USER INTERFACE TOUCHSCREEN

Touchscreen merupakan sebuah display/layar yang digunakan untuk mengetahui keberadaan dan lokasi suatu “sentuhan” di dalam suatu area dengan membaca titik-titik koordinat dari sumber sentuhan yang menempel pada layar. Terminologi ini mengacu pada kontak atau sentuhan pada layar dengan menggunakan jari atau tangan. Teknologi ini juga bisa mengetahui sentuhan dari obyek pasif seperti stylus dansejenisnya.
   Touchscreen dikenal pula dengan touch panels atau touch monitor, merupakan sebuah perangkat komputer yang biasanya digunakan untuk menampilkan informasi grafikal dan visual yang merupakan output dari sebuah perangkat komputer. Namun, yang membedakannya dengan monitor atau layar televisi biasa, apa yang ditampilkan di dalamnya dapat secara langsung berinteraksi secara fisik denganpenggunanya.
   Maksudnya, kita dapat langsung menyentuh layar tersebut dengan tangan atau alat bantu untuk mengakses apa yang ditampilkan di dalamnya. Dengan kata lain, touchscreen merupakan sebuah monitor yang sensitif terhadap sentuhan dan tekanan (resistif), sehingga perangkat ini memiliki dua fungsi yaitu, sebagai perangkat output karena menampilkan informasi dan input karena menerima informasi.
   Data yang dihasilkan dari sentuhan ini tentunya adalah data mengenai posisi tangan kita yang menyentuh sinyal ultrasonic tersebut. Jika ini dilakukan secara kontinyu dan terdapat banyak sekali sensor gelombang ultrasonic pada media yang disentuhnya, maka jadilah sebuah perangkat touchscreen yang dapat digunakan.

Layar sentuh (bahasa Inggris touchscreen) adalah sebuah perangkat input komputer yang bekerja dengan adanya sentuhan tampilan layar menggunakan jari atau pena digital. Antarmuka layar sentuh, di mana pengguna mengoperasikan sistem komputer dengan menyentuh gambar atau tulisan di layar itu sendiri, merupakan cara yang paling mudah untuk mengoperasikan komputer dan kini semakin banyak digunakan dalam berbagai aplikasi.

Layar sentuh banyak digunakan dalam industri manufaktur yang membutuhkan tingkat akurasi, sensivitas terhadap sentuhan, dan durabilitas yang sangat tinggi. Namun perangkat layar sentuh semakin lama semakin dapat ditemukan dalam perangkat-perangkat teknologi konsumen yang diproduksi secara massal, seperti pada komputer jinjing, pemutar musik seperti iPod Touch, dan telepon genggam seperti iPhone atau Blackberry Storm. Hal ini dimungkinkan karena perangkat layar sentuh dapat dibuat dalam berbagai ukuran tampilan.

Layar sentuh sering dipakai pada kios informasi di tempat-tempat umum, misalnya di bandara dan rumah sakit serta pada perangkat pelatihan berbasis komputer. Sistem layar sentuh tersedia dalam bentuk monitor yang sudah memiliki kemampuan layar sensitif sentuhan dan ada juga kit touchscreen yang lebih ekonomis yang dapat dipasang pada monitor yang sudah ada.

Komponen-komponen

Sebuah sistem layar sentuh terdiri atas tiga komponen dasar:

1.     panel sensor layar sentuh, yang terletak di lapisan luar tampilan dan menimbulkan aliran listrik tertentu tergantung di mana terdapat sentuhan

2.    pengontrol layar sentuh, yang melakukan pemrosesan sinyal yang diterima dari panel sensor, kemudian menerjemahkannya ke dalam data sentuhan yang disalurkan kepada prosesor komputer

3. driver perangkat halus, yang menerjemahkan data menjadi gerakan tetikus, memungkinkan panel sensor untuk berfungsi layaknya tetikus, dan menyediakan antarmuka pada sistem operasi komputer

 

 

Tipe-tipe layar sentuh

Semua tipe layar sentuh melekat pada unit tampilannya. Perbedaanya terletak pada cara mendeteksi sentuhan dan metode yang digunakan dalam memproses input sentuhan.

1. Capacitive overlay

Di setiap sudut layar terdapat sirkuit yang berfungsi untuk mengukur kapasitansi. Sentuhan yang diberikan oleh jari atau alat penghantar lainnya yang merupakan konduktor pada layar menyebabkan gangguan pada kondisi elektrostatis. Gangguan tersebut menyebabkan perubahan kapasitansi. Perubahan yang terjadi terukur oleh sirkuit dan kemudian dipergunakan untuk mendeteksi lokasi sentuhan. Tipe ini memiliki daya tahan yang kuat serta tampilan yang jernih.

2. Guided acoustic wave

Alat ini bekerja dengan mentransmisikan gelombang akustik melalui lapisan atas kaca yang ditempatkan di atas layar tampilan. Ketika suatu alat yang memiliki daya penghantar seperti jari terkontak dengan gelombang, maka transmisi gelombang akustik terganggu oleh jari. Gangguan menyebabkan pengurangan amplitudo dimana pengurangan tersebut diidentifikasi oleh control electronics untuk mendeteksi lokasi sentuhan.

3. Resistive overlay

Unggul dalam daya tahan khususnya terhadap perlakuan kasar dan harga yang terjangkau. Tersusun atas dua lapisan tipis yang terbuat dari kaca atau polyester yang diselubungi dengan material penghambat dan dipisahkan oleh titik-titik pemisah yang tidak terlihat. Pada resistive overlay, arus listrik mengalir pada seluruh bagian layar. Ketika tekanan diberikan pada layar, kedua lapisan tersebut saling berhimpitan yang kemudian menyebabkan perubahan aliran arus listrik. Melalui perubahan tersebut lokasi sentuhan terdeteksi.

4. Scanning infrared

Dalam bingkai sentuhan atau layar terdapat jajaran diode cahaya dan transistor foto yang masing-masing diletakan di dua sisi yang berlawanan untuk menghasilkan sebuah kisi dari cahaya infra merah yang tidak terlihat. Ketika jari atau alat penghantar lainnya memasuki kisi tersebut, cahaya infra merah yang dipancarkan diode cahaya terhalangi. Foto transistor mendeteksi hilangnya cahaya dan mentransmisikan sinyal yang mengidentifikasi koordinat x dan y dari letak jari atau alat penghantar tersebut.

5. Near field imaging (NFI)

Tipe ini menggunakan alat atau sirkuit pendeteksi sentuhan yang canggih untuk mendeteksi sentuhan. Alat atau sirkuit tersebut memiliki tingkat ketepatan tinggi dalam menggunakan data dan memproses gambar untuk menghasilkan profil yang tepat atas sentuhan yang diberikan.

6. Surface acoustic wave

Bekerja dengan mengirimkan gelombang akustik melalui panel kaca yang dilengkapi dengan beberapa transduser dan reflektor. Ketika jari bersentuhan dengan gelombang akustik, gerakan gelombang mengalami perubahan. Perubahan ini kemudian digunakan untuk mendeteksi lokasi sentuhan. Keunggulan tipe ini adalah memiliki tingkat kejernihan yang paling tinggi serta daya tahan yang baik. Namun, sensitif terhadap kotoran yang menempel.

Penggunaan

Mesin tiket kereta bawah tanah yang menggunakan sistem layar sentuh MD2693 di Taipei, Taiwan

1.Sistem informasi publik

Termasuk dalam sistem informasi publik antara lain kios-kios informasi, counter check-in pesawat terbang di bandara udara, tampilan petunjuk arah di tempat wisata, dan tampilan-tampilan elektronik lainnya yang digunakan oleh banyak orang yang memiliki pengalaman menggunakan komputer yang sangat terbatas atau malah tidak sama sekali.

Sistem layar sentuh lebih mudah digunakan daripada perangkat-perangkat masukkan lainnya, terutama bagi pengguna pemula, sehingga informasi yang ditampilkan di dalamnya dapat diakses oleh sebanyak mungkin pengguna.

2.Sistem restoran atau ritel

Restoran dan lingkungan-lingkungan berbasis jasa lainnya dituntut untuk memiliki pola kerja dan target waktu pencapaian yang sangatlah cepat. Sistem layar sentuh sangat sesuai untuk lingkungan-lingkungan ini karena sangat mudah untuk dijalankan dan tidak perlu melewati langkah-langkah yang berkepanjangan.

Pelatihan untuk pegawai baru dapat dikurangi dan pekerjaan pegawai yang telah ada dapat dilaksanakan dengan waktu yang lebih cepat, sehingga meningkatkan efisiensi keseluruhan lingkungan tersebut.

3.Toko swalayan

Sebuah terminal layar sentuh dapat digunakan untuk memperbaiki layanan terhadap pelanggan di toko-toko yang sangat sibuk, restoran cepat saji, pusat transportasi, dan sebagainya. Misalnya, seorang pelanggan di sebuah toko cukup memasukkan data apa saja yang dibelinya tanpa perlu melewati antrian pelanggan lain.

3. Pelatihan berbasis komputer

Karena sistem layar sentuh lebih mudah digunakan daripada perangkat-perangkat masukkan lainnya, waktu dan biaya yang digunakan untuk melaksanakan pelatihan dapat dikurangi. Sifat layar sentuh yang interaktif dan menyenangkan juga dapat membangun suasana pelatihan yang kondusif, baik bagi peserta maupun pelatih yang terkait.

Keuntungan dan kerugian penggunaan

Pfauth dan Priest (1981) menyebutkan keuntungan dan kerugian dari digunakannya perangkat layar sentuh, yang antara lain sebagai berikut:

• Keuntungan

1. Terdapat kontrol dan interaksi langsung antara indera penglihatan dan indera peraba masukkan dan keluaran yang dihasilkan terdapat pada satu lokasi yang sama)

    2.     Adanya kemampuan untuk memasukkan dan mengawasi data secara cepat

    3.     Karena penggunaannya mudah, tidak diperlukan terlalu banyak pelatihan                         pengguna dalam mengoperasikan sistem layar sentuh

     4. Hanya pilihan yang valid dan mungkin untuk diterima yang dapat ditampilkan

    5.   Mudah diterima oleh penggunanya

    6.     Tidak dibutuhkannya daya ingat penggunanya

• Kerugian

    1.     Besarnya biaya pengembangan sistem layar sentuh sebagai teknologi yang belum             lama digunakan dalam barang-barang yang diproduksi secara massal

    2.     Membutuhkan tambahan waktu dalam proses pemrogramannya

    3.     Kurang fleksibel untuk beberapa jenis masukkan tertentu

    4.     Kesalahan pada gambar yang ditampilkan akan menimbulkan kesalahan                         pengoperasian

    5.     Kelelahan yang dirasakan akibat mendekati layar secara berulang kali

    6.     Jari tangan seringkali menutupi tampilan visual layar

    7.     Diperlukannya metode-metode baru dalam pemrograman perangkat halus

 

ARTIFICIAL INTELLIGENCE ( KECERDASAN BUATAN)

ARTIFICIAL INTELLIGENCE

(KECERDASAN BUATAN)

 TUGAS ARTIKEL

PROGRAM STUDY INTERAKSI MANUSIA DAN KOMPUTER

JURUSAN SISTEM INFORMASI

Oleh :

PUPUT LESTARI

NIM.14021800098

FAKULTAS ILMU KOMPTER

UNIVERSITAS BINA BANGSA

  BANTEN

2019

  
 

ABSTRAK

            ARTIFICIAL INTELLIGENCE

Oleh :

Puput Lestari

NIM.14021800098

            Pembuatan artikel ini bertujuan untuk memenuhi tugas program study interaksi manusia dan komputer dengan judul Artificial Intelligence. Yaitu bidang ilmu computer yang menekankan pada penciptaan mesin cerdas yang bekerja dan bereaksi seperti manusia. Yang merupakan bagian penting dari industry teknologi. Materi yang di bahas berdasarkan judul yang telah di tentukan. Rekayasa pengetahuan merupakan bagian inti dari penelitian kecerdasan buatan. Mesin sering dapat bertindak dan beraksi seperti manusia hanya jika mereka memiliki informasi melimpah yang berkaitan dengan manusia. Kecerdasan buatan harus memiliki akses ke objek, kategori,property dan hubungan diantara mereka semua untuk menerapkan rekayasa pengetahuan. Memulai akal sehat, daya nalar dan pemecahan masalah dalam mesin adalah tugas yang sulit dan melelahkan.

System Artificial Inteligence ini sekarang sering digunakan dalam berbagai bidang seperti ekonomi, sains, obat obatan, teknik dan militer, seperti yang telah dibangun dalam beberapa aplikasi perangkat lunak computer rumah dan video game.

Kata kunci : Artificial Intelligence, mesin cerdas, rekayasa pengetahuan dan system Artificial Intelligence.

PENDAHULUAN

 

LATAR BELAKANG

 Artificial Intelligence(AI) atau disebut dengan kecerdasan buatan adalah bidang ilmu computer yang menekankan pada penciptaan mesin cerdas yang bekerja dan bereaksi seperti manusia. Yang merupakan bagian penting dari industry teknologi. Rekayasa pengetahuan merupakan bagian inti dari penelitian kecerdasan buatan. Mesin sering dapat bertindak dan beraksi seperti manusia hanya jika mereka memiliki informasi melimpah yang berkaitan dengan manusia. Kecerdasan buatan harus memiliki akses ke objek, kategori,property dan hubungan diantara mereka semua untuk menerapkan rekayasa pengetahuan. Memulai akal sehat, daya nalar dan pemecahan masalah dalam mesin adalah tugas yang sulit dan melelahkan.

Tujuan dari Artificial Intelligence yaitu di anggap dapat membantu dalam memecajkan masalah dengan lebih efektif,efisien, dan lebih teliti. Bukan hanya itu AI juga mengahasilkan mesin mesin yang lebih bermanfaat. Kondisi pada mesin bisa meningkatkan akurasi pemrosesan yang menjadikan pekerjaan lebih ringan dan memberikan hasil yang maksimal.

System Artificial Inteligence ini sekarang sering digunakan dalam berbagai bidang seperti ekonomi, sains, obat obatan, teknik dan militer, seperti yang telah dibangun dalam beberapa aplikasi perangkat lunak computer rumah dan video game.

Teknologi Artificial Intelligence memang dapat dikatakan cerdas dan bahkan melebihi kecerdasan pada umumnya, tapi kita harus tetap mengingat bahwa manusia lah yang menciptkannya. AI memang di buat supaya hidup manusia menjadi lebih mudah dan praktis, tetapi tidak berarti kita terus di manjakannya dengan adanya teknologi AI tersebut. Karena kita yang seharusnya mengatur mereka, bukan malah mereka yang mengatur kita.

Pembelajaran mesin juga merupakan bagian inti dari kecerdaan buatan. Bukan hanya itu robotika juga merupakan bidang utama yang terkait dengan kecerdasan buatan. Robot membutuhkan kecerdasan untuk menangani tugas tugas seperti memanipulasi objek dan navigasi, bersama dengan sub-masalah pelokalan,perencanaan gerak, dan pemetaan. Teknologi ini berusaha untuk meniru cara kerja otak manusia. Menggunakan layering canggih, konektivitas dan penyebaran data, mereka memproses set data dalam banyak cara untuk menghasilkan hasil yang diberikan. Selain robotika ada juga kecerdasan lainnya seperti system pakar, permainan computer(games), logika fuzzy, jaringan saraf tiruan dan masih banyak lagi.

 

  

 PEMBAHASAN                                          

Pengertian kecerdasan buatan 

             Artificial Intelligence(AI) atau disebut dengan kecerdasan buatan adalah bidang ilmu computer yang menekankan pada penciptaan mesin cerdas yang bekerja dan bereaksi seperti manusia. Yang merupakan bagian penting dari industry teknologi. Rekayasa pengetahuan merupakan bagian inti dari penelitian kecerdasan buatan. Mesin sering dapat bertindak dan beraksi seperti manusia hanya jika mereka memiliki informasi melimpah yang berkaitan dengan manusia. Kecerdasan buatan harus memiliki akses ke objek, kategori,property dan hubungan diantara mereka semua untuk menerapkan rekayasa pengetahuan. Memulai akal sehat, daya nalar dan pemecahan masalah dalam mesin adalah tugas yang sulit dan melelahkan.

Andreas Kaplan dan Michael Haenlain mendefinisikan kecerdasan buatan sebagai “ kemampuan system untuk menfsirkan data eksternal dengan benar, untuk belajar dari data tersebut, dan menggunakan pembelajaran tersebut guna mencapai tujuan dan tugas tertentu melalui adaptasi yang fleksibel”. Banyak hal yang kelihatannya sulit untuk kecerdasan manusia tetapi untuk informatika cenderung tidak bermasalah. Seperti contoh mentransformasikan persamaan, menyelesaikan persamaan integral, membuat permainan catur, atau backgammon. 

Apa itu kecerdasan? 

Kecerdasan merupakan  aspek yang multidimensi dan syarat makna, banyak para ahli yang memaknai kecerdasan dengan berbagai sudut pandang mereka. Berbicara soal kecerdasan ternyata memang sangat kompleks dan luas cakupannya. Menurut burt, kecerdasan adalah kemampuan kognitif umum yang dibawa individu dari lahir. Dan masih banyak lagi pakar yang mengungkapkan apa itu kecerdasan.  Di era teknologi ini kecerdasan bukan hanya ada pada manusia tapi ada juga kecerdasan buatan contohnya seperti mesin dan robotika. Psikolog umumnya tidak mengkarakterisasi kecerdasan manusia hanya dengan satu sifat tetapi oleh kombinasi berbagai kemampuan. Penelitian dalam AI terutama berfokus pada komponen kecerdasan berikut ini: pembelajaran, penalaran, pemecahan masalah , persepsi , dan penggunaan bahasa. 

Bagaimana Cara Kerja Kecerdasan Buatan? 

Bisakah mesin berpikir?  

  

Pada intinya, AI adalah cabang ilmu komputer yang bertujuan untuk menjawab pertanyaan secara afirmatif. Ini adalah upaya untuk mereplikasi atau mensimulasikan kecerdasan manusia dalam mesin.

Tujuan luas dari kecerdasan buatan telah memunculkan banyak pertanyaan dan perdebatan. Sedemikian rupa sehingga tidak ada definisi tunggal dari bidang tersebut yang diterima secara universal. 

Keterbatasan utama dalam mendefinisikan AI hanya sebagai "mesin bangunan yang cerdas" adalah bahwa itu tidak benar-benar menjelaskan apa kecerdasan buatan? Apa yang membuat mesin cerdas?

Dalam buku pelajaran inovatif Artificial Intelligence: A Modern Approach , penulis Stuart Russell dan Peter Norvig mendekati pertanyaan dengan menyatukan pekerjaan mereka di sekitar tema agen cerdas dalam mesin. Dengan pemikiran ini, AI adalah "studi tentang agen yang menerima persepsi dari lingkungan dan melakukan tindakan." (Russel dan Norvig viii)

Norvig dan Russell melanjutkan untuk mengeksplorasi empat pendekatan berbeda yang secara historis mendefinisikan bidang AI:

1. Berpikir secara manusiawi
2. Berpikir rasional
3. Bertindak secara manusiawi
4. Bertindak rasional

 

Dua ide pertama menyangkut proses berpikir dan penalaran, sementara yang lain berurusan dengan perilaku. Norvig dan Russell fokus terutama pada agen rasional yang bertindak untuk mencapai hasil terbaik, mencatat "semua keterampilan yang diperlukan untuk Tes Turing juga memungkinkan agen untuk bertindak secara rasional." (Russel dan Norvig 4).

Saat berpidato di kerumunan di Japan AI Experience pada tahun 2017 , CEO DataRobot Jeremy Achin memulai pidatonya dengan menawarkan definisi berikut tentang bagaimana AI digunakan hari ini:

"AI adalah sistem komputer yang dapat melakukan tugas-tugas yang biasanya membutuhkan kecerdasan manusia ... Banyak dari sistem kecerdasan buatan ini didukung oleh pembelajaran mesin, beberapa di antaranya didukung oleh pembelajaran yang mendalam dan beberapa di antaranya didukung oleh hal-hal yang sangat membosankan seperti aturan . " 

Bagaimana kecerdasan buatan dan robotika dapat menciptakan lebih banyak peluang kerja? 

Dampak kecerdasan buatan dan robotica pada kesempatan kerja selalu menjadi topic banyak spekulasi. Ketika dating untuk mengatur dan memanipulasi data, memproses masalah matematika yang kompleks dan melaksanakan tugas dalam sekejap mata, ai dan robotika adalah pilihan yang paling di sukai. Akibatnya ai sudah merambah ke setiap industry, mulai dari konstruksi, transportasi dan manufaktur hingga intelligen bisnis, pendidikan dan perawatan kesehatan. Oleh karena itu tidak mengherankan bahwa banyak tokoh seperti CEO Facebook yaitu Mark Zuckerberg percaya bahwa tidak hanya kecerdasan buatan dapat mendukung dan meningkatkan pekerjaan yang ada tetapi juga dapat menciptakanperan baru.

Sebuah laporan yang di hasilkan oleh Gartner menunjukan bahwa pada tahun 2020, ai akan menghasilkan  sekitar 2,3 juta pekerjaan. Angka ini di hitung dengan memperhitungkan1,8 juta pekerjaam yan di buat sederhana dengan otomatisasi. Namun , seperti teknologi lainya,dalam hal ketrampilan ldomain, aid an robotika juga membutuhkn kursus latihan khusus. Ini teah mendorong perlunya kursus kecerdasan buatan, sehingga mempersiapkanpara professional untuk gelombang perubhan baruyangdi sebabkan oleh inovasi dalam robotika dan  kecerdasan buatan. 

Sector AI dan robotika tidak pernah gagal mengesankan orang orang dengan inovasi. tugas tugas yang dulunya di anggap sangat kompleks hingga sebelumnya kini telah dibuat sederhana, sehingga memberi para professional ruang yang lebih luas untuk focus pada tugas tugas lain. Selain itu proligerasi teknik ai memiliki manfaat lain karena jumlah ai dan perangkat robot meningkat maka kebutuhan akan peran pekerjaan untuk mendukung dan mempertahankan fungsinya.

 

Kibatnya ada permintaan  bagi para profesional yang memahami robotika dan ai pada setiap tahap siklus pengembangan. Jumlah ini setidkanya  duapertiga peningkatan dalam scenario pekerjaj saat ini. Dalam sebuah study yang di lakuka oleh Capgemini hamper 80% dari 1000 organisasi yang menerapkan kecerdsan buatan telah menyatakan bahwa mereka akan memperkerjakan professional aid an robotika untuk peran pekerjaan baru.

Apa saja jenis kecerdasan buatan ?

Arend Hintze, asisten profesor biologi integratif dan ilmu komputer dan teknik di Michigan State University, mengkategorikan AI menjadi empat jenis, dari jenis sistem AI yang ada saat ini hingga sistem yang hidup, yang belum ada. Kategorinya adalah sebagai berikut:

• Tipe 1: Mesin reaktif . Contohnya adalah Deep Blue, program catur IBM yang mengalahkan Garry Kasparov pada 1990-an. Deep Blue dapat mengidentifikasi bagian-bagian di papan catur dan membuat prediksi, tetapi tidak memiliki ingatan dan tidak dapat menggunakan pengalaman masa lalu untuk memberi tahu yang berikutnya. Ini menganalisis kemungkinan langkah - -nya memiliki dan -nya lawan - dan memilih langkah paling strategis. Deep Blue dan GoogleGOGO dirancang untuk tujuan yang sempit dan tidak dapat dengan mudah diterapkan pada situasi lain.
• Tipe 2: Memori terbatas. Sistem AI ini dapat menggunakan pengalaman masa lalu untuk menginformasikan keputusan masa depan. Beberapa fungsi pengambilan keputusan dalam mobil self-driving dirancang dengan cara ini. Pengamatan menginformasikan tindakan yang terjadi di masa depan yang tidak terlalu jauh, seperti jalur penggantian mobil. Pengamatan ini tidak disimpan secara permanen. 
• Tipe 3: Teori pikiran. Istilah psikologi ini mengacu pada pengertian bahwa orang lain memiliki keyakinan, keinginan sendiri dan niat yang memengaruhi keputusan yang mereka buat. AI jenis ini belum ada.




• Tipe 4: Kesadaran diri. Dalam kategori ini, sistem AI memiliki rasa diri, memiliki kesadaran. Mesin dengan kesadaran diri memahami keadaan mereka saat ini dan dapat menggunakan informasi untuk menyimpulkan apa yang orang lain rasakan. AI jenis ini belum ada .  

   

Contohnya teknologi AI 

AI dimasukkan ke dalam berbagai jenis teknologi yang berbeda. Berikut ini tujuh contoh.

• Otomasi : Apa yang membuat sistem atau proses berfungsi secara otomatis. Misalnya, otomatisasi proses robotik (RPA) dapat diprogram untuk melakukan tugas bervolume tinggi dan berulang yang biasanya dilakukan manusia. RPA berbeda dari otomatisasi TI karena dapat beradaptasi dengan keadaan yang berubah. 
• Pembelajaran mesin: Ilmu membuat komputer bertindak tanpa pemrograman . Dalam belajar adalah bagian dari pembelajaran mesin yang, dalam istilah yang sangat sederhana, dapat dianggap sebagai otomatisasi analitik prediktif. Ada tiga jenis algoritma pembelajaran mesin:
• Pembelajaran terawasi : Kumpulan data diberi label sehingga pola dapat dideteksi dan digunakan untuk memberi label pada kumpulan data baru
• Pembelajaran tanpa pengawasan : Kumpulan data tidak diberi label dan diurutkan berdasarkan persamaan atau perbedaan
• Pembelajaran penguatan : Kumpulan data tidak diberi label tetapi, setelah melakukan suatu tindakan atau beberapa tindakan, sistem AI diberikan umpan balik
• Visi mesin: Ilmu yang memungkinkan komputer melihat. Teknologi ini menangkap dan menganalisis informasi visual menggunakan konversi analog-ke-digital kamera dan pemrosesan sinyal digital. Ini sering dibandingkan dengan penglihatan manusia, tetapi penglihatan mesin tidak terikat oleh biologi dan dapat diprogram untuk melihat melalui dinding, misalnya. Ini digunakan dalam berbagai aplikasi dari identifikasi tanda tangan hingga analisis citra medis. Visi komputer, yang difokuskan pada pemrosesan gambar berbasis mesin, sering dikaitkan dengan visi mesin.
• Pemrosesan bahasa alami (NLP): Pemrosesan manusia - dan bukan komputer - bahasa oleh program komputer. Salah satu yang lebih tua dan paling dikenal contoh NLP adalah deteksi spam, yang melihat baris subjek dan teks email dan memutuskan apakah itu sampah. Pendekatan saat ini untuk NLP didasarkan pada pembelajaran mesin. Tugas NLP termasuk terjemahan teks, analisis sentimen dan pengenalan suara.
• Robotika: Bidang teknik yang berfokus pada desain dan pembuatan robot. Robot sering digunakan untuk melakukan tugas yang sulit bagi manusia untuk melakukan atau melakukan secara konsisten. Mereka digunakan dalam jalur perakitan untuk produksi mobil atau oleh NASA untuk memindahkan benda besar di luar angkasa. Para peneliti juga menggunakan pembelajaran mesin untuk membangun robot yang dapat berinteraksi dalam lingkungan sosial.
• Mobil self-driving: Ini menggunakan kombinasi visi komputer, pengenalan gambar dan pembelajaran mendalam untuk membangun keterampilan otomatis dalam mengemudikan kendaraan sambil tetap berada di jalur tertentu dan menghindari penghalang yang tidak terduga, seperti pejalan kaki.

                                                                                            

 

Pentingnya Artificial Intelligence dalam berbagai bidang

Kecerdasan buatan telah membuat jalan ke sejumlah bidang. Berikut ini enam contoh.

• AI dalam perawatan kesehatan . Taruhan terbesar adalah pada meningkatkan hasil pasien dan mengurangi biaya. Perusahaan menerapkan pembelajaran mesin untuk membuat diagnosis yang lebih baik dan lebih cepat daripada manusia. Salah satunya paling dikenal teknologi kesehatan adalah IBM Watson . Ia mengerti bahasa alami dan mampu menjawab pertanyaan yang diajukan tentang itu. Sistem menggali data pasien dan sumber data lain yang tersedia untuk membentuk hipotesis, yang kemudian disajikan dengan skema penilaian kepercayaan. Aplikasi AI lainnya termasuk chatbots , program komputer yang digunakan online untuk menjawab pertanyaan dan membantu pelanggan, membantu menjadwalkan janji temu atau membantu pasien melalui proses penagihan, dan asisten kesehatan virtual yang memberikan umpan balik medis dasar.
• AI dalam bisnis . Otomatisasi proses robot sedang diterapkan pada tugas yang sangat berulang yang biasanya dilakukan oleh manusia. Algoritma pembelajaran mesin diintegrasikan ke dalam platform analitik dan CRM untuk mengungkap informasi tentang cara melayani pelanggan dengan lebih baik. Chatbots telah dimasukkan ke dalam situs web untuk menyediakan layanan langsung kepada pelanggan. Otomatisasi posisi kerja juga telah menjadi bahan pembicaraan di kalangan akademisi dan analis TI.
• AI dalam pendidikan . AI dapat mengotomatiskan penilaian, memberi lebih banyak waktu kepada pendidik. AI dapat menilai siswa dan beradaptasi dengan kebutuhan mereka, membantu mereka bekerja dengan langkah mereka sendiri. Tutor AI dapat memberikan dukungan tambahan kepada siswa, memastikan mereka tetap di jalurnya. AI dapat mengubah di mana dan bagaimana siswa belajar, bahkan mungkin mengganti beberapa guru.
• AI di bidang keuangan . AI dalam aplikasi keuangan pribadi, seperti Pajak Mint atau Turbo, mengganggu lembaga keuangan. Aplikasi seperti ini mengumpulkan data pribadi dan memberikan saran keuangan. Program lain, seperti IBM Watson, telah diterapkan pada proses pembelian rumah. Hari ini, perangkat lunak melakukan banyak perdagangan di Wall Street.
• AI dalam hukum . Proses penemuan, menyaring dari dokumen, dalam hukum sering kali luar biasa bagi manusia. Mengotomatiskan proses ini adalah penggunaan waktu yang lebih efisien. Startup juga membangun asisten komputer tanya-jawab yang dapat menyaring pertanyaan yang diprogram untuk menjawab dengan memeriksa taksonomi dan ontologi yang terkait dengan database .
• AI di bidang manufaktur . Ini adalah area yang berada di garis depan menggabungkan robot ke dalam alur kerja . Robot industri digunakan untuk melakukan tugas tunggal dan dipisahkan dari pekerja manusia, tetapi sebagai teknologi lanjutan yang berubah .

 

Apa komponen dasar kecerdasan buatan?

Banyak teknologi revolusioner AI adalah kata kunci umum, seperti "pemrosesan bahasa alami," "pembelajaran mendalam," dan "analisis prediktif." Teknologi mutakhir yang memungkinkan sistem komputer untuk memahami makna bahasa manusia, belajar dari pengalaman, dan membuat prediksi masing-masing.

Memahami jargon AI adalah kunci untuk memfasilitasi diskusi tentang aplikasi dunia nyata dari teknologi ini. Teknologi itu mengganggu, merevolusi cara manusia berinteraksi dengan data dan membuat keputusan, dan harus dipahami secara mendasar oleh kita semua.

Pembelajaran Mesin | Belajar dari pengalaman

Pembelajaran mesin, atau ML, adalah aplikasi AI yang menyediakan sistem komputer dengan kemampuan untuk secara otomatis belajar dan meningkatkan dari pengalaman tanpa diprogram secara eksplisit. ML berfokus pada pengembangan algoritma yang dapat menganalisis data dan membuat prediksi. Selain digunakan untuk memprediksi film Netflix yang mungkin Anda sukai, atau rute terbaik untuk Uber Anda, pembelajaran mesin sedang diterapkan pada industri perawatan kesehatan, farmasi, dan ilmu kehidupan untuk membantu diagnosis penyakit, interpretasi gambar medis, dan mempercepat pengembangan obat.

  

Pembelajaran Jauh | Mesin otodidak 

Deep learning adalah subset dari pembelajaran mesin yang menggunakan jaringan saraf tiruan yang belajar dengan mengolah data. Jaringan saraf tiruan meniru jaringan saraf biologis di otak manusia. 

Beberapa lapisan jaringan saraf tiruan bekerja bersama untuk menentukan output tunggal dari banyak input, misalnya, mengidentifikasi gambar wajah dari mosaik ubin. Mesin belajar melalui penguatan positif dan negatif dari tugas yang mereka lakukan, yang membutuhkan pemrosesan dan penguatan yang konstan untuk maju.

Bentuk lain dari pembelajaran mendalam adalah pengenalan suara, yang memungkinkan asisten suara di telepon untuk memahami pertanyaan seperti, "Hei Siri, Bagaimana cara kerja kecerdasan buatan?"

 

Jaringan Saraf | Membuat asosiasi

Jaringan saraf memungkinkan pembelajaran yang mendalam. Seperti yang disebutkan, jaringan saraf adalah sistem komputer yang dimodelkan setelah koneksi saraf di otak manusia. Setara buatan dari neuron manusia adalah perceptron. Seperti halnya kumpulan neuron yang menciptakan jaringan saraf di otak, tumpukan perceptron menciptakan jaringan saraf tiruan dalam sistem komputer.

Jaringan saraf belajar dengan memproses contoh-contoh pelatihan. Contoh terbaik datang dalam bentuk set data besar, seperti, katakanlah, set 1.000 foto kucing. Dengan memproses banyak gambar (input), mesin dapat menghasilkan output tunggal, menjawab pertanyaan, "Apakah gambar itu kucing atau bukan?"

Proses ini menganalisis data berkali-kali untuk menemukan asosiasi dan memberi makna pada data yang sebelumnya tidak ditentukan. Melalui model pembelajaran yang berbeda, seperti penguatan positif, mesin diajarkan telah berhasil mengidentifikasi objek.

Komputasi Kognitif | Membuat kesimpulan dari konteks

Komputasi kognitif adalah komponen penting lain dari AI. Tujuannya adalah untuk meniru dan meningkatkan interaksi antara manusia dan mesin. Komputasi kognitif berupaya menciptakan kembali proses pemikiran manusia dalam model komputer, dalam hal ini, dengan memahami bahasa manusia dan makna gambar. Bersama-sama, komputasi kognitif dan kecerdasan buatan berusaha memberikan mesin dengan perilaku mirip manusia dan kemampuan pemrosesan informasi.

Pemrosesan Bahasa Alami (NLP) | Memahami bahasa

Natural Language Processing atau NLP, memungkinkan komputer untuk menafsirkan, mengenali, dan menghasilkan bahasa dan ucapan manusia. Tujuan akhir dari NLP adalah untuk memungkinkan interaksi tanpa batas dengan mesin yang kami gunakan setiap hari dengan mengajarkan sistem untuk memahami bahasa manusia dalam konteks dan menghasilkan respons yang logis. 

Contoh NLP di dunia nyata termasuk Skype Translator, yang mengartikan pidato berbagai bahasa secara real-time untuk memfasilitasi komunikasi.

 

Visi Komputer | Memahami gambar

Visi komputer adalah teknik yang menerapkan pembelajaran mendalam dan identifikasi pola untuk menafsirkan konten gambar; termasuk grafik, tabel, dan gambar dalam dokumen PDF, serta, teks dan video lainnya. Visi komputer adalah bidang integral AI, memungkinkan komputer mengidentifikasi, memproses, dan menafsirkan data visual.

Aplikasi teknologi ini sudah mulai merevolusi industri seperti penelitian & pengembangan dan perawatan kesehatan. Computer Vision digunakan untuk mendiagnosis pasien lebih cepat dengan menggunakan Computer Vision dan pembelajaran mesin untuk mengevaluasi pemindaian x-ray pasien.

Bagaimana AI Digunakan? 

Kecerdasan buatan umumnya salah dalam dua kategori besar:

• AI sempit: Kadang-kadang disebut sebagai "AI lemah," kecerdasan buatan semacam ini beroperasi dalam konteks terbatas dan merupakan simulasi kecerdasan manusia. AI sempit sering berfokus pada melakukan satu tugas dengan sangat baik dan sementara mesin ini mungkin tampak cerdas, mereka beroperasi di bawah kendala dan batasan yang jauh lebih banyak daripada kecerdasan manusia paling dasar sekalipun.
• Inteligensi Buatan Buatan (AGI) : AGI, kadang-kadang disebut "AI Kuat," adalah jenis kecerdasan buatan yang kita lihat di film-film, seperti robot dari Westworld atau Data dari Star Trek: The Next Generation . AGI adalah mesin dengan kecerdasan umum dan, seperti halnya manusia, AGI dapat menerapkan kecerdasan itu untuk menyelesaikan masalah apa pun.

Kecerdasan Buatan Sempit 

AI sempit ada di sekitar kita dan dengan mudah merupakan realisasi kecerdasan buatan paling sukses hingga saat ini. Dengan fokus pada melakukan tugas-tugas khusus, AI Sempit telah mengalami banyak terobosan dalam dekade terakhir yang telah memiliki "manfaat sosial yang signifikan dan telah berkontribusi pada vitalitas ekonomi bangsa," menurut "Mempersiapkan Masa Depan Kecerdasan Buatan," a Laporan 2016 dirilis oleh Pemerintahan Obama.

Beberapa contoh AI Sempit meliputi:

• pencarian Google
• Perangkat lunak pengenalan gambar
• Siri, Alexa, dan asisten pribadi lainnya
• Mobil self-driving
• IBM Watson

Pembelajaran Mesin & Pembelajaran Mendalam 

Banyak AI Sempit didukung oleh terobosan dalam pembelajaran mesin dan pembelajaran yang mendalam . Memahami perbedaan antara kecerdasan buatan, pembelajaran mesin dan pembelajaran mendalam bisa membingungkan. Kapitalis ventura, Frank Chen memberikan tinjauan yang baik tentang bagaimana membedakan di antara mereka, mencatat:

"Kecerdasan buatan adalah seperangkat algoritma dan kecerdasan untuk mencoba meniru kecerdasan manusia. Pembelajaran mesin adalah salah satunya, dan pembelajaran mendalam adalah salah satu teknik pembelajaran mesin itu." 

Sederhananya, pembelajaran mesin memberi makan data komputer dan menggunakan teknik statistik untuk membantunya "belajar" bagaimana menjadi lebih baik secara progresif dalam suatu tugas, tanpa secara khusus diprogram untuk tugas itu, menghilangkan kebutuhan jutaan baris kode tertulis. Pembelajaran mesin terdiri dari pembelajaran terawasi (menggunakan set data berlabel) dan pembelajaran tanpa pengawasan (menggunakan set data tidak berlabel). 

Deep learning adalah jenis pembelajaran mesin yang menjalankan input melalui arsitektur jaringan saraf yang diilhami secara biologis. Jaringan saraf berisi sejumlah lapisan tersembunyi di mana data diproses, memungkinkan mesin untuk "mendalam" dalam pembelajarannya, membuat koneksi dan memberi bobot masukan untuk hasil terbaik.

Kecerdasan Umum Buatan 

Penciptaan mesin dengan kecerdasan tingkat manusia yang dapat diterapkan pada tugas apa pun adalah Cawan Suci bagi banyak peneliti AI, tetapi pencarian AGI penuh dengan kesulitan.

Pencarian untuk "algoritma universal untuk belajar dan bertindak dalam lingkungan apa pun," (Russel dan Norvig 27) bukanlah hal baru, tetapi waktu belum meredakan kesulitan pada dasarnya menciptakan mesin dengan set lengkap kemampuan kognitif.

AGI telah lama menjadi sumber fiksi ilmiah dystopian, di mana robot super-cerdas mengalahkan kemanusiaan, tetapi para ahli sepakat bahwa itu bukan sesuatu yang perlu kita khawatirkan dalam waktu dekat .

                                                                                                                       

  

Teknologi Pendukung Tambahan untuk Kecerdasan Buatan

·         Unit Pemrosesan Grafis atau GPU adalah enabler utama AI, memberikan daya komputasi besar yang diperlukan untuk memproses jutaan data dan perhitungan dengan cepat.

·         Internet of Things, atau IoT, adalah jaringan kumulatif perangkat yang terhubung ke internet. IoT diperkirakan akan menghubungkan lebih dari 100 miliar perangkat di tahun-tahun mendatang.

·         Pemrosesan data cerdas sedang dioptimalkan menggunakan algoritma canggih untuk analisis data multi-level yang lebih cepat. Ini adalah solusi untuk memprediksi peristiwa langka, memahami sistem, dan situasi unik.

Dengan integrasi Antarmuka Pemrosesan Aplikasi atau API, aspek kecerdasan buatan dapat dicolokkan ke perangkat lunak yang ada, menambah fungsi normalnya dengan AI.

 

DAFTAR PUSTAKA

https://becominghuman.ai/5-roles-of-artificial-intelligence-in-business-9102f56853df

https://searchenterpriseai.techtarget.com/definition/AI-Artificial-Intelligence

https://www.sciencedaily.com/terms/artificial_intelligence.htm

https://www.innoplexus.com/blog/how-artificial-intelligence-works/

https://www.roboticstomorrow.com/article/2018/09/top-article-for-2018-how-artificial-intelligence-and-robotics-can-create-more-employment-opportunities

https://futureoflife.org/background/benefits-risks-of-artificial-intelligence