Jenis Sistem Kecerdasan Buatan

Sejak awal komputer, para peneliti telah mencoba menciptakan sistem yang meniru kecerdasan manusia. Sementara Einstein silikon mungkin masih merupakan kemungkinan yang jauh, kecerdasan buatan, atau AI, telah membawa kita ponsel yang mengenali ucapan manusia, mobil yang mengemudi sendiri, dan sistem pakar yang bersaing di game televisi menunjukkan. Selama bertahun-tahun, penelitian AI telah bergerak melalui beberapa evolusi dan, seiring dengan semakin matangnya setiap teknologi, mereka telah menjadi bagian dari pengalaman kita sehari-hari.

Peneliti awal berjuang dengan kekuatan pemrosesan dan penyimpanan komputer yang terbatas, tetapi masih meletakkan dasar AI dengan bahasa pemrograman seperti LISP dan konsep seperti pohon keputusan dan mesin sedang belajar. Program yang ditulis dalam LISP dapat dengan mudah menganalisis permainan seperti catur, memetakan semua kemungkinan gerakan untuk beberapa putaran, lalu memilih alternatif terbaik. Program-program ini juga dapat memodifikasi logika keputusan mereka dan belajar dari kesalahan sebelumnya, menjadi "lebih pintar" dari waktu ke waktu. Dengan komputer yang lebih kuat dan penyimpanan massal yang lebih murah, cabang AI ini melahirkan industri game komputer, serta berbagai mesin pencari yang dipersonalisasi dan situs belanja online yang tidak hanya mengingat preferensi kami, tetapi juga mengantisipasi kami kebutuhan.

Sementara gelombang pertama peneliti AI mengandalkan siklus komputasi untuk mensimulasikan penalaran manusia, pendekatan berikutnya mengandalkan fakta dan data untuk meniru pengalaman manusia. Sistem pakar mengumpulkan fakta dan aturan ke dalam basis pengetahuan kemudian menggunakan mesin inferensi berbasis komputer untuk menyimpulkan fakta baru atau menjawab pertanyaan. Insinyur pengetahuan mewawancarai para ahli di bidang kedokteran, perbaikan otomotif, desain industri, atau profesi lain, kemudian mereduksi temuan ini menjadi fakta dan aturan yang dapat dibaca mesin. Basis pengetahuan ini kemudian digunakan oleh orang lain untuk membantu mendiagnosis masalah atau menjawab pertanyaan. Seiring berkembangnya teknologi, para peneliti menemukan cara untuk mengotomatisasi pengembangan basis pengetahuan, memasukkan rim literatur teknis, atau membiarkan perangkat lunak merayapi Web untuk menemukan informasi yang relevan tentangnya memiliki.

Kelompok peneliti lain mencoba mereproduksi cara kerja otak manusia dengan membuat jaringan buatan neuron dan sinapsis. Dengan pelatihan, jaringan saraf ini dapat mengenali pola dari apa yang tampak seperti data acak. Gambar atau suara dimasukkan ke sisi input jaringan, dengan jawaban yang benar dimasukkan ke sisi output. Seiring waktu, jaringan mengatur ulang struktur internalnya sehingga ketika input serupa dimasukkan, jaringan mengembalikan jawaban yang benar. Jaringan saraf berfungsi dengan baik saat merespons ucapan manusia atau saat menerjemahkan gambar yang dipindai menjadi teks. Perangkat lunak yang mengandalkan teknologi ini dapat membacakan buku untuk orang buta atau menerjemahkan ucapan dari satu bahasa ke bahasa lain.

Analisis data skala besar, sering disebut "data besar", memanfaatkan kekuatan banyak komputer untuk menemukan fakta dan hubungan dalam data yang tidak dapat dipahami oleh pikiran manusia. Triliunan tagihan kartu kredit atau miliaran hubungan jaringan sosial dapat dipindai dan dikorelasikan menggunakan berbagai metode statistik untuk menemukan informasi yang berguna. Perusahaan kartu kredit dapat menemukan pola pembelian yang menunjukkan bahwa kartu telah dicuri, atau pemegang kartu mengalami kesulitan keuangan. Pedagang eceran mungkin menemukan pola pembelian yang menunjukkan bahwa seorang pelanggan hamil, bahkan sebelum dia mengetahuinya sendiri. Data besar memungkinkan komputer untuk memahami dunia dengan cara yang tidak pernah bisa kita lakukan sendiri.