Menguraikan kelebihan dan kekurangan kecerdasan buatan

Kecerdasan buatan (AI) mengacu pada bidang konvergen ilmu komputer dan data yang berfokus pada pembuatan mesin dengan kecerdasan manusia untuk melakukan tugas-tugas yang sebelumnya membutuhkan manusia. Misalnya, belajar, penalaran, pemecahan masalah, persepsi, pemahaman bahasa dan banyak lagi. Alih-alih mengandalkan instruksi eksplisit dari seorang programmer, sistem AI dapat belajar dari data, sehingga memungkinkan mereka untuk menangani masalah yang kompleks (serta tugas-tugas yang sederhana namun berulang) dan meningkatkannya dari waktu ke waktu.

Teknologi AI saat ini memiliki berbagai contoh penggunaan di berbagai industri; bisnis menggunakan AI untuk meminimalkan kesalahan manusia, mengurangi biaya operasional yang tinggi, memberikan insight data waktu nyata, dan meningkatkan pengalaman pelanggan, di antara banyak aplikasi lainnya. Dengan demikian, hal ini mewakili perubahan signifikan dalam cara kita mendekati komputasi, menciptakan sistem yang dapat meningkatkan alur kerja dan meningkatkan elemen kehidupan sehari-hari.

Namun, bahkan dengan segudang manfaat AI, AI juga memiliki kelemahan yang patut diperhatikan jika dibandingkan dengan metode pemrograman tradisional. Pengembangan dan penerapan AI dapat menimbulkan masalah privasi data, perpindahan pekerjaan, dan risiko keamanan siber, belum lagi pekerjaan teknis yang sangat besar untuk memastikan sistem AI berperilaku sebagaimana mestinya.

Pada artikel ini, kita akan membahas bagaimana teknologi AI berfungsi dan memaparkan kelebihan dan kekurangan kecerdasan buatan dibandingkan dengan metode komputasi tradisional.

AI beroperasi pada tiga komponen mendasar: data, algoritma, dan daya komputasi. 

• Data: Sistem AI belajar dan mengambil keputusan berdasarkan data, dan sistem ini membutuhkan data dalam jumlah besar untuk dilatih secara efektif, terutama dalam hal model machine learning (ML). Data sering kali dibagi menjadi tiga kategori: data pelatihan (membantu model belajar), data validasi (tuning model), dan data uji (menilai kinerja model). Untuk kinerja optimal, model AI harus menerima data dari kumpulan data yang beragam (misalnya, teks, gambar, audio, dan lainnya), yang memungkinkan sistem menggeneralisasi pembelajarannya ke data baru yang belum pernah ada sebelumnya.
• Algoritma: Algoritme adalah seperangkat aturan yang digunakan sistem AI untuk memproses data dan membuat keputusan. Kategori algoritme AI mencakup algoritme ML, yang mempelajari dan membuat prediksi dan keputusan tanpa pemrograman eksplisit. AI juga dapat bekerja dengan algoritme pembelajaran mendalam, sebuah bagian dari ML yang menggunakan jaringan neural buatan (JST) berlapis, di mana deskripsi “mendalam” berasal, untuk memodelkan abstraksi tingkat tinggi di dalam infrastruktur big data. Dan algoritme pembelajaran penguatan memungkinkan agen untuk mempelajari perilaku dengan menjalankan fungsi dan menerima hukuman dan penghargaan berdasarkan kebenarannya, secara berulang menyesuaikan model sampai sepenuhnya terlatih.
• Daya komputasi: Algoritme AI sering kali membutuhkan sumber daya komputasi yang signifikan untuk memproses data dalam jumlah besar dan menjalankan algoritme yang rumit, terutama dalam hal pembelajaran mendalam. Banyak organisasi mengandalkan perangkat keras khusus, seperti unit pemrosesan grafis (GPU), untuk merampingkan proses ini. 

Sistem AI juga cenderung jatuh dalam dua kategori besar:

• Kecerdasan Buatan Sempit, juga disebut AI sempit atau AI lemah, melakukan tugas-tugas spesifik seperti pengenalan gambar atau suara. Asisten virtual seperti Siri milik Apple, Alexa milik Amazon, IBM Watsonx dan bahkan ChatGPT milik OpenAI merupakan contoh sistem AI yang sempit.
• Kecerdasan Umum Buatan (AGI), atau Strong AI, dapat melakukan tugas intelektual apa pun yang dapat dilakukan oleh manusia; dapat memahami, belajar, beradaptasi, dan bekerja dengan pengetahuan di berbagai bidang. AGI, bagaimanapun, masih hanya konsep teoritis.

Tidak seperti pemrograman AI, pemrograman tradisional mengharuskan pemrogram untuk menulis instruksi eksplisit untuk diikuti oleh komputer dalam setiap skenario yang memungkinkan; komputer kemudian mengeksekusi instruksi untuk memecahkan masalah atau melakukan tugas. Ini adalah pendekatan deterministik, mirip dengan resep, di mana komputer mengeksekusi instruksi langkah demi langkah untuk mencapai hasil yang diinginkan.

Pendekatan tradisional sangat cocok untuk masalah yang terdefinisi dengan jelas dengan sejumlah hasil yang mungkin, tetapi sering kali tidak mungkin untuk menulis aturan untuk setiap skenario ketika tugas-tugasnya kompleks atau menuntut persepsi seperti manusia (seperti dalam pengenalan gambar, pemrosesan bahasa alami, dll.). Di sinilah pemrograman AI menawarkan keunggulan yang jelas atas metode pemrograman berbasis aturan.

Potensi dunia nyata dari AI sangat besar. Aplikasi AI termasuk mendiagnosis penyakit, mempersonalisasi umpan media sosial, menjalankan analisis data yang canggih untuk pemodelan cuaca, dan memberdayakan chatbot yang menangani permintaan dukungan pelanggan kami. Robot yang didukung AI bahkan dapat merakit mobil dan meminimalkan radiasi dari kebakaran hutan.

Seperti halnya teknologi apa pun, ada kelebihan dan kekurangan AI, jika dibandingkan dengan teknologi pemrograman tradisional. Selain perbedaan mendasar dalam cara kerjanya, AI dan pemrograman tradisional juga berbeda secara signifikan dalam hal kontrol programmer, penanganan data, skalabilitas, dan ketersediaan.

• Kontrol dan transparansi: Pemrograman tradisional menawarkan kontrol penuh kepada pengembang atas logika dan perilaku perangkat lunak, sehingga memungkinkan penyesuaian yang tepat dan hasil yang dapat diprediksi dan konsisten. Dan jika sebuah program tidak berperilaku seperti yang diharapkan, pengembang dapat melacak kembali melalui basis kode untuk mengidentifikasi dan memperbaiki masalah. Sistem AI, terutama model kompleks seperti jaringan neural dalam, bisa sulit dikendalikan dan ditafsirkan. Model ini sering kali bekerja seperti “kotak hitam”, di mana input dan hasilnya diketahui, tetapi proses yang digunakan model untuk berpindah dari satu model ke model lainnya tidak jelas. Kurangnya transparansi ini dapat menjadi masalah dalam industri yang memprioritaskan proses dan kejelasan pengambilan keputusan (seperti layanan kesehatan dan keuangan).
• Pembelajaran dan penanganan data: Pemrograman tradisional bersifat kaku; pemrograman ini bergantung pada data terstruktur untuk menjalankan program dan biasanya kesulitan untuk memproses data yang tidak terstruktur. Untuk “mengajarkan” program informasi baru, programmer harus menambahkan data baru secara manual atau menyesuaikan proses. Program yang dikodekan secara tradisional juga berjuang dengan iterasi independen. Dengan kata lain, mereka mungkin tidak dapat mengakomodasi skenario yang tidak terduga tanpa pemrograman eksplisit untuk kasus-kasus tersebut. Karena sistem AI belajar dari sejumlah besar data, sistem ini lebih cocok untuk memproses data yang tidak terstruktur seperti gambar, video, dan teks bahasa alami. Sistem AI juga dapat belajar secara terus menerus dari data dan pengalaman baru (seperti dalam machine learning), sehingga memungkinkan mereka untuk meningkatkan kinerjanya dari waktu ke waktu dan menjadikannya sangat berguna dalam lingkungan yang dinamis, di mana solusi terbaik dapat berevolusi dari waktu ke waktu.
• Stabilitas dan skalabilitas: Pemrograman tradisional bersifat stabil. Setelah program ditulis dan di-debug, itu akan melakukan operasi dengan cara yang sama, setiap saat. Namun, stabilitas program berbasis aturan datang dengan mengorbankan skalabilitas. Karena program tradisional hanya dapat belajar melalui intervensi pemrograman eksplisit, program ini mengharuskan pemrogram untuk menulis kode dalam skala besar untuk meningkatkan operasi. Proses ini terbukti tidak dapat dikelola, jika bukan tidak mungkin, bagi banyak organisasi. Program AI menawarkan skalabilitas yang lebih besar daripada program tradisional tetapi dengan stabilitas yang lebih rendah. Fitur otomatisasi dan pembelajaran berkelanjutan dari program berbasis AI memungkinkan pengembang untuk menskalakan proses dengan cepat dan relatif mudah, yang merupakan salah satu keunggulan utama ai. Namun, sifat improvisasi sistem AI berarti bahwa program mungkin tidak selalu memberikan respons yang konsisten dan sesuai.
• Efisiensi dan ketersediaan: Program komputer berbasis aturan dapat menyediakan ketersediaan 24/7, tetapi terkadang hanya jika memiliki pekerja manusia yang mengoperasikannya sepanjang waktu.

Teknologi AI dapat berjalan 24/7 tanpa campur tangan manusia sehingga operasi bisnis dapat berjalan terus menerus. Manfaat lain dari kecerdasan buatan adalah sistem AI dapat mengotomatiskan pekerjaan yang membosankan atau berulang (seperti entri data), sehingga membebaskan bandwidth karyawan untuk tugas-tugas yang bernilai lebih tinggi dan menurunkan biaya penggajian perusahaan. Perlu disebutkan, bagaimanapun, bahwa otomatisasi dapat memiliki implikasi kehilangan pekerjaan yang signifikan bagi tenaga kerja. Sebagai contoh, beberapa perusahaan telah beralih menggunakan asisten digital untuk melakukan triase laporan karyawan, alih-alih mendelegasikan tugas-tugas tersebut ke departemen sumber daya manusia. Organisasi perlu menemukan cara untuk menggabungkan tenaga kerja yang ada ke dalam alur kerja baru yang dimungkinkan oleh peningkatan produktivitas dari penggabungan AI ke dalam operasi.

Omdia memproyeksikan bahwa pasar AI global akan bernilai USD 200 miliar pada tahun 2028.¹ Ini berarti bisnis harus memperkirakan ketergantungan pada teknologi AI akan meningkat, dengan kompleksitas sistem IT perusahaan yang juga meningkat. Tetapi dengan platform IBM watsonx™ AI dan data, organisasi memiliki alat yang ampuh di kotak alat mereka untuk menskalakan AI.

IBM watsonx memungkinkan tim untuk mengelola sumber data, mempercepat alur kerja AI yang bertanggung jawab, dan dengan mudah menerapkan dan menanamkan AI di seluruh bisnis, semuanya di satu tempat. watsonx menawarkan berbagai fitur canggih, termasuk manajemen beban kerja yang komprehensif dan pemantauan data real-time, yang dirancang untuk membantu Anda menskalakan dan mempercepat infrastruktur IT yang didukung AI dengan data tepercaya di seluruh perusahaan.

Meskipun bukan tanpa kerumitan, penggunaan AI merupakan peluang bagi bisnis untuk mengimbangi dunia yang semakin kompleks dan dinamis dengan memenuhinya dengan teknologi canggih yang dapat menangani kerumitan tersebut.