Ada fenomena psikologis yang lucu: mengulang kata apapun berkali-kali, dan pada akhirnya akan kehilangan semua makna, berubah menjadi kain basah, menjadi tidak ada fonetik. Bagi banyak dari kita, ungkapan "kecerdasan buatan" telah lama kehilangan artinya. AI ada di mana-mana dalam teknologi saat ini, memberdayakan segalanya mulai dari TV hingga sikat gigi, tetapi itu tidak berarti apa yang seharusnya. Tidak harus seperti itu.
Kecerdasan buatan: baik atau jahat
Sementara frase "kecerdasan buatan" tidak dapat disangkal disalahgunakan, teknologi ini melakukan lebih dari sebelumnya, baik dan buruk. Ini digunakan dalam perawatan kesehatan dan pertempuran; membantu orang menulis musik dan buku; mengevaluasi kelayakan kredit Anda dan meningkatkan foto yang diambil dengan ponsel Anda. Singkatnya, dia membuat keputusan yang memengaruhi hidup Anda, suka atau tidak suka.
Sulit untuk menyetujui hype dan hype yang didiskusikan oleh perusahaan teknologi dan pengiklan dengan AI. Ambil sikat gigi Genius X Oral-B, misalnya, salah satu dari banyak perangkat yang diluncurkan di CES tahun ini yang disebut-sebut memiliki kemampuan AI. Tetapi setelah diperiksa lebih dekat, menjadi jelas bahwa sikat hanya memberi Anda umpan balik tentang apakah Anda menyikat gigi untuk waktu yang tepat dan di tempat yang tepat. Ada beberapa sensor pintar di luar sana yang dapat mengetahui di mana sikat Anda berada di mulut Anda, tetapi menyebutnya kecerdasan buatan itu omong kosong, tidak lebih.
Hype itu menimbulkan kesalahpahaman. Pers dapat membesar-besarkan dan membesar-besarkan penelitian apa pun dengan menempelkan Terminator pada cerita AI yang tidak jelas. Hal ini sering menimbulkan kebingungan tentang apa itu kecerdasan buatan. Ini bisa menjadi topik yang rumit bagi non-spesialis, dan orang sering salah mengasosiasikan AI modern dengan versi yang paling mereka kenal: representasi sci-fi dari komputer yang sadar berkali-kali lebih pintar daripada manusia. Para ahli menyebut gambar khusus kecerdasan buatan umum AI ini, dan jika kita bisa membuat sesuatu seperti ini, itu akan sangat jauh. Sampai saat itu, melebih-lebihkan kapabilitas, kecerdasan, atau kapabilitas sistem AI tidak akan membantu proses dengan cara apa pun.
Jauh lebih baik untuk membicarakan "pembelajaran mesin" daripada kecerdasan buatan. Ini adalah subbidang kecerdasan buatan yang mencakup hampir semua teknik yang memiliki dampak terbesar di dunia saat ini (termasuk apa yang disebut pembelajaran mendalam). Tidak ada mistisisme "AI" dalam frasa ini, tetapi lebih berguna dalam menjelaskan apa yang dilakukan teknologi ini.
Bagaimana cara kerja pembelajaran mesin? Selama beberapa tahun terakhir, Anda dan saya memiliki kesempatan untuk membaca lusinan penjelasan, dan perbedaan terpenting yang saya temukan untuk diri saya sendiri terletak pada namanya: pembelajaran mesin adalah segala sesuatu yang memungkinkan komputer untuk belajar sendiri. Tapi yang dimaksud sebenarnya adalah pertanyaan yang jauh lebih besar.
Video promosi:
Mari kita mulai dengan masalahnya. Katakanlah Anda ingin membuat program yang dapat mengenali kucing. Anda dapat menuliskannya dengan cara kuno dengan memprogram aturan yang jelas seperti "kucing memiliki telinga runcing" dan "kucing berbulu". Tapi apa yang dilakukan program saat Anda menunjukkan gambar harimau? Setiap aturan akan memakan waktu untuk diprogram, dan Anda harus menjelaskan banyak konsep berbeda seperti fluffiness dan mottling. Lebih baik biarkan mesin mengajar sendiri. Jadi, Anda memberinya banyak koleksi gambar kucing dan dia memeriksanya untuk menemukan polanya sendiri dalam apa yang dilihatnya. Ini menghubungkan titik-titik pada awalnya, sebagian besar secara tidak sengaja, tetapi Anda mengujinya berulang kali untuk mempertahankan versi terbaik. Dan seiring berjalannya waktu, dia mulai mendefinisikan dengan baik apa itu kucing dan apa yang bukan.
Sejauh ini, semuanya bisa diprediksi. Faktanya, Anda mungkin pernah membaca penjelasan serupa sebelumnya - maaf tentang itu. Hal lain yang penting. Apa efek samping dari melatih sistem pengambilan keputusan seperti ini?
Keuntungan terbesar dari metode ini adalah yang paling jelas: Anda tidak perlu memprogram sistem ini. Tentu saja, Anda akan bekerja keras untuk meningkatkan prinsip pemrosesan data sistem sementara sistem menemukan cara yang lebih cerdas untuk mengekstrak informasi, tetapi Anda tidak akan memberi tahu sistem apa yang harus dicari. Ini berarti dia akan dapat menemukan pola yang mungkin terlewatkan atau bahkan tidak dipikirkan orang. Dan karena semua kebutuhan program adalah data - 1 dan 0 - program ini dapat dilatih untuk melakukan semua jenis tugas karena dunia secara harfiah penuh dengan data. Dengan palu pembelajaran mesin di tangan Anda, dunia digital akan penuh dengan paku yang siap beraksi.
Tapi sekarang mari kita pikirkan kerugiannya. Jika Anda tidak sedang mengajar komputer, bagaimana Anda tahu bagaimana komputer membuat keputusan? Sistem pembelajaran mesin tidak dapat menjelaskan pemikiran mereka, yang berarti algoritme Anda mungkin berfungsi dengan baik karena alasan yang salah. Demikian juga, karena semua komputer tahu adalah data yang Anda berikan, itu dapat mengembangkan bias terhadap berbagai hal, atau hanya bisa baik untuk tugas-tugas sempit yang mirip dengan data yang telah dilihat sebelumnya. Itu tidak memiliki akal sehat yang Anda harapkan dari seseorang. Anda dapat membuat perangkat lunak pengenalan kucing terbaik di dunia, tetapi tidak akan pernah memberi tahu Anda bahwa anak kucing tidak dapat mengendarai sepeda motor atau bahwa kucing kemungkinan besar akan dipanggil "Koschey the Immortal" atau "Alexey Tolstoy".
Mengajar komputer untuk belajar sendiri adalah trik yang brilian. Dan seperti semua trik, yang satu ini termasuk trik. Sistem AI memiliki kecerdasan, jika Anda ingin menyebutnya begitu. Tapi ini bukan pikiran organik, dan tidak bermain dengan aturan yang sama seperti manusia. Anda mungkin juga bertanya: Seberapa pintar buku itu? Pengalaman apa yang dikodekan dalam wajan?
Di mana kita sekarang, dengan kecerdasan buatan kita? Setelah bertahun-tahun menjadi berita utama tentang terobosan besar lainnya (yang belum terjadi, dan berita utama tersebut masih ada), beberapa ahli menyimpulkan bahwa kita telah mencapai suatu keadaan stabil. Tapi ini tidak menghalangi kemajuan. Dalam hal penelitian, ada banyak sekali peluang untuk mengeksplorasi dengan pengetahuan yang telah tersedia bagi kami, dan dalam hal produk, kami hanya melihat puncak gunung es algoritmik.
Kai-fu Lee, seorang kapitalis ventura dan mantan peneliti kecerdasan buatan, menggambarkan momen saat ini sebagai "era adopsi" - ketika teknologi mulai "keluar dari laboratorium ke dunia". Benedict Evans membandingkan pembelajaran mesin dengan database relasional, yang menghasilkan banyak uang di tahun 90-an dan mengubah seluruh industri, tetapi itu akan sangat biasa sehingga Anda bosan jika mata Anda tertutupi oleh kemegahan AI sinematik. Kami sekarang berada pada tahap di mana AI harus menjadi normal, menjadi kebiasaan. Sebentar lagi, pembelajaran mesin akan ada dalam diri kita masing-masing dan kita akan berhenti memerhatikannya.
Namun sejauh ini hal tersebut belum terjadi.
Saat ini, kecerdasan buatan - pembelajaran mesin - masih merupakan sesuatu yang baru, yang seringkali tidak dapat dijelaskan atau dipelajari secara tidak memadai. Tetapi di masa depan, itu akan menjadi begitu akrab dan biasa sehingga Anda tidak akan menyadarinya.
Ilya Khel
