Kecerdasan buatan
| English | Bahasa Indonesia |
|---|---|
| artificial intelligence/ˌɑːtɪˈfɪʃl ɪnˈtelɪdʒəns/ | kecerdasan buatan |
| machine learning/məˈʃiːn ˈlɜːnɪŋ/ | pembelajaran mesin |
| training data/ˈtreɪnɪŋ ˈdeɪtə/ | data pelatihan |
| deep learning/diːp ˈlɜːnɪŋ/ | pembelajaran mendalam |
| neural networks/ˈnjuːrəl ˈnetwɜːks/ | jaringan saraf tiruan |
| speech recognition/spiːtʃ ˌrekəɡˈnɪʃn/ | pengenalan suara |
| image recognition/ˈɪmɪdʒ ˌrekəɡˈnɪʃn/ | pengenalan gambar |
| machine translation/məˈʃiːn trænˈsleɪʃn/ | terjemahan mesin |
| recommendation systems/ˌrekəmenˈdeɪʃn ˈsɪstəmz/ | sistem rekomendasi |
| autonomous vehicles/ɔːˈtɒnəməs ˈvɪəklz/ | kendaraan otonom |
| optical character recognition/ˈɒptɪkl ˈkærɪktə ˌrekəɡˈnɪʃn/ | pengenalan karakter optik |
| text-to-speech/tekst tə spiːtʃ/ | teks-ke-suara |
| bias/ˈbaɪəs/ | bias |
| accountability/əˌkaʊntəˈbɪlɪti/ | akuntabilitas |
Langkah yang tak mungkin dilakukan manusia
- Pada Maret 2016, sebuah program bernama AlphaGo mengalahkan Lee Sedol, salah satu pemain Go terkuat saat ini, dengan skor empat kali menang dan satu kali kalah. Dalam permainan kedua, ia melakukan langkah yang dikomentator sebut sebagai kesalahan; ternyata itu adalah ide kemenangan.
- Tidak ada yang memprogram langkah tersebut. Sistem telah mempelajari Go dengan mempelajari jutaan posisi dan bermain melawan dirinya sendiri, menemukan pola yang pembuatnya tidak mungkin bisa menuliskannya.
- Dua tahun kemudian, Amazon menghapus alat perekrutan AI setelah menemukan bahwa alat tersebut telah belajar dari sepuluh tahun CV untuk memberikan nilai lebih rendah pada setiap lamaran yang menyebutkan "wanita".
- Keduanya adalah kecerdasan buatan. Pelajaran ini membahas bagaimana AI belajar, kegunaannya, serta dampaknya terhadap sosial, ekonomi, dan lingkungan.
Apa itu AI dan bagaimana AI modern belajar
- Kecerdasan buatan (AI) berarti sistem komputer yang melakukan tugas yang biasanya membutuhkan kecerdasan manusia: mengenali ucapan dan gambar, menerjemahkan, bermain game, dan mengemudi.
- Sebagian besar AI modern menggunakan pembelajaran mesin: alih-alih diprogram langkah demi langkah, sistem meningkatkan kemampuan dalam suatu tugas dengan mempelajari pola dari jumlah besar data pelatihan.
- Pembelajaran mendalam menggunakan jaringan saraf dengan banyak lapisan node yang terhubung, dan merupakan pendekatan terdepan saat ini. Data yang lebih baik dan lebih besar menghasilkan model yang lebih baik; data yang buruk menghasilkan hasil yang buruk.
Model dilatih berdasarkan contoh, bukan ditulis sebagai aturan
Machine learning berbeda dari pemrograman tradisional karena ia:
Algoritma ML meningkatkan kemampuan pada suatu tugas dengan belajar dari jumlah data besar, alih-alih mengikuti aturan yang ditulis tangan.
Cocokkan setiap istilah AI dengan artinya.
ML belajar dari data; deep learning menggunakan banyak lapisan; bias dan ketidakjelasan (kotak hitam) adalah isu etika utama.
Aplikasi
- Memahami input: pengenalan ucapan mengubah kata-kata yang diucapkan menjadi teks; pengenalan gambar menemukan objek, wajah, atau teks dalam foto.
- Menghasilkan output atau keputusan: terjemahan mesin antar bahasa; sistem rekomendasi yang menyarankan video, produk, atau musik; kendaraan otonom dan robot; diagnosis medis dan deteksi penipuan.
- Ujian biasanya memberikan skenario dan meminta jenis AI apa yang digunakan, atau bagaimana cara kerjanya.
Laboratorium konsep komputasi
Klasifikasikan contoh konkret berdasarkan ide komputasi yang ditunjukkannya.
Manakah yang merupakan penerapan AI sehari-hari?
Sistem rekomendasi (dan pengenalan suara/gambar, terjemahan, kendaraan otonom) adalah aplikasi AI yang umum.
Contoh dikerjakan: membaca label asing keras-keras
- Aplikasi telepon memotret label produk, menerjemahkannya, dan membacanya keras-keras. Jelaskan bagaimana AI digunakan. [4]
- Pengenalan karakter optik menganalisis piksel foto untuk locate karakter, dan pola piksel dikonversi menjadi karakter dan kata individual.
- Terjemahan mesin mengubah kata-kata tersebut ke dalam bahasa pengguna.
- Teks-ke-ucapan menghasilkan output verbal. Setiap tahap mendapatkan satu poin, sesuai urutan alur kerja.
Kenali, terjemahkan, ucapkan
Urutkan tahap-tahap aplikasi pembaca label.
Mengenali, membaca, menerjemahkan, berbicara. Setiap tahap bernilai satu poin dalam jawaban empat poin.
Manfaat
- Aksesibilitas: AI ucapan dan gambar membantu pengguna dengan gangguan; terjemahan membantu orang yang tidak berbicara bahasa tersebut.
- Produktivitas: tugas-tugas repetitif diotomatisasi, membebaskan orang untuk bekerja kreatif.
- Dukungan pengambilan keputusan: AI menemukan pola dalam kumpulan data yang terlalu besar untuk manusia, dalam pemindaian medis, atau transaksi.
- Tersedia kapan saja dan dapat disesuaikan untuk setiap pengguna.
Manfaat AI adalah:
AI unggul dalam menemukan pola dalam data besar (dukungan keputusan). Keadilan dan keterjelasan adalah kekhawatiran, bukan jaminan.
Dampak Sosial
- Manfaat: pembaca label membantu orang dengan gangguan penglihatan, orang yang tidak bisa membaca bahasa tersebut, dan orang dengan kesulitan membaca; pengenalan wajah di bandara mempercepat pemeriksaan identitas dan dapat mencegah orang yang dicari masuk.
- Kerugian: pengenalan wajah salah identifikasi beberapa orang dan melacak semua orang tanpa izin, sehingga privasi hilang; orang yang bergantung pada AI mungkin kehilangan keterampilan; sistem rekomendasi dapat menjebak pengguna dalam pandangan sempit.
- Jawaban dampak sosial menyebutkan kelompok yang terdampak dan perubahan apa yang terjadi bagi mereka.
Dampak Ekonomi
- Modul diagnosis故障 AI di bengkel memperbaiki故障 lebih cepat dan akurat, sehingga lebih banyak kendaraan diperbaiki dalam sehari dan biaya turun.
- Namun, mekanik terampil mungkin dibutuhkan lebih sedikit, sehingga terjadi kehilangan pekerjaan, dan modul tersebut harus dibeli, dilatih, dan dipelihara.
- Secara umum, AI meningkatkan produktivitas dan menciptakan pekerjaan baru di beberapa bidang sambil menghilangkan pekerjaan rutin di bidang lain.
Dampak lingkungan
- Pelatihan dan pengoperasian model besar membutuhkan listrik dalam jumlah besar, dan pusat data menggunakan air untuk pendinginan; perangkat keras yang menjalankannya menjadi sampah elektronik.
- Di sisi lain, AI mengurangi penggunaan energi di gedung-gedung, mengoptimalkan rute transportasi, dan memonitor lingkungan.
- Kedua arah mendapatkan nilai, dan ujian mengharapkan Anda mengetahui keduanya ada.
Perangkat keras di balik AI memiliki masa pakai, dan kehidupan setelah mati
Cocokkan setiap contoh dengan judul yang sesuai.
Pekerjaan dan biaya bersifat ekonomi, manusia dan privasi bersifat sosial, energi dan limbah bersifat lingkungan.
Pelatihan dan menjalankan model AI besar tidak memiliki biaya lingkungan yang signifikan.
Model besar mengonsumsi banyak listrik dan air pendingin, serta perangkat kerasnya menjadi sampah elektronik. AI juga membantu mengurangi penggunaan energi di tempat lain, sehingga kedua aspek ini termasuk dalam jawaban.
Contoh terpecahkan: menjawab pertanyaan "dampak"
- Jelaskan dampak ekonomi dari sebuah bengkel yang memasang sistem diagnosis故障 AI. [4]
- Berikan dampak dan konsekuensinya, serta berikan kedua arahnya.
- Kerusakan didiagnosis lebih cepat dan akurat, sehingga lebih banyak kendaraan diperbaiki per hari dan pendapatan meningkat. Lebih sedikit jam mekanik diperlukan per mobil, sehingga biaya turun.
- Mekanik terampil mungkin kehilangan pekerjaan mereka, sehingga terjadi pengangguran dan hilangnya keterampilan; dan sistem harus dibeli dan dipelihara, sehingga terdapat biaya awal dan berkelanjutan.
Poin dampak penuh menyatakan dampaknya dan ____, biasanya dihubungkan dengan "sehingga".
"Butuh mekanik lebih sedikit, sehingga pekerja terampil kehilangan pekerjaan" adalah poin nilai; "mekanik lebih sedikit" saja tidak.
Kekhawatiran
- Bias: pola tidak adil dalam data pelatihan menjadi keputusan yang tidak adil, seperti pada alat perekrutan Amazon. Penggantian pekerjaan: peran rutin menghilang.
- Privasi: pelatihan menggunakan data pribadi dalam jumlah besar. Transparansi: model besar adalah kotak hitam yang keputusannya sulit dijelaskan.
- Akuntabilitas: ketika AI salah, apakah pengembang, operator, atau pengguna yang bertanggung jawab? Penyalahgunaan: deepfake, disinformasi, pengawasan.
- Profesional harus memahami batasan apa yang mereka bangun, menginformasikan pengguna, dan mengurangi bahaya.
Bias masuk bersama data dan keluar dalam keputusan
Bias AI biasanya muncul karena:
Jika data pelatihan mencerminkan pola tidak adil, model akan belajar dan mengulanginya — misalnya dalam perekrutan atau pinjaman.
Pilih semua kekhawatiran nyata tentang AI.
Bias, ketidakjelasan, dan penyalahgunaan adalah kekhawatiran nyata. AI tentu bisa salah — akuntabilitas atas hal itu sendiri adalah sebuah kekhawatiran.
⟦⟧ Nilai yang sering terlewat
- AI bukanlah "robot" atau "komputer yang berpikir". Definisikan sebagai sistem yang melakukan tugas yang biasanya memerlukan kecerdasan manusia.
- Dampak tanpa konsekuensi bernilai setengah poin. "Pekerjaan hilang" memerlukan "sehingga pekerja terampil menganggur".
- Sosial, ekonomi, dan lingkungan adalah tiga kategori. Jawablah di bawah kategori yang dinamakan oleh soal.
- Bias berasal dari data yang dipelajari model, bukan karena komputer memiliki opini.
Anda telah memahaminya
- AI melakukan tugas yang biasanya memerlukan kecerdasan manusia; machine learning mempelajari pola dari data pelatihan daripada mengikuti aturan tertulis; deep learning menggunakan jaring syaraf bertingkat
- aplikasi: pengenalan suara dan gambar memahami input; vertalasi, rekomendasi, dan kendaraan otonom menghasilkan output; OCR → vertalasi → teks-ke-suara membaca label dengan keras
- dampak di bawah tiga kategori, masing-masing dengan konsekuensi dan kedua arah: sosial, ekonomi, lingkungan
- kekhawatiran: bias dari data, penggantian pekerjaan, privasi, transparansi, akuntabilitas, penyalahgunaan