Sejarah AI:Dari Fiksi Futuristik hingga Masa Depan Perusahaan

Ucapkan kata-kata "kecerdasan buatan," dan kebanyakan orang memikirkan Alexa dan Siri. Orang lain mungkin berpikir tentang film seperti The Terminator atau 2001:A Space Odyssey.

Yang benar adalah bahwa kecerdasan buatan (AI) bukanlah konsep fiksi ilmiah yang jauh. Faktanya, itu ada di mana-mana di sekitar kita—bayangkan Netflix yang merekomendasikan acara TV Anda berikutnya atau Uber yang mengoptimalkan rute pulang terbaik.

AI adalah ekosistem canggih dari teknologi modern yang saling berhubungan yang berkembang selama beberapa dekade—dan terus berkembang hingga saat ini. Jadi, tidak mengherankan jika sejarah AI juga kompleks dan berlapis-lapis. Ini adalah sejarah yang menampilkan berbagai alat dan kemampuan perubahan yang telah membangun AI seperti yang kita ketahui hingga saat ini.

Untuk memahami pentingnya AI hari ini—dan untuk mempersiapkan masa depan—ada baiknya untuk memahami di mana AI dimulai dan bagaimana AI berkembang menjadi teknologi yang mengubah permainan seperti sekarang ini.

AI abad ke-20:Bukti konsep yang ambisius

AI modern lahir di ruang akademik departemen penelitian universitas elit, tempat para sarjana berpikir secara mendalam tentang masa depan komputasi. Tetapi tahun-tahun awalnya membuatnya terbatas pada ruang-ruang ini, terdampar karena kurangnya data dan daya komputasi.

Pada tahun 1956, Dartmouth College menyelenggarakan Proyek Penelitian Musim Panas Dartmouth tentang Kecerdasan Buatan—sebuah lokakarya yang kemudian dikenal sebagai langkah pertama yang kritis ke dalam penelitian akademis AI. Selama lokakarya, 20 peneliti bertujuan untuk membuktikan hipotesis bahwa pembelajaran dapat dijelaskan dengan sangat tepat “sehingga sebuah mesin dapat dibuat untuk mensimulasikannya”.

Setahun kemudian, pada tahun 1957, psikolog Amerika Frank Rosenblatt memperluas penelitian Dartmouth dengan perceptron, sebuah algoritma yang berhasil melakukan klasifikasi biner. Di sinilah kami mulai melihat bukti yang menjanjikan tentang bagaimana neuron buatan dapat belajar dari data.

Dan setahun kemudian, John McCarthy, seorang peserta di Proyek Penelitian Musim Panas Dartmouth tentang Kecerdasan Buatan, dan banyak mahasiswa dari MIT, mengembangkan Lisp (bahasa pemrograman baru). Beberapa dekade kemudian, penelitian McCarthy akan membantu mewujudkan proyek baru dan bahkan lebih menarik, termasuk program bahasa alami SHRDLU, sistem aljabar Macsyma, dan sistem logika ACL2.

Sumber

Saat kita melihat kembali eksperimen awal ini, kita dapat melihat AI mengambil langkah pertama yang goyah dari dunia penelitian yang berpikiran tinggi ke dunia komputasi praktis.

Tahun 1960 menyaksikan debut Simulmatics, sebuah perusahaan yang mengklaim dapat memprediksi bagaimana orang akan memilih berdasarkan demografi mereka.

Pada tahun 1965, para peneliti mengembangkan apa yang disebut “sistem pakar”. Sistem ini memungkinkan AI untuk memecahkan masalah khusus dalam sistem komputer dengan menggabungkan kumpulan fakta dan mesin inferensi untuk menafsirkan dan mengevaluasi data.

Kemudian, setahun kemudian, pada tahun 1966, profesor MIT Joseph Weizenbaum merancang program pencocokan pola yang disebut Eliza yang menunjukkan kepada pengguna bahwa AI itu cerdas. Pengguna dapat memberikan informasi tentang program tersebut, dan Eliza, yang bertindak sebagai psikoterapis, akan memberikan pertanyaan terbuka sebagai tanggapan.

Pada pertengahan 1970-an, pemerintah dan perusahaan kehilangan kepercayaan pada AI. Pendanaan mengering, dan periode berikutnya dikenal sebagai “musim dingin AI.” Meskipun ada kebangkitan kecil pada 1980-an dan 1990-an, AI sebagian besar diturunkan ke ranah fiksi ilmiah dan istilah itu dihindari oleh ilmuwan komputer yang serius.

Pada akhir 1990-an hingga awal 2000-an, kami melihat penerapan skala besar teknik pembelajaran mesin seperti metode Bayesian untuk pemfilteran spam oleh Microsoft dan pemfilteran kolaboratif untuk rekomendasi Amazon.

AI abad ke-21:Program percontohan yang sangat sukses

Pada tahun 2000-an, kekuatan komputasi, kumpulan data yang lebih besar, dan munculnya perangkat lunak sumber terbuka memungkinkan pengembang untuk membuat algoritme canggih yang akan merevolusi komunitas ilmiah, konsumen, manufaktur, dan bisnis dalam waktu yang relatif singkat. AI telah menjadi kenyataan bagi banyak bisnis saat ini. McKinsey, misalnya, telah menemukan 400 contoh di mana perusahaan saat ini menggunakan AI untuk mengatasi masalah bisnis.

Web menawarkan cara baru untuk mengatur data

Revolusi web yang melanda dunia pada awal hingga pertengahan 2000-an meninggalkan dunia penelitian AI dengan beberapa perubahan penting. Teknologi dasar seperti Extensible Markup Language (XML) dan PageRank mengatur data dengan cara baru yang dapat digunakan AI.

XML adalah prasyarat untuk web semantik dan untuk mesin pencari. PageRank, sebuah inovasi awal dari Google, selanjutnya mengatur web. Kemajuan ini membuat web lebih dapat digunakan dan membuat sejumlah besar data lebih mudah diakses oleh AI.

Pada saat yang sama, database menjadi lebih baik dalam menyimpan dan mengambil data, sementara pengembang bekerja pada bahasa pemrograman fungsional yang membuatnya lebih mudah untuk mengoperasikan data tersebut. Alat ini hadir untuk peneliti dan pengembang untuk memajukan teknologi AI.

Jaringan saraf dan pembelajaran mendalam menunjukkan potensi AI

Ada mimpi besar untuk AI di abad ke-20, tetapi kekuatan komputasi telah membuatnya hampir mustahil untuk dibangun. Namun, pada abad ke-21, komputer menjadi lebih kuat secara eksponensial dalam menyimpan, memproses, dan menganalisis data dalam jumlah besar. Ini berarti tujuan mulia dari jaringan saraf dan pembelajaran mendalam dapat menjadi kenyataan.

Para peneliti mengembangkan kumpulan data yang secara khusus cocok untuk pelatihan mesin, menghasilkan jaringan saraf seperti AlexNet. Sebelumnya, pelatihan mesin mengandalkan kumpulan data yang berjumlah puluhan ribu, tetapi kemajuan unit pemrosesan grafis (GPU) berarti kumpulan data baru dapat berjumlah puluhan juta.

Produsen chip komputer Nvidia meluncurkan platform komputasi paralel mereka, CUDA, pada tahun 2006. Di dalam platform ini, Nvidia menggunakan GPU untuk membuat komputasi mereka lebih cepat. Peningkatan performa ini membantu lebih banyak orang menjalankan model machine learning besar dan kompleks yang ditulis di library machine learning seperti TensorFlow dan PyTorch.

Sumber

Di masa depan, perpustakaan-perpustakaan ini akan menjadi sumber terbuka dan mengilhami eksperimen yang meluas karena teknologi menjadi lebih mudah diakses. Demokratisasi AI ini akan membantu alat baru yang menarik seperti AlphaGo, Google DeepMind, dan IBM Deep Blue diluncurkan.

Visi komputer membuka pintu ke aplikasi industri baru

Hingga tahun 2000-an, AI hanya berguna jika Anda memproses teks. Namun pada pergantian abad, kemajuan dalam visi komputer, yang memungkinkan komputer mengenali dan menafsirkan gambar, mendorong kasus penggunaan AI ke tingkat yang lebih tinggi.

Kali ini, pionir kami bukanlah akademisi. Sebaliknya, mereka tinggal di dalam rumah Anda dan membuat pembersihan (Roomba) dan bermain game (XBox Kinect) lebih mudah dari sebelumnya dan menempatkan visi komputer di rumah-rumah di seluruh dunia.

Kami juga melihat visi komputer digunakan pada mobil self-driving yang sedang berkembang dan di rumah sakit untuk secara otomatis mendeteksi kondisi seperti lesi dan pneumonia.

Di luar kasus penggunaan khusus industri, variasi visi komputer juga membantu memicu kemajuan otomatisasi proses robotik (RPA). Dilengkapi dengan optical character recognition (OCR), robot RPA dapat memproses data terstruktur dan tidak terstruktur, yang telah mengubah dunia analisis data seperti yang kita kenal.

Analisis data meningkatkan aplikasi bisnis AI

Dua dekade terakhir telah menunjukkan kepada kita bahwa otomatisasi dan AI dapat mengimbangi kasus penggunaan bisnis yang kompleks. Dan seiring dengan semakin baiknya AI dalam menganalisis data, perusahaan dapat lebih memanfaatkan AI untuk membantu mereka bekerja lebih cerdas dan lebih efisien.

Bank menggunakan AI untuk mengklasifikasikan pertanyaan pelanggan ke dalam kategori yang berbeda dari volume besar email tidak terstruktur yang diterima setiap tahun. Proses ini intensif secara manual atau menghasilkan hasil yang buruk saat menggunakan klasifikasi kata kunci berbasis aturan. AI memungkinkan bank untuk mengklasifikasikan email ini dengan tingkat akurasi yang tinggi dan mengurangi waktu penanganan rata-rata (AHT).

AI dan otomatisasi juga tidak hanya membantu perusahaan jasa keuangan. Pembayar layanan kesehatan mempercepat identifikasi kehamilan berisiko tinggi. Robot perangkat lunak memuat data pasien yang diverifikasi dan mengakses model prediktif untuk menilai risiko pasien, menentukan rencana manajemen perawatan yang sesuai. Hasilnya adalah 24% meningkatkan jumlah kehamilan dengan berat badan lahir rendah yang diidentifikasi secara akurat sambil menghindari 44% dari kehamilan dengan berat badan lahir rendah—semuanya menghemat $11 juta per tahun. Baca cerita selengkapnya.

Pemrosesan bahasa alami dan pengenalan suara meningkatkan kegunaan AI

Meskipun AI dimulai dengan analisis teks, itu tidak berarti menguasainya. Hingga saat ini, teks—bahkan dengan OCR—perlu disusun dalam format yang dapat dibaca mesin. Bidang pemrosesan bahasa alami (NLP) telah mendorong kemampuan untuk memprogram komputer untuk memahami bahasa alami.

Salah satu contoh NLP yang lebih dikenal adalah Generative Pre-trained Transformer 3 (lebih dikenal sebagai GPT-3). GPT-3, yang diperkenalkan pada Mei 2020, menggunakan pembelajaran mendalam untuk menghasilkan teks yang sangat mirip dengan teks buatan manusia. Aplikasi menarik untuk GPT-3 sudah muncul, seperti menulis artikel (The Guardian, misalnya, menugaskan GPT-3 untuk menulis artikel tentang tidak berbahayanya robot) dan membuat program komputer.

Aplikasi NLP melampaui GPT-3. NLP dapat digunakan untuk membuat teks dari ucapan, secara otomatis meringkas arti dari rentang teks, menerjemahkan teks lintas bahasa, dan banyak lagi.

Meskipun NLP sering ada di ujung tombak, itu juga masuk ke rumah kita. Asisten virtual seperti Alexa dan Google, misalnya, dapat memproses permintaan bahasa alami dan menerjemahkannya ke dalam perintah yang dapat dieksekusi. Dengan permintaan suara yang sederhana, asisten AI ini dapat mencari informasi; perintah rute ke perangkat pintar, seperti lampu atau kunci; dan banyak lagi.

Masa depan AI:Pengubah permainan perusahaan

Saat kami memasuki dekade kedewasaan teknologi berikutnya, kasus penggunaan perusahaan untuk AI hanya akan terus berkembang. Alat-alat sebelumnya telah meletakkan dasar untuk apa yang mungkin dilakukan dengan AI, tetapi masih banyak hal yang harus dipecahkan dengan menggunakan alat-alat ini untuk ditingkatkan.

Seiring kemajuan AI, kita akan melihat perusahaan memanfaatkan RPA, pembelajaran mesin, penambangan proses, dan analitik data untuk membuat rangkaian otomatisasi menyeluruh yang andal karena teknologi ini semakin mudah diakses oleh bisnis di semua tahap kedewasaan . AI tidak akan lagi menjadi domain eksklusif peneliti dan pengembang; pengguna sehari-hari, dibantu oleh alat modern, akan dapat membuat solusi berbasis AI untuk masalah yang mereka identifikasi.

Saat teknologi semakin mudah diakses oleh pengguna bisnis, kita akan melihat roda gila otomatisasi berputar untuk memberi perusahaan lebih banyak ide dan kemungkinan untuk aplikasi AI. Kemungkinan ini akan didukung oleh platform dan alat otomatisasi mutakhir yang akan memulai ulang dan merevolusi cara kami bekerja.

UiPath AI Fabric memudahkan pengguna untuk meluncurkan model, memompa data ke dalamnya, mendapatkan wawasan, dan menilai kegunaannya.

Catatan editor: Karena pasar otomatisasi terus berkembang, Platform UiPath juga diperbarui untuk melayani kebutuhan otomatisasi pelanggan kami dengan sebaik-baiknya. Dengan demikian, nama produk AI Fabric telah berkembang sejak artikel tersebut pertama kali diterbitkan. Untuk informasi terbaru, silakan kunjungi halaman AI Center kami .

AI hari ini:Saat yang tepat untuk memulai

Saatnya untuk mengotomatisasi. Kami telah mencapai tahap dalam evolusi AI yang tidak teoretis—ini sangat penting dan diprediksi akan membuka nilai ratusan miliar dolar bagi perusahaan yang menerapkannya.

Cari tahu bagaimana organisasi terkemuka menggunakan otomatisasi dan AI untuk mewujudkan visi menjadi perusahaan yang sepenuhnya otomatis™ menjadi kenyataan: