Apa itu Kecerdasan Buatan
Kecerdasan buatan adalah teknologi yang memungkinkan mesin untuk berpikir, belajar, dan menemukan solusi (menyelesaikan masalah) seperti yang dilakukan otak manusia berdasarkan database sumber informasi. AI memiliki kekuatan untuk melakukan rasionalisasi seperti kita dan mengambil tindakan yang paling mungkin mencapai suatu tujuan. Melalui kecerdasan buatan, mesin dapat menjalankan tugas yang diinginkan dengan meniru kecerdasan manusia.
Contoh Kecerdasan Buatan
Dalam kehidupan sehari-hari tentu kita seringkali menjumpai berbagai teknologi atau Contoh Kecerdasan Buatan dalam memudahkan berbagai pekerjaan manusia. Berikut ini adalan contoh kecerdasan buatan yang banyak dijumpai
- Teknologi Computer Vision : Deteksi kematangan buah, menentukan kemiripan citra
wajah berdasarkan jarak suatu matriks, pengenalan teks pada OCR, deteksi penyakit
dalam dunia medis melalui image processing - NLP : pendeteksian spam, analisis sentimen, dan pengenalan suara
- AI generative : digunakan untuk menciptakan berbagai jenis media dari perintah teks, diterapkan secara luas di seluruh bisnis untuk menciptakan jenis konten yang tampaknya tak terbatas
Kecerdasan Buatan AI
Pernahkan Anda mendengar istilah
assisted Intelligence, autonomous Intelligence, dan augmented Intelligence. Simak perbedaan ketiga teknologi Kecerdasan Buatan AI ini
assisted Intelligence adalah Tingkat paling tinggi dari AI. Assisted Intelligence merupakan gabungan dari teknologi Big Data, Cloud, Data Analytics untuk melakukan suatu pengambilan keputusan dan melakukan otomatisasi proses. Kecerdasan ini dapat melakukan tugas-tugas yang lebih mendalam. Kecerdasan ini biasanya berbentuk sebagai alat yang digunakan oleh operator manusia.
Contoh Implementasi :
- Speech recognition software
- Predictive text algorithms
- Robotic
autonomous Intelligence : adalah bentuk AI yang paling canggih, yaitu proses yang diotomatisasi untuk menghasilkan kecerdasan yang memungkinkan mesin, bot, dan sistem bertindak sendiri, terlepas dari campur tangan manusia.
Contoh Implementasi :
- Chatbot
- Machine learning algorithms
- Virtual reality technology
augmented Intelligence : adalah AI tingkatan kedua yang berfokus pada peran pendukung teknologi. Augmented Intelligence dirancang untuk meningkatkan, bukan menggantikan, kecerdasan manusia.
Contoh Implementasi :
- Mobil tanpa pengendara
- Drones
- Trading algorithms
Bagaimana Character AI dan Perbedaan antara AI dengan Analytics
Perbedaan Analytics dan AI
Analisis data berkaitan pola atau informasi data masa lalu uang berfungsi memprediksi kejadian di masa depan, sedangkan dalam AI, analisis data merupakan salah satu proses untuk menghasilkan prediksi melalui pembuatan asumsi pada skala dan kedalaman detail yang mustahil dilakukan oleh analis manusia secara individu.
Analisis data berhubungan dengan penemuan suatu pola, melaporkan hasil, dan
menemukan hubungan antar variabel dalam data, sedangkan AI bertujuan untuk
mengotomatisasi proses dengan memberikan kecerdasan manusia pada mesin yang
artinya sistem AI mampu membuat asumsi, menguji, dan belajar secara mandiri
Persamaan Analytics dan AI
Baik AI maupun analitika sama sama berfungsi untuk melakukan pengolahan data datayang besar dan kompleks yang dapat digunakan untuk membuat prediksi.
AI maupun analitika bertujuan untuk memahami pola dan tren dalam data. Sehinggamampu mengidentifikasi korelasi dan hubungan yang dapat membantu dalammeramalkan hasil di masa mendatang.
Penerapan AI pada Internet of Things (IoT)
Penerapan AI pada IOT saya mengambil study kasus pada alat pengenalan citra wajah menggunakan metode Principal component analysis (PCA) yang dihubungkan dengan sistem buka tutup pintu lemari berbasis IOT.
Sensor Pengenalan Citra Wajah
Disini kitab isa menggunakan sensor camera atau website yang berfungsi untuk Akusisi Citra Wajah adalah proses menangkap (capture) atau memindai (scan) suatu citra analog ehingga diperoleh citra digital.
Proses Pengenalan Citra Wajah (AI)
Proses pengenalan citra wajah ini menggunakan teknologi AI dengan menggunakan
metode PCA. Tahapan yang terjadi yaitu preprocessing seperti Cropping, Face Detection, Resize, menyederhanakan citra missal dengan merubah warna citra RGB to Greyscale, selanjutnya yaitu proses ekstraksi fitur, dalam proses ini AI menggunakan algoritma embelajaran mesin untuk mengenali pola atau hubungan yang mungkin sulit dikenali oleh metode konvensional.
Bila menggunakan metode PCA, Tingkat kemiripan individu ditentukan berdasarkannilai Euclidean Distance berfungsi untuk melakukan pengelompokkan suatu data dengan cara menghitung jarak suatu data dengan yang lainnya. Semakin kecil nilai jarak yang dihasilkan maka data tersebut dapat diklasifikasikan menjadi 1 kelompok (memiliki kemiripan dengan citra wajah dalam dataset) Pengaturan IoT dan Alat IoTuntuk Mekanisme Buka-Tutup LemariPada tahap ini biasanya kita menyambungkan perangkat atau sensor IoT yang mengendalikan mekanisme buka-tutup lemari. Ini bisa berupa kunci pintu otomatis atau perangkat lain yang terhubung ke sistem pengenalan wajah
Logika Kontrol (AI)
Sistem AI untuk juga mengambil keputusan berdasarkan hasil pengenalan citra wajah. Logika ini akan menentukan apakah pengguna yang teridentifikasi diizinkan untuk membuka lemari atau tidak.
Aksi (IOT)
Sistem akan memberikan keputusan berdasarkan hasil pencocokan citra misal “dikenali” atau “tidak dikenali”. Dari hasil keputusan ini Anda dapat menghubungkan nya dengan Managerial Support System hasil output lainnya missal : mengirim data biner “1” ke sensor IOT untuk membuka sensor IOT dan mengirim data biner “0” ke sensor IOT untuk menutup sensor IOT. Sensor IOT akan menerima inputan biner dari sistem dan melakukan aksi berdasarkan hasil keputusan.
Teknologi Utama AI dan Berikan Contoh
Machine Learning (Pembelajaran Mesin)
Penjelasan: Machine Learning adalah cabang AI yang fokus pada pengembangan
algoritma yang memungkinkan sistem untuk belajar dari data. Ini mencakup
pembelajaran supervisi, tanpa supervisi, dan pembelajaran penguatan.
Contoh: Algoritma klasifikasi seperti Random Forest atau Deep Learning seperti
Convolutional Neural Networks (CNN) untuk pengenalan gambar. Natural Language Processing (Pemrosesan Bahasa Alami): Penjelasan: Natural Language Processing (NLP) memungkinkan komputer untuk memahami, memproses, dan menghasilkan bahasa manusia. Ini melibatkan analisis dan
Interpretasi Teks
Contoh: Chatbot yang dapat berkomunikasi dan merespons pertanyaan dalam bahasa alami atau sistem penerjemahan otomatis seperti Google Translate.
Computer Vision (Penglihatan Komputer): Penjelasan: Computer Vision memberikan kemampuan komputer untuk memproses dan memahami informasi visual dari dunia nyata. Ini melibatkan pengenalan objek, deteksi wajah, dan pemahaman visual lainnya. Contoh: Sistem deteksi wajah di kamera pengawas, aplikasi pengenalan karakteristik
visual pada mobil otonom, atau aplikasi pengenalan gambar.
Speech Recognition (Pengenalan Suara)
Penjelasan: Teknologi Speech Recognition memungkinkan komputer untuk mengenali dan memahami ucapan manusia. Ini mencakup konversi suara menjadi teks. Contoh: Asisten virtual seperti Siri atau Google Assistant, sistem pengenalan ucapan untuk kontrol perangkat, atau transkripsi suara ke teks.
Managerial Support System
Robotics (Robotika)
Penjelasan: Robotika dalam konteks AI melibatkan pengembangan robot yang dapat
berinteraksi dan beroperasi secara otomatis atau semi-otomatis. Ini mencakup
pemahaman lingkungan, pengambilan keputusan, dan interaksi fisik.
Contoh: Robot pelayan di restoran, robot pengumpul data di lingkungan industri, atau
robot pembersih otomatis
Sumber
https://www.techtarget.com/searchenterpriseai/definition/AI-Artificial-Intelligence
Leave a Reply