada masalah iklim?
Orang di seluruh dunia semakin mengandalkan sumber energi terbarukan untuk memerangi perubahan iklim dan polusi yang disebabkan oleh bahan bakar fosil, dan tugas menyeimbangkan jaringan energi dengan sumber yang terputus-putus tersebut menjadi semakin sulit. Perkembangan smart meter - monitor energi digital yang secara otomatis merekam konsumsi - juga akan memberikan banyak data tentang bagaimana dan kapan konsumen menggunakan energi. Uni Eropa sendiri berencana memasang 500 juta smart meter di rumah pada tahun 2020.
“Mengelola semua aset ini mustahil bagi manusia, karena waktu respons sering kali hanya beberapa detik,” kata Valentin Robu, asisten profesor sistem cerdas di Universitas Heriot Watt di Edinburgh. Dia bekerja dengan perusahaan Inggris, Upside Energy, untuk mengembangkan cara baru untuk mengelola jaringan listrik.
Mereka membuat algoritme pembelajaran mesin untuk memantau produksi dan permintaan energi secara real time. Apa artinya? Energi tersebut akan disimpan pada saat jam tenang dan kemudian dilepaskan pada jam sibuk, misalnya pada pagi hari, saat semua orang ingin membuat kopi sendiri. Ketika kendaraan listrik dan aki rumah menjadi lebih umum, teknologi dapat digunakan untuk menyimpan energi dan mendistribusikan arus terbarukan secara merata.
Robu juga mengatakan AI dapat digunakan pada tingkat yang lebih dasar, membantu mengurangi permintaan kami untuk perangkat yang terhubung. Misalnya, lemari es dapat dikontrol langsung oleh AI sehingga hanya menyala ketika kebutuhan listrik paling rendah di jaringan.
Ilya Khel
