Artificial Intelligence (AI) adalah salah satu teknologi yang paling berkembang pesat dan berkembang saat ini. Mesin yang menggunakan teknologi ini dapat berpikir seperti manusia. Artificial Intelligence (AI) mensimulasikan kecerdasan manusia dalam program komputer sehingga dapat berpikir dan berperilaku seperti manusia.
Gagasan AI pertama kali digagas oleh ilmuwan komputer terkemuka John McCarthy antara tahun 1943 dan 1956; nama AI pertama kali digunakan pada awal 1950-an. AI telah terbukti transformatif bagi kehidupan umat manusia, memungkinkan bisnis untuk meningkatkan efisiensi, menghemat biaya, dan meningkatkan operasi dalam berbagai cara. Namun, AI masih belum sempurna. Masih ada beberapa batasan pada AI yang dapat dilihat dibawah ini.
Informasi yang diberikan kepada program AI adalah satu-satunya cara agar teknologi ini dapat belajar. Namun, jika program diberikan data yang salah atau tidak dapat dipercaya, hasil yang didapatkan bisa saja tidak aktif atau bias. Akibatnya, kecerdasan atau efektivitas AI hanya sebagus data yang diberikan.
Konsistensi data merupakan salah satu kendala utama dalam implementasi AI. Bisnis yang mencoba mendapatkan keuntungan dalam skala besar dari AI menghadapi kesulitan karena sering terfragmentasi, tidak konsisten, dan berkualitas buruk. Untuk menghindari hal ini, kita harus memiliki rencana yang terdefinisi dengan baik sejak awal untuk mengumpulkan data yang dibutuhkan AI.
Misalnya, Amazon mulai menggunakan perangkat lunak AI untuk mengevaluasi kandidat pekerja baru pada tahun 2014. AI tersebut dilatih menggunakan resume yang dikirimkan dalam sepuluh tahun terakhir, yang sebagian besar dipasok oleh laki-laki. Algoritma mulai mengecualikan kandidat perempuan karena algoritma tersebut percaya, secara keliru, bahwa menjadi laki-laki adalah atribut yang disukai untuk pekerjaan baru tersebut.
Algoritma adalah kumpulan pedoman yang diikuti komputer untuk menjalankan tugas tertentu. Pedoman ini mungkin atau mungkin tidak dikembangkan oleh seorang programmer manusia. Namun, kita tidak dapat mengandalkan algoritma jika mereka cacat atau karena hanya akan mendatangkan hasil yang tidak menguntungkan. Bias pada algoritmik terutama dihasilkan dari desain parsial algoritma oleh programmer, yang menyukai beberapa kriteria yang diinginkan atau mementingkan diri sendiri. Platform besar dengan algoritma seperti mesin pencari dan situs media sosial sering kali memiliki bias algoritmik.
Misalnya, pada tahun 2017, algoritma Facebook membentuk algoritma untuk menghapus ujaran kebencian. Namun, kemudian ditemukan bahwa algoritma tersebut meninggalkan ujaran kebencian terhadap pria kulit putih dan tetap mengizinkannya terhadap anak-anak kulit hitam. Algoritme mengizinkan pernyataan kebencian ini karena dibuat untuk mengecualikan hanya kategori umum seperti "kulit putih," "kulit hitam," "Muslim," "teroris," dan "Nazi," daripada subkelompok kategori tertentu.
Faktor penting lainnya dalam memilih teknologi AI adalah biayanya. Akan sangat mahal untuk mengumpulkan, menyimpan, dan menganalisis data dalam hal penggunaan perangkat keras dan energi. Bisnis yang tidak memiliki keahlian internal atau tidak terbiasa dengan AI sering kali harus melakukan outsourcing, yang menimbulkan masalah dengan biaya dan pemeliharaan. Teknologi pintar atau smart technology juga mahal karena kompleksitasnya, dan Anda juga dapat dikenakan biaya tambahan untuk pemeliharaan dan perbaikan berkelanjutan. Biaya tambahan juga dapat mencakup biaya komputasi yang terkait dengan membangun model data , dll.
Perusahaan telah bergerak melewati tahap uji coba dalam hal mempraktikkan teknologi artificial intellligence selama beberapa tahun terakhir. Bisnis yang lebih besar, khususnya, mengoptimalkan Return On Investment (ROI) AI dan mengalami hasil yang baik dan efek yang dapat diamati pada keuntungan mereka.
Menurut survei McKinsey 2019, 63% perusahaan besar telah meningkatkan pendapatan dan 44% telah mengurangi biaya di seluruh unit bisnis yang mengadopsi AI. Pada saat yang sama, sebagian besar bisnis terus mengalami kegagalan dengan inisiatif AI dan pembelajaran mesin Machine Learning (ML) . Survei IDC baru-baru ini menemukan bahwa 28% inisiatif AI/ML gagal, seperti yang dilaporkan oleh 2.000 pemimpin TI perusahaan dan pembuat keputusan. Kami berpikir bahwa satu area di mana para pemimpin masih membutuhkan bantuan adalah dalam mencari tahu biaya dan keuntungan sebenarnya dari penggunaan AI/ML dalam skala besar. Bertentangan dengan kepercayaan populer, penilaian biaya-manfaat untuk inisiatif AI/ML jauh lebih kompleks dan rumit.
Biaya mengadopsi AI sebenarnya sangat relatif, hal ini berkaitan dengan manfaat yang diperoleh dari penggunaan AI dan biaya yang dikeluarkan. Misalnya, dalam membuat layanan chatbot dengan AI, perusahaan yang sering melakukan transaksi dengan pelanggan, misalnya e-commerce, dapat membantu dalam efisiensi untuk mengurangi jumlah tenaga kerja yang membantu customer service dengan pertanyaan seragam tentang penjualan dan ketersediaan barang sehingga chatbot cukup untuk menjawab kebutuhan, sedangkan untuk perusahaan kecil dengan interaksi minimal dengan pelanggan atau customer service yang kompleks seperti digital farming di satu sisi chatbot AI bisa belum tentu bisa menjawab permasalahan pelanggan ditambah biaya yang dibutuhkan juga akan besar.
Seperti yang kita ketahui, baik komputer maupun mesin tidak memiliki perasaan. Tidak dapat disangkal bahwa robot lebih unggul dari manusia ketika berfungsi secara efektif, tetapi juga benar bahwa koneksi manusia, yang membentuk dasar tim, tidak dapat digantikan oleh komputer. Dua aspek terpenting dari sifat manusia adalah etika dan moralitas, tetapi sulit untuk menggabungkan keduanya ke dalam kecerdasan buatan. AI berkembang secara tak terduga dan cepat di setiap industri; jika tren ini terus berlanjut dalam beberapa dekade berikutnya, umat manusia pada akhirnya dapat punah.
AI adalah teknologi yang sepenuhnya didasarkan pada data dan pengalaman yang telah dimuat sebelumnya, sehingga tidak dapat ditingkatkan sebagai manusia. AI dapat melakukan tugas yang sama berulang kali, tetapi kita harus mengubah perintah atau command jika kita menginginkan penyesuaian atau peningkatan. Meskipun tidak dapat diakses dan digunakan seperti kecerdasan manusia, ia dapat menyimpan data dalam jumlah tak terbatas yang kemampuannya tidak dapat dimiliki oleh manusia.
Masih ada pekerjaan yang harus dilakukan dalam menentukan batas-batas penggunaan AI. Mengingat kendala saat ini, keamanan dalam AI sangat penting, dan tindakan segera diperlukan. Mayoritas orang yang kontra dengan AI juga menyuarakan keprihatinan etis tentang implementasinya, tidak hanya dalam hal bagaimana ia menghilangkan gagasan privasi, tetapi juga dari sudut pandang filosofis.
Kita percaya bahwa kecerdasan secara bawaan adalah manusia dan ciri khasnya. Eksklusivitas itu bisa tampak kontradiktif untuk diberikan. Salah satu pertanyaan yang sering diajukan adalah apakah robot harus diberikan hak asasi manusia jika mereka mampu melakukan semua tugas yang orang bisa, yang secara efektif membuat mereka setara dengan manusia. Jika demikian, bagaimana Anda mendefinisikan hak-hak robot-robot ini? Di sini, tidak ada solusi konklusif.
AI tidak terlalu cocok untuk beradaptasi dengan perubahan keadaan karena AI bukan manusia. Misalnya, hanya dengan memberikan selotip di sisi jalan yang salah dapat menyebabkan kendaraan otonom AI berbelok ke jalur yang salah dan menabrak. Seseorang bahkan mungkin tidak menyadari keberadaan selotip itu atau menanggapinya. Sementara kendaraan tanpa pengemudi mungkin jauh lebih aman dalam keadaan biasa, kejadian ekstrem inilah yang seharusnya membuat kita khawatir.
Ketidakmampuan untuk beradaptasi ini menarik perhatian pada kelemahan keamanan serius yang belum diperbaiki secara memadai. Meskipun 'menipu' model data ini kadang-kadang bisa dilakukan dan tidak berbahaya, dalam situasi yang parah (seperti tujuan keselamatan), hal ini bisa membahayakan nyawa seseorang.
Seperti beberapa orang, sistem AI sering kali memiliki kepercayaan diri yang berlebihan pada kemampuan mereka. Seperti orang yang sombong, banyak sistem AI juga gagal mengenali kesalahan mereka. Sistem AI terkadang mungkin merasa lebih sulit untuk mengenali kesalahannya daripada memberikan jawaban yang benar. Di mana algoritma AI saat ini dapat digunakan sangat dibatasi oleh sejumlah besar data yang mereka butuhkan untuk mempelajari bahkan pekerjaan yang paling dasar sekalipun. Banyak ahli berpikir bahwa melanggar keterbatasan AI akan membutuhkan kemajuan dalam teknologi dan algoritma. Beberapa bahkan berpendapat bahwa komputer kuantum diperlukan.
Hal terbaik yang dapat kita lakukan untuk AI saat berkembang adalah mengakui keterbatasannya. Meskipun kita masih jauh dari memiliki kecerdasan yang setara dengan manusia, bisnis menggunakan strategi kreatif untuk mengatasi keterbatasan ini. Di masa lalu, AI telah berfungsi sebagai "black box," di mana pengguna memberikan algoritma kueri dan sistem mengeluarkan jawaban. Ini berasal dari persyaratan untuk memprogram pekerjaan yang rumit karena tidak ada programmer yang mungkin dapat menulis setiap keputusan logis yang mungkin. Jadi, kita memberikan kendali bebas AI untuk ditemukan. Tapi itu akan berubah. Mencapai tingkat kecerdasan ini membutuhkan waktu puluhan tahun, bahkan dengan supercomputers tercepat, dan tidak dimungkinkan sampai munculnya algoritma AI saat ini, yang dimungkinkan berkat data besar. Kami secara bertahap mengidentifikasi program dan elemen yang akan datang untuk AI yang lebih cerdas.
Program AI harus sering diperbarui untuk bereaksi terhadap lingkungan bisnis yang bergeser, dan jika terjadi kerusakan, ada risiko kehilangan kode atau data penting yang biasanya membutuhkan usaha dan biaya yang besar untuk pemulihannya. Dengan AI, risiko ini sebanding dengan pengembangan perangkat lunak normal. Bahaya ini dapat dikurangi jika sistem dirancang dengan baik dan individu yang membeli AI menyadari kebutuhan mereka dan solusi yang tersedia. Aspek-aspek tertentu dari pengembangan AI telah membuatnya sangat sulit untuk masuk ke industri ini. Mengingat persyaratan biaya, teknis, dan perangkat keras, mengembangkan AI membutuhkan modal yang signifikan, yang meningkatkan hambatan. Pikiran di balik penemuannya mungkin terutama digunakan oleh teknologi besar jika masalah ini berlanjut.
