Kecerdasan Artifisial: Pre-Test dan Post-Test

Secara praktis, Kecerdasan Artifisial (KA) mengacu pada sistem yang memungkinkan komputer melakukan hal-hal berikut, kecuali:

• Belajar dari data

• Mengenal pola

• Membuat keputusan secara mandiri

• Memiliki perasaan dan emosi

Menurut karakteristiknya, Kecerdasan Artifisial dapat meningkatkan performanya dari waktu ke waktu dengan cara memperbaiki diri sendiri melalui kesalahan yang dilakukan. Karakteristik ini dikenal sebagai:

• Pengenalan Pola Otomatis

• Pembelajaran Berkelanjutan (Adaptasi)

• Era Simbolik

• Inferensi Data

Dalam prinsip kerja KA, aturan dan langkah-langkah matematis yang digunakan oleh KA untuk memproses data dan memprediksi sesuatu disebut:

• Data Input

• Umpan Balik

• Algoritma

• Output

Salah satu perbedaan mendasar antara Kecerdasan Artifisial dengan Kecerdasan Manusia adalah bahwa manusia mampu:

• Bekerja berdasarkan aturan matematis.

• Hanya memahami hal yang ada dalam datanya.

• Membuat keputusan berdasarkan angka dan pola.

• Berpikir sendiri dan memiliki kreativitas untuk menciptakan ide baru.

PENTING UNTUK DIPERHATIKAN! Menurut modul, KA tidak selalu benar. Akibat yang terjadi jika KA diberi data yang salah atau tidak cukup banyak adalah:

• KA akan berhenti bekerja.

• Model KA akan berubah menjadi Deep Learning.

• Prediksi atau hasilnya juga bisa salah.

• KA akan meminta bantuan manusia.

Terdapat tiga evolusi Kecerdasan Buatan. Tahapan KA yang mencapai puncaknya dengan jaringan saraf tiruan yang mendalam, mensimulasikan cara kerja otak manusia, disebut era:

• Era Simbolik

• Pembelajaran Mesin (Machine Learning)

• Deep Learning

• Data Input

Langkah pertama dalam pengoperasian Kecerdasan Artifisial adalah mengumpulkan "bahan bakar" bagi KA berupa teks, gambar, suara, atau data sensor lainnya. Langkah ini dikenal sebagai:

• Output

• Input Data

• Model Training

• Inferensi

Setelah Kecerdasan Artifisial dilatih dan mengenali pola, tahapan di mana KA dapat mengambil keputusan atau memberikan prediksi berdasarkan data baru (misalnya, mengenali wajah melalui kamera) disebut:

• Pemrosesan Data

• Pelatihan Model

• Inferensi

• Umpan Balik

Berikut ini adalah contoh perangkat sehari-hari yang menggunakan aplikasi Kecerdasan Artifisial, kecuali:

• Smartphone (untuk face unlock atau kamera pintar)

• Smart Speaker (seperti Google Home atau Alexa)

• Aplikasi rekomendasi konten (seperti YouTube atau Netflix)

• Mesin tik manual

Menurut laporan The Future of Jobs 2025 yang disajikan dalam modul, profesi yang diprediksi mengalami penurunan terbesar dan erat kaitannya dengan jurusan DKV adalah:

• Software and Applications Developers

• Data Entry Clerks

• Graphic Designers

• Project Managers