Info Prodi
Senin, 27 Mei 2024
  • 2 dari 8 Alasan Anak SMK & MAK Perlu Lanjut Kuliah di Prodi Teknik Elektro ITI: 1) Nggak perlu hebat dulu untuk bisa kuliah di sini, 2) Biaya kuliah bisa nyicil per bulan (bunga 0%).
31 Mei 2023

Kecerdasan Buatan (AI) – Sebuah Tantangan, Harapan dan Masa Depan Bangsa Indonesia

Rabu, 31 Mei 2023 Kategori : Artikel Ilmiah

Apa itu kecerdasan buatan (artificial intelligence / AI)? Apa teknologi di balik AI? Apa saja manfaat AI? Apa dampak negatif dari kehadiran AI? Bagaimana perkembangan AI di Indonesia?

Mari kita simak artikel berikut ini untuk menjawab pertanyaan-pertanyaan di atas. Artikel ditulis dan disampaikan oleh Ir. Mega Bagus Herlambang, ST, MT, PhD, IPM, ASEAN.Eng (Dosen Prodi Teknik Industri ITI) dalam Orasi Ilmiah Wisuda Institut Teknologi Indonesia, 13 Mei 2023 dengan judul asli “KECERDASAN BUATAN: SEBUAH TANTANGAN, HARAPAN, DAN MASA DEPAN BANGSA”.

  1. Definisi dan Sejarah AI

Artificial Intelligence (AI) atau sering disebut dengan istilah kecerdasan buatan / kecerdasan artifisial adalah sebuah keilmuan yang berfokus kepada pengembangan teknologi yang dapat berperilaku, berpikir, dan bertindak layaknya manusia. Dulunya teknologi ini masih sulit ditemui, namun saat ini sudah banyak teknologi AI yang dapat dengan mudah kita jumpai dan gunakan, antara lain seperti teknologi pengenalan wajah dan pengenalan suara yang ada di smartphones, interaksi bahasa canggih yang populer seperti Chat-GPT, aplikasi chatbot di beberapa e-commerce, hingga pengambilan keputusan tingkat tinggi di perusahaan. AI juga sering digunakan untuk meningkatkan keefektifan dan efisiensi dalam berbagai aspek, seperti otomasi di bidang manufaktur, transportasi, kesehatan, pertanian, sumber daya manusia (human resources), finansial, seni dan desain, dan banyak aspek lainnya.

AI merupakan salah satu bidang teknologi yang paling pesat perkembangannya dalam beberapa tahun terakhir. Jika melihat sejarahnya, ide tentang bagaimana membuat sistem cerdas yang dapat memiliki pola pikirnya sendiri dimulai pada tahun 1945 oleh Vannevar Bush dalam sebuah artikel yang berjudul ‘As We May Think’[1]. Lima tahun kemudian, Alan Turing menuliskan sebuah artikel ilmiah di tahun 1950 tentang mesin yang dapat berpikir cerdas dan melakukan tindakan layaknya manusia[2]. Kemudian istilah ‘Artificial Intelligence’ dimunculkan oleh John McCarthy dalam sebuah konferensi internasional pada tahun 1956 di Dartmouth College. Pada fase ini, para ilmuwan menganggap bahwa menciptakan mesin yang dapat berpikir seperti manusia akan mudah dilakukan, namun ternyata tidak demikian. Perkembangan AI berjalan lambat karena komputer masih memiliki kapasitas penyimpanan dan kecepatan pemrosesan yang terbatas.

Baca juga: 8 Alasan Mengapa Anak SMK dan MAK Harus Kuliah di Teknik Elektro ITI

Pada tahun 1970-an, perkembangan teknologi semakin pesat dan AI mulai mengalami kemajuan yang signifikan. Salah satu perkembangan terpenting pada masa itu adalah pengembangan sistem pakar yang dapat melakukan tugas-tugas seperti diagnosis medis dan penentuan diagnosis penyakit. Pada dekade 1980-an dan 1990-an, AI terus mengalami kemajuan yang pesat, terutama dalam pengembangan teknik-teknik seperti jaringan saraf tiruan (artificial neural networks),  fuzzy logic, dan sistem berbasis aturan (rule-based system). Teknik-teknik ini memungkinkan komputer untuk mengambil keputusan yang lebih kompleks dan memproses informasi dengan lebih cepat. Pada tahun 2000-an hingga saat ini, perkembangan AI semakin cepat dengan adanya teknologi Big Data dan Internet of Things (IoT) yang memungkinkan komputer untuk mengakses data dalam jumlah besar dan berbagai sumber. Kemampuan mesin untuk belajar sendiri (machine learning) juga semakin berkembang, sehingga mesin dapat memproses dan menganalisis data dengan lebih cepat dan akurat.

2. Teknologi di Balik AI

Banyak AI yang dikembangkan menggunakan pendekatan machine learning yang didefinisikan sebagai ilmu yang mempelajari bagaimana sebuah sistem atau mesin dapat belajar dari data yang diberikan dan dapat mengembangkan kemampuan untuk melakukan tugas tertentu secara mandiri tanpa perlu diprogram ulang[3] . Di machine learning, sistem komputer menggunakan algoritma untuk menganalisis data yang diberikan dan mengidentifikasi pola atau hubungan dalam data tersebut. Kemudian, sistem tersebut dapat menggunakan pola yang ditemukan untuk melakukan prediksi atau tugas lainnya pada data baru yang diberikan.

Secara umum terdapat 3 tipe machine learning, antara lain supervised learning, unsupervised learning, dan reinforcement learning. Supervised learning (SL) merupakan proses pembelajaran di mana kita sudah mengetahui apa yang ingin diprediksi atau sering disebut dengan istilah label. Sebagai contoh, kita ingin memprediksi apakah proposal pinjaman kredit seseorang akan diterima atau ditolak oleh pihak perbankan, maka ini merupakan penerapan SL di bidang finansial dan perbankan. SL juga banyak ditemui di aplikasi smartphones seperti pengenalan wajah (face recognition), pengenalan sidik jari, dan pengenalan suara. Unsupervised learning (UL) merupakan proses pembelajaran tanpa label, di mana kita biarkan datanya membentuk pola tersendiri berdasarkan kesamaan properti yang ada di data. Beberapa contoh aplikasi AI berbasis UL antar lain adalah untuk mendeteksi anomali pada data, aplikasi meniru wajah orang lain (face generation), sistem rekomendasi yang ada di Netflix/Youtube, penggelompokan artikel di Google News dan masih banyak lagi.  Reinforcement learning (RL) merupakan pembelajaran dengan memberikan reward/punishment kepada agen cerdas yang dilatih untuk melakukan tujuan tertentu yang dapat berinteraksi dengan lingkungan sekitarnya. Contoh aplikasi AI berbasis RL adalah robot yang bisa berjalan dan berbicara, aplikasi catur AlphaGo yang dapat mengalahkan grandmaster catur Lee Sedol, kendaraan yang dapat berjalan sendiri (self-driving cars), video games, dan masih banyak lagi.

Baca juga Dampak Transformasi Digital dan AI (ChatGPT) Bagi Perusahaan / Bisnis

Untuk dapat meningkatkan performa dari model machine learning, maka dikembangkan sebuah desain arsitektur yang terdiri dari beberapa lapis (layers) proses pembelajaran yang menyerupai sistem saraf manusia yang kemudian disebut dengan istilah deep learning. Kelebihan lain dari deep learning adalah kemampuannya untuk belajar dari data yang tidak terstruktur dan tidak berlabel, kemampuannya untuk menangani hubungan input-output yang kompleks, dan kemampuannya untuk menggeneralisasi ke data baru. Sifat-sifat ini telah membuat deep learning menjadi alat yang kuat di banyak bidang.

Beberapa aplikasi yang kita gunakan bisa jadi merupakan gabungan dari beberapa tipe machine learning dan bisa juga menggunakan arsitektur deep learning. Sebagai contoh aplikasi Chat GPT yang sudah banyak digunakan, merupakan kombinasi dari ketiga tipe machine learning. Chat GPT menggunakan unsupervised learning untuk mencari pola dari jutaan teks yang dilatih, kemudian menggunakan supervised learning untuk memberikan respon dari pertanyaan-pertanyaan yang dilatih menggunakan data berlabel. Kemudian dari respon yang diberikan, Chat GPT menerima umpan balik menggunakan pendekatan reinforcement learning yang disebut dengan Reinforcement Learning from Human Feedback (RLHF) untuk meminimasi respon yang buruk, tidak jujur, dan tidak sesuai.

Selain machine learning dan deep learning, terdapat istilah lain dari kecerdasan buatan yang disebut sebagai cognitive computing. Cognitive computing adalah AI yang berfokus kepada bagaimana komputer bisa berpikir dan bertindak layaknya manusia. Diharapkanke depan akan ada sebuah teknologi yang memang dapat menggantikanmanusia seutuhnya, namun sampai saat ini hal ini masih terbatas, karena secara umum sebuah produk teknologi AI hanya dapat melakukan apa yang diprogramkan oleh pembuatnya. Sebagai contoh, aplikasi pengenalan wajah hanya dapat melakukan aktivitas tersebut, dan ia tidak bisa mengembangkan kemampuan lainnya selain hanya bisa mengenali wajah. Aplikasi catur yang dapat mengalahkan para grandmaster juga hanya bisa bermain catur. Jika ada aplikasi AI yang mampu melakukan banyak tugas, hal ini karena memang teknologi tersebut dikembangkan sesuai dengan tugas-tugas yang didesain sejak awal oleh pembuatnya.

Baca juga: Download Gratis 3 Bab mengenai AI dari Ebook “ChatGPT untuk Pendidikan: Literasi Artificial Intelligence untuk Guru dan Dosen”

Riset-riset tentang bagaimana sebuah program AI mampu belajar kemampuan dasar manusia seperti dan dari sana mulai belajar mengembangkan kemampuan lanjutan sudah banyak dilakukan. Sebagai contoh adalah bagaimana sebuah mesin mampu meniru dan mereplikasi bagaimana manusia bertidak ketika sedang mengalami kelelahan mental menggunakan arsitektur kognitif yang disebut dengan PRIMs [4]. Selain PRIMs terdapat banyak arsitektur kognitif yang menjadi dasar pengembangan kemampuan kognitif AI yang terus dikembangkan.

Gambar 1. Model arsitektur kognitif PRIMs (Sumber: https://www.ai.rug.nl/~niels/prims/index.html)

3. AI dan Manfaat Yang Diberikan

Saat ini teknologi AI adalah sebuah keniscayaan yang tidak bisa dihindari. Kemunculan teknologi AI mirip dengan kemunculan teknologi telepon genggam yang menggantikan teknologi telepon kabel dan warung telekomunikasi. AI berkembang bersamaan dengan makin banyaknya orang dapat menikmati akses internet dan komunikasi. Banyak teknologi AI juga sebenarnya bersifat terbuka (open source) sehingga peluang untuk mengembangkan aplikasi berbasis AI juga sangat terbuka.

 Dari banyak contoh produk teknologi AI yang kita saksikan di sekeliling kita, dapat kita amati bersama bahwa AI telah banyak membantu dan menjadi bagian dari kehidupan manusia. Sebagian besar dari implementasi AI mengarah ke dalam 3 aspek, yaitu otomasi, personalisasi, dan penggalian informasi (insights) dari data.

Di industri, AI telah banyak digunakan untuk melakukan otomasi dan efisiensi khususnya di bagian operasional. Sebagai contoh, DeepMind AI telah berhasil mengemat pengeluaran listrik data centers milik Google sebesar 40% [5]. Ini merupakan pencapaian yang luar biasa di bidang otomasi dan efisiensi energi. Contoh lain adalah penggunaan AI oleh manufaktur, salah satunya adalah General Electric yang menggunakan teknologi AI untuk mendeteksi produk cacat dan inspeksi otomatis [6]. Di bidang retail, perusahaan sekelas dunia Amazon mulai membuka retail otomatis tanpa kasir yang disebut dengan Amazon Go di beberapa tempat di Amerika Serikat dan Inggris. Dengan konsep ini, maka pelanggan bisa memasuki supermarket dan mengambil semua barang belanjaan yang diinginkan dan dapat melakukan checkout secara otomatis dengan langsung ditagih ke rekening pelanggan secara otomatis [7]. AI akan dapat mendeteksi barang belanjaan apa saja yang sudah diambil dan bisa menagihkan semuanya saat pelanggan keluar dari supermarket.

AI juga telah banyak diterapkan di bidang kesehatan dan farmasi. Salah satunya adalah IBM Watson Health yang menerapkan AI untuk bisa mendeteksi penyakit hanya dari gambar rontgen pasien dengan hasil yang snagat cepat dan sama akuratnya dengan dokter spesialis [8]. Penggunaan AI di bidang farmasi dapat mempercepat penemuan obat baru dengan cara menganalisis dataset yang besar. Kemudian dilanjutkan dengan melakukan prediksi properti obat-obatan baru dan mengidentifikasi kandidat obat baru yang layak dan menjanjikan. Langkah ini sudah dilakukan oleh  perusahaan farmasi Atomwise [9].

Gambar 2. Ilustrasi penerapan dan efisiensi dari DeepMind AI saat dinyalakan dan dimatikan pada data centers milik Google. (Sumber: www.deepmind.com)

Gambar 3. Ilustrasi pintu keluar otomatis di salah satu supermarket Amazon Go di Seattle. (Sumber: Sikander Iqbal, wikipedia.org)

Besarnya manfaat dari penerapan AI membuat banyak perusahaan besar telah berlomba-lomba menjadi yang terdepan di teknologi ini. Sebagai contoh, Ray Kurzweil, Director of Engineering di Google memprediksi di tahun 2029 AI dapat memahami sepenuhnya bahasa manusia. Saat ini Google juga mengembangkan aplikasi serupa dengan aplikasi populer Chat GPT. Saat ini kita dapat melihat kemampuan Chat GPT yang mampu menjawab hampir smeua jenis pertanyaan. Tentunya di tahun-tahun mendatang interaksi kita dnegan AI akan jauh lebih intensif. Kemudian Jeff Wike, direktur divisi konsumen global Amazon memprediksi bahwa belanja ritel di tahun 2025 akan didominasi oleh belanja online dan setengah dari barang yang dibeli adalah barang yang direkomendasikan oleh algoritma AI. Saat ini kita sudah melihat bagaimana pola belanja konsumen sudah berubah menjadi dari belanja offline menjadi belanja online. Masyarakat sudah mulai dapat mengadopsi teknologi digital dan mulai meninggalkan cara-cara lama yang konvensional. AI pun memiliki peranan di keduanya, memberikan inovasi cara belanja mudah tanpa repot dalam bentuk retail offline yang inovatif seperti Amazon Go, dan memberikan sistem rekomendasi produk di banyak marketplace online di dunia yang mampu meningkatkan jumlah penjualan.

Baca juga 4 Komponen Keberhasilan Transformasi Digital Perusahaan

4. Dampak Negatif AI

Telah disebutkan sebelumnya bahwa AI banyak membantu dan berperan di dalam kehidupan manusia dan banyak aspek lainnya. Walau demikian, AI juga memunculkan banyak pertanyaan, dan yang paling sering ditanyakan adalah ‘Apa dampak negatif dari AI?’. Berikut beberapa dampak negatif dari AI perlu kita cermati.

a. Disrupsi pekerjaan: Salah satu dampak negatif paling umum dari AI adalah terjadinya disrupsi pekerjaan. Seiring dengan AI yang semakin canggih dan mampu melakukan tugas-tugas yang sebelumnya dilakukan oleh manusia, hal ini dapat mengakibatkan disrupsi yang signifikan pada pasar tenaga kerja. Pekerjaan-pekerjaan yang bersifat manual dan repetitif akan dengan mudah digantikan oleh teknologi AI yang baru. Sebagai contoh, kasir supermarket sudah digantikan dengan self-checkout sistem. Kemudian banyak bank yang sudah mengadopsi sistem digital sehingga mulai mengurangi jumlah pegawai frontliner dan mengurangi beberapa kantor cabang. Disrupsi ini memang sudah banyak terjadi di negara-negara maju, karena adopsi dan akses masyarakat terhadap teknologi yang cepat. Walau demikian disrupsi ini juga sudah mulai dirasakan dampaknya di Indonesia.

b. Bias dan diskriminasi: Dampak negatif AI lainnya adalah potensi bias dan diskriminasi dalam proses pengambilan keputusan. Sistem AI dapat mempertahankan atau bahkan memperbesar bias dan diskriminasi yang ada jika data yang digunakan dalam proses pembelajaran (training) bersifat bias, atau dapat juga terjadi ketika algoritma yang dirancang tanpa pertimbangan yang memadai. Contoh sederhana adalah ketika kita mengembangkan aplikasi pengenalan wajah namun menggunakan hanya berbagai wajah dari ras tertentu saja. Hal ini akan berdampak pada kegagalan AI dalam mengidentifikasi wajah dari ras lain yang memang sejak awal tidak diikutkan dalam proses pembelajaran di awal. Potensi bias ini akan sangat mengganggu dan berdampak besar, khususnya di negara yang sangat sensitif terhadap permasalahan suku, agama, ras dan antargolongan (SARA).

c. Masalah privasi: Seiring dengan semakin meluasnya AI, dikhawatirkan terjadi pelanggaran privasi. Pengembangan teknologi AI sering memerlukan jumlah data yang besar untuk berfungsi secara efektif, dan jika data ini disalahgunakan, maka dapat mengakibatkan pelanggaran privasi yang serius. Sebagai contoh perusahaan teknologi Google pada Desember 2022 didenda sebesar 50 juta Euro oleh France’s data protection authority (CNIL) karena melanggar privasi warganya dengan melanggar salah satu aturan privasi di Uni Eropa yaitu General Data Protection Regulation (GDPR). Di tahun yang sama Google didenda oleh otoritas hukum di Amerika Serikat sebesar 391,5 juta dollar US karena melacak posisi warganya tanpa ijin. Di Indonesia juga diharapkan pengembangan teknologi AI juga bisa tetap menjaga privasi data warga negaranya dan tidak diperjual belikan.

d. Ketergantungan pada AI: Dampak negatif dari AI juga munculnya ketergantungan individu yang semakin besar pada AI yang dapat mengakibatkan hilangnya keterampilan dan kemampuan (softskills). AI berperan seperti pisau yang memiliki dua sisi, di mana ia dapat difungsikan secara positif maupun negatif, tergantung oleh siapa penggunanya. Sebagai contoh, aplikasi Chat GPT jika salah digunakan dapat menjurus kepada kecurangan, khususnya di bidang pendidikan dan hilangnya nilai orisinalitas dari sebuah karya ilmiah. Namun di sisi lain, Chat GPT dapat membantu meningkatkan efisiensi kerja, karena aplikasi ini dapat melakukan pencarian informasi secara cepat dan akurat seperti layaknya versi canggih dari search engine Google.

e. Ancaman keamanan: Sistem AI juga rentan terhadap ancaman keamanan seperti peretasan, yang dapat mengakibatkan kerusakan yang signifikan jika sistem AI digunakan untuk aplikasi penting seperti kendaraan otonom atau diagnosis medis.

f. Potensi penyalahgunaan: Dampak lain yang tidak kalah mengkhawatiran adalah potensi penyalahgunaan AI oleh individu atau organisasi untuk tujuan yang merugikan seperti pengawasan, serangan siber, atau senjata otomatis yang dapat melukai banyak orang.

Penting untuk mempertimbangkan beberapa dampak negatif ini dan fokus mengembangkan sistem AI yang bertanggung jawab dan etis yang dirancang dengan pertimbangan yang memadai untuk risiko dan tantangan yang mungkin terjadi.

5. Perkembangan AI di Indonesia

Melihat pesatnya perkembangan teknologi AI beserta manfaat dan dampaknya, maka penting bagi kita untuk bisa memaksimalkan teknologi ini untuk kebermanfaatan masyarakat Indonesia. Tercatat sudah ada inisiasi baik dari pemerintah, perusahaan lokal, hingga perusahaan luar yang berbasis di Indonesia yang sudah menerapkan AI. Berikut adalah beberapa perkembangan AI di Indonesia.

a. Riset AI di Indonesia: Pemerintah Indonesia telah menyadari pentingnya teknologi AI dan mulai mendorong pengembangan teknologi ini melalui berbagai program dan kebijakan. Beberapa inisiasi inovasi dan riset di teknologi AI telah dilakukan melalui Badan Riset dan Inovasi Nasional (BRIN) dan banyak institusi pendidikan di Indonesia.

b. Munculnya startup AI: Banyak startup AI yang bermunculan di Indonesia. Startup-startup ini berfokus pada pengembangan teknologi AI untuk memecahkan berbagai masalah di Indonesia.

c. Adopsi teknologi AI di perusahaan besar: Perusahaan besar di Indonesia mulai mengadopsi teknologi AI untuk meningkatkan efisiensi dan produktivitas. Contohnya, di salah satu perusahaan Bank BUMN yang sudah menggunakan teknologi AI untuk meningkatkan pengalaman pelanggan dan mempercepat proses kredit.

d. Pengembangan AI untuk meningkatkan kualitas pendidikan: Salah satu startup AI di Indonesia mengembangkan teknologi AI untuk membantu meningkatkan kualitas pendidikan di Indonesia. Teknologi AI ini dapat membantu siswa untuk belajar dengan lebih efektif dan efisien.

e. Pengembangan AI untuk sektor kesehatan: Pengembangan teknologi AI untuk sektor kesehatan juga mulai berkembang di Indonesia. Sebagai contoh, beberapa rumah sakit besar di Indoensia sudah menggunakan teknologi AI untuk meningkatkan akurasi diagnosis dan mempercepat proses perawatan.

f. Kolaborasi antara sektor publik dan swasta dalam pengembangan AI: Kolaborasi antara sektor publik dan swasta juga semakin meningkat untuk mengembangkan teknologi AI di Indonesia. Contohnya, Kementerian Komunikasi dan Informatika bekerja sama dengan beberapa perusahaan teknologi untuk mengembangkan teknologi AI dalam rangka meningkatkan daya saing Indonesia di bidang digital.

Baca juga: Syarat Transformasi Digital Bagi Organisasi Bisnis

g. Peningkatan penggunaan chatbot: Salah satu perkembangan AI yang terlihat jelas di Indonesia adalah penggunaan chatbot yang semakin banyak. Banyak perusahaan mulai menggunakan chatbot untuk meningkatkan layanan pelanggan dan mempercepat proses bisnis. Chatbot juga membantu perusahaan untuk menghemat biaya operasional dan meningkatkan efisiensi.

h. Pengembangan Smart City: Pengembangan Smart City di Indonesia juga semakin mengadopsi teknologi AI untuk meningkatkan kualitas hidup masyarakat. Contohnya, Jakarta Smart City menggunakan teknologi AI untuk memantau kemacetan lalu lintas dan mempercepat respons dalam situasi darurat.

i. Pengembangan teknologi AI untuk meningkatkan produktivitas pertanian dan perikanan: Indonesia memiliki sektor pertanian dan perikanan yang sangat penting bagi perekonomian. Saat ini, banyak startup AI yang berfokus pada pengembangan teknologi AI untuk meningkatkan produktivitas dan efisiensi pertanian dan perikanan di Indonesia.

j. Pengembangan teknologi AI untuk meningkatkan keamanan cyber: Dalam era digital, keamanan cyber menjadi semakin penting. Indonesia mulai mengembangkan teknologi AI untuk meningkatkan keamanan cyber di berbagai sektor, seperti perbankan dan pemerintah.

k. Peningkatan kesadaran dan regulasi terkait AI: Semakin berkembangnya teknologi AI, semakin penting pula kesadaran dan regulasi terkait AI. Indonesia juga mulai meningkatkan kesadaran dan regulasi terkait etika AI, seperti dengan merilis Panduan Etika AI yang diterbitkan oleh Kementerian Komunikasi dan Informatika, dan Strategi Nasional Kecerdasan Artifisial Indonesia 2020-2045 yang dikeluarkan oleh BPPT di tahun 2020.

l. Pengembangan AI untuk meningkatkan efisiensi dan keamanan transportasi: Indonesia memiliki masalah lalu lintas yang kompleks dan membutuhkan solusi yang inovatif. Pengembangan teknologi AI dapat membantu meningkatkan efisiensi dan keamanan transportasi di Indonesia, seperti dengan menggunakan AI untuk memantau lalu lintas dan mempercepat respons dalam situasi darurat.

m. Pengembangan teknologi AI untuk meningkatkan efisiensi energi: Indonesia mulai mengembangkan teknologi AI untuk meningkatkan efisiensi energi, seperti dengan menggunakan AI untuk memprediksi permintaan energi dan mengoptimalkan penggunaan energi di berbagai sektor.

n. Peningkatan pendidikan dan pelatihan AI: Ketersediaan talenta AI yang berkualitas menjadi kunci dalam perkembangan teknologi AI di Indonesia. Oleh karena itu, pemerintah dan perusahaan mulai meningkatkan investasi dalam pendidikan dan pelatihan AI untuk menghasilkan talenta AI yang berkualitas.

o. Pengembangan teknologi AI untuk meningkatkan kualitas pelayanan publik: Pengembangan teknologi AI juga dapat membantu meningkatkan kualitas pelayanan publik di Indonesia, seperti dengan menggunakan chatbot untuk memudahkan masyarakat dalam mengakses layanan publik atau menggunakan teknologi AI untuk memprediksi kebutuhan dan preferensi masyarakat.

p. Pengembangan teknologi AI untuk meningkatkan efisiensi produksi dan manufaktur: Teknologi AI dapat membantu meningkatkan efisiensi produksi dan manufaktur di Indonesia, seperti dengan menggunakan AI untuk memprediksi permintaan pasar dan mengoptimalkan rantai pasok.

Perkembangan AI di Indonesia menunjukkan bahwa teknologi AI dapat memberikan manfaat yang besar bagi Indonesia dalam berbagai sektor. Namun, masih banyak tantangan yang harus dihadapi. Salah satu tantangan terbesar adalah kurangnya keahlian dan keterampilan dalam pengembangan dan penggunaan teknologi AI. Oleh karena itu, perlu adanya investasi dalam pelatihan dan pendidikan untuk mengembangkan keahlian dan keterampilan dalam teknologi AI. Selain itu, terdapat juga risiko terkait keamanan dan privasi data. Teknologi AI mengumpulkan dan menganalisis data secara besar-besaran, sehingga risiko terjadinya pelanggaran privasi dan keamanan data menjadi semakin besar. Oleh karena itu, diperlukan kebijakan dan regulasi yang ketat untuk melindungi privasi dan keamanan data, serta meminimalisir risiko kejahatan siber.

Tantangan lainnya adalah kesenjangan digital yang masih besar di Indonesia. Sebagian besar masyarakat Indonesia masih mengalami kesulitan dalam mengakses teknologi informasi dan komunikasi, termasuk teknologi AI. Oleh karena itu, perlu adanya upaya untuk mengurangi kesenjangan digital, agar seluruh masyarakat dapat mengakses teknologi AI dan mendapatkan manfaatnya. Di samping itu, perlu juga diperhatikan dampak sosial dan etika penggunaan teknologi AI. Teknologi AI dapat mempengaruhi kehidupan sosial dan budaya, serta dapat memicu perdebatan dan konflik terkait etika dan nilai-nilai manusia. Oleh karena itu, perlu adanya regulasi dan kebijakan yang tepat untuk memastikan penggunaan teknologi AI yang aman, adil, dan sesuai dengan nilai-nilai dan etika manusia.

Dalam menjawab tantangan dan mengelola risiko tersebut, perlu adanya kerja sama dan kolaborasi antara pemerintah, masyarakat, dan sektor swasta. Pemerintah perlu mengadopsi kebijakan dan regulasi yang tepat, serta memfasilitasi investasi dalam pengembangan dan penggunaan teknologi AI. Masyarakat perlu didorong untuk memanfaatkan teknologi AI dengan bijak, serta dilibatkan dalam pengembangan dan penggunaan teknologi AI. Sementara itu, sektor swasta dapat berperan dalam investasi dan inovasi dalam teknologi AI, serta berkolaborasi dengan pemerintah dan masyarakat untuk memaksimalkan manfaat teknologi AI bagi bangsa.

Sebagai kesimpulan, teknologi kecerdasan buatan (AI) dapat memberikan harapan bagi bangsa dalam mengatasi berbagai tantangan dan mempercepat pembangunan nasional. Namun, perlu diingat bahwa penggunaan teknologi AI juga membawa tantangan dan risiko, yang perlu dikelola dengan hati-hati dan bijaksana. Oleh karena itu, perlu adanya kerja sama dan kolaborasi antara pemerintah, masyarakat, dan sektor swasta untuk mengadopsi teknologi AI secara bijak dan menghasilkan manfaat yang maksimal bagi bangsa.

Daftar Pustaka

  1. Bush, Vannevar. 1945. As We May Think. The Atlantic Monthly. July 1945.
  2. Turing, Alan. 1950. Computing Machinery and Intelligence. Mind 49, 433 – 460
  3. Samuel, Arthur L. 1959. Some Studies in Machine Learning Using the Game of Checkers. IBM Journal of Research and Development., 210–229.
  4. Herlambang, M.B., Taatgen, N. A., & Cnossen, F. 2021. Modeling motivation using goal competition in mental fatigue studies. Journal of Mathematical Psychology. 102. 102540
  5. Gao, J. 2016, Machine Learning Applications for Data Centre Optimisation. Google DeepMind
  6. Zhang, S., Wen, L., Bian, X., Lei, Z. and Li, S.Z., 2018. Single-shot refinement neural network for object detection. In IEEE CVPR.
  7. Alex Polacco, A. & Backes, K. 2018. The Amazon Go Concept: Implications, Applications, and Sustainability. Journal of Business and Management. 24 (1), 79-92.
  8. Van Hartskamp, M., Consoli, S. ,  Verhaegh, W.,  Petkovic, M., & Van de Stolpe, A. 2019. Interactive Journal of Medical Research. 8(2): e12100.
  9. Wallach, I., Dzamba, M., & Heifets, A. 2015. Atomnet: A deep convolutional neural network for bioactivity prediction in structure-based drug discovery. Arxiv.

Tidak ada komentar

Tinggalkan Komentar