Artificial Intelligence (AI) Dan IoT (Internet of Thing) Untuk Pembelajaran

1.         Artificial intelligence (Kecerdasan buatan)

Kecerdasan buatan (AI) memungkinkan mesin untuk belajar dari pengalaman, menyesuaikan input-input baru dan melaksanakan tugas seperti manusia. Sebagian besar contoh AI yang Anda dengar dewasa ini – mulai dari komputer yang bermain catur hingga mobil yang mengendarai sendiri – sangat mengandalkan pembelajaran mendalam dan pemrosesan bahasa alamiah. Dengan menggunakan teknologi ini, komputer dapat dilatih untuk menyelesaikan tugas-tugas tertentu dengan memproses sejumlah besar data dan mengenali pola dalam data.

1.1       Pengertian Artificial intelligence (Kecerdasan buatan)

Istilah kecerdasan buatan diciptakan pada tahun 1956, tetapi AI telah menjadi kian populer saat ini berkat peningkatan volume data, algoritme canggih, dan peningkatan daya serta penyimpanan komputasi. Riset AI awal pada tahun 1950-an mengeksplorasi topik-topik seperti penyelesaian masalah dan metode simbolik. Pada tahun 1960-an, Departemen Pertahanan AS menaruh minat terhadap jenis pekerjaan ini dan mulai melatih komputer-komputer untuk menirukan penalaran manusia yang mendasar. Misalnya, Defense Advanced Research Projects Agency (DARPA) menyelesaikan proyek pemetaan jalan pada tahun 1970-an. Dan DARPA menghasilkan asisten pribadi cerdas pada tahun 2003, jauh sebelum Siri, Alexa atau Cortana diberi nama.

Pekerjaan awal ini membuka jalan bagi otomatisasi dan penalaran formal yang kita lihat di komputer saat ini, termasuk sistem pendukung keputusan dan sistem pencarian pintar yang dapat dirancang untuk melengkapi serta meningkatkan kemampuan manusia. Sementara film-film Hollywood dan novel fiksi ilmiah menggambarkan AI sebagai robot mirip manusia yang mengambil alih dunia, evolusi teknologi AI saat ini tidak begitu menakutkan – atau cukup pintar. Sebaliknya, AI telah berevolusi untuk memberikan banyak manfaat spesifik di setiap industri. Teruslah membaca tentang contoh modern kecerdasan buatan dalam perawatan kesehatan, retail, dan lainnya.

1.2     Pentingnya Artificial intelligence (Kecerdasan buatan)

·       AI mengautomasi pembelajaran dan penemuan berulang melalui data. Tetapi AI berbeda dengan automasi robotik yang digerakkan oleh perangkat keras. Alih-alih mengautomasi tugas manual, AI melakukan tugas-tugas yang sering, bervolume tinggi, terkomputerisasi dengan andal dan tanpa mengalami kelelahan. Untuk jenis automasi ini, penyelidikan manusia masih penting untuk mengatur sistem dan mengajukan pertanyaan yang tepat.

·    AI menambahkan kecerdasan pada produk-produk yang ada. Di sebagian besar kasus, AI tidak dijual sebagai aplikasi individu. Akan tetapi, produk yang sudah Anda gunakan akan ditingkatkan dengan kemampuan AI, mirip seperti Siri yang ditambahkan sebagai fitur pada generasi baru produk Apple. Automasi, platform percakapan, bot, dan mesin pintar dapat dikombinasikan dengan sejumlah besar data untuk meningkatkan banyak teknologi di rumah dan di tempat kerja, mulai dari intelijen keamanan hingga analisis investasi.

·   AI beradaptasi melalui algoritme pembelajaran progresif guna memungkinkan data melakukan pemrograman. AI menemukan struktur dan keteraturan dalam data sehingga algoritme memperoleh keterampilan: Algoritme menjadi pengklasifikasi atau prediktor. Jadi, sama seperti algoritme yang dapat mengajarkan dirinya sendiri cara bermain catur, AI dapat mengajarkan sendiri produk apa yang akan direkomendasikan berikutnya secara online. Dan model-model beradaptasi saat memberikan data baru. Propagasi belakang merupakan teknik AI yang memungkinkan model untuk beradaptasi, melalui pelatihan dan data yang ditambahkan, saat jawaban pertama tidak terlalu tepat.

·   AI menganalisis data lebih banyak dan lebih dalam menggunakan jaringan neural yang memiliki banyak lapisan tersembunyi. Membangun sistem deteksi penipuan dengan lima lapisan tersembunyi hampir tidak mungkin beberapa tahun yang lalu. Semuanya berubah dengan kekuatan komputer yang luar biasa dan big data. Anda memerlukan banyak data untuk melatih model pembelajaran mendalam karena model tersebut belajar langsung dari data. Semakin banyak data yang Anda umpankan kepada model, semakin akurat model tersebut.

·     AI mencapai keakuratan mengagumkan melalui jaringan neural mendalam – yang sebelumnya tidak dimungkinkan. Misalnya, interaksi Anda dengan Alexa, Google Search, dan Google Photos semuanya didasarkan pada pembelajaran yang mendalam – dan ketiganya terus menjadi semakin akurat karena kita semakin sering menggunakannya. Di bidang medis, teknik AI dari pembelajaran mendalam, klasifikasi citra, dan pengenalan objek sekarang dapat digunakan untuk menemukan kanker pada MRI dengan akurasi yang sama seperti ahli radiologi yang terlatih.

·      AI memanfaatkan sebagain besar data. Jika algoritme merupakan pembelajaran mandiri, data itu sendiri dapat menjadi kekayaan intelektual. Jawabannya ada dalam data; Anda hanya perlu menerapkan AI untuk mendapatkannya. Karena peran data kini semakin penting dari sebelumnya, data dapat menciptakan keunggulan kompetitif. Jika Anda memiliki data terbaik dalam industri kompetitif, bahkan jika seseorang menerapkan teknik serupa, data terbaiklah yang akan menang.

1.3     Tantangan menggunakan kecerdasan buatan

Kecerdasan buatan akan mengubah setiap industri, tetapi kita harus memahami batasannya. Keterbatasan prinsip AI adalah bahwa AI belajar dari data. Tidak ada cara lain untuk memasukkan pengetahuan. Itu berarti ketidakakuratan dalam data akan tercermin di dalam hasilnya. Dan setiap lapisan tambahan dari prediksi atau analisis harus ditambahkan secara terpisah.

Sistem AI saat ini dilatih untuk melakukan tugas yang ditentukan dengan jelas. Sistem yang memainkan poker tidak bisa bermain solitaire atau catur. Sistem yang mendeteksi penipuan tidak dapat mengendarai mobil atau memberi Anda nasihat hukum. Bahkan, sistem AI yang mendeteksi penipuan layanan kesehatan tidak dapat secara akurat mendeteksi penipuan pajak atau penipuan klaim garansi. Dengan kata lain, sistem-sistem ini amat sangat terspesialisasi. Sistem ini berfokus pada satu tugas dan jauh dari berperilaku seperti manusia.

Demikian pula, sistem belajar mandiri bukanlah sistem otonom. Teknologi AI yang Anda lihat dalam film dan TV masih merupakan fiksi ilmiah. Tetapi komputer yang dapat menyelidiki data kompleks untuk belajar dan menyempurnakan tugas-tugas tertentu menjadi sangat umum.

1.4     Cara Kerja Kecerdasan Buatan

AI bekerja dengan menggabungkan sejumlah besar data dengan cepat, pengolahan berulang, dan algoritme cerdas, memungkinkan perangkat lunak untuk belajar secara otomatis dari pola atau fitur dalam data. AI adalah bidang studi luas yang mencakup banyak teori, metode, dan teknologi, serta subbidang utama berikut ini:

·     Pembelajaran mesin mengautomasi pembangunan model analitik. AI menggunakan metode dari jaringan neural, statistik, penelitian operasi, dan fisika untuk menemukan wawasan tersembunyi dalam data tanpa secara eksplisit diprogram untuk tempat mencari atau menyimpulkan sesuatu.

·        Jaringan neural adalah jenis pembelajaran mesin yang terdiri atas unit-unit yang saling berhubungan (seperti neuron) yang memproses informasi dengan menanggapi masukan eksternal, menyampaikan informasi antara setiap unit. Proses ini membutuhkan banyak umpan pada data untuk menemukan koneksi dan mendapatkan makna dari data yang tidak terdefinisi.

·   Pembelajaran mendalam menggunakan jaringan neural yang sangat besar dengan banyak lapisan unit pemrosesan, memanfaatkan kemajuan dalam daya komputasi, dan meningkatkan teknik pelatihan guna mempelajari pola kompleks dalam sejumlah besar data. Penerapan umumnya mencakup pengenalan gambar dan ujaran.

·     Komputasi kognitif adalah subbidang AI yang berupaya untuk melakukan interaksi seperti manusia secara alami dengan mesin. Menggunakan AI dan komputasi kognitif, tujuan utamanya adalah agar mesin dapat mensimulasikan proses manusia melalui kemampuan untuk menafsirkan gambar dan ujaran – kemudian berbicara dengan koheren dalam memberi tanggapan.  

·    Visi komputer mengandalkan pengenalan pola dan pembelajaran mendalam guna mengenali apa yang ada dalam foto atau video. Jika mesin dapat memproses, menganalisis, dan memahami gambar, mesin dapat menangkap gambar atau video secara real time dan menafsirkan sekitarnya.

·   Pemrosesan bahasa alamiah (natural language processing/NLP) adalah kemampuan komputer untuk menganalisis, memahami, dan menghasilkan bahasa manusia, termasuk ujaran. Tahap selanjutnya dari NLP adalah interaksi bahasa alami, yang memungkinkan manusia berkomunikasi dengan komputer menggunakan bahasa sehari-hari yang normal untuk melakukan tugas.

Selain itu, beberapa teknologi memungkinkan dan mendukung AI:

·     Unit pemrosesan grafis merupakan kunci bagi AI karena unit ini menyediakan penghitungan berat yang diperlukan untuk pemrosesan berulang. Melatih jaringan neural membutuhkan data dan juga daya komputasi yang besar.

·      Internet of Things menghasilkan jumlah data yang amat besar dari perangkat-perangkat terhubung, yang sebagian besar tidak dianalisis. Mengautomasi model dengan AI akan memungkinkan kita untuk menggunakan lebih banyak dari AI.

·      Algoritme lanjutan sedang dikembangkan dan digabungkan dalam cara-cara baru guna menganalisis lebih banyak data yang lebih cepat dan pada beberapa tingkatan. Proses cerdas ini adalah kunci untuk mengidentifikasi dan memprediksi kejadian langka, memahami sistem yang kompleks, dan mengoptimalkan skenario unik.

·     API, atau antarmuka pemrosesan aplikasi, merupakan paket kode portabel yang memungkinkan untuk menambahkan fungsi AI ke produk dan paket perangkat lunak yang sudah ada. Hal di atas dapat menambahkan kemampuan pengenalan gambar ke sistem keamanan rumah dan kemampuan Q&A yang menggambarkan data, membuat keterangan dan judul, atau memanggil pola dan wawasan menarik dalam data.

Ringkasnya, tujuan AI adalah untuk memberikan kemampuan untuk mengolah input dan menjelaskan output pada perangkat lunak. AI akan menyediakan interaksi yang mirip manusia dengan perangkat lunak dan menawarkan dukungan keputusan untuk tugas tertentu, tetapi AI bukan pengganti manusia – dan tidak akan menggantikan manusia dalam waktu dekat.

2.       IOT (Internet of Things) dalam Pembelajaran

2.1     Pengertian IOT (Internet of Things)

IOT atau Internet of Things atau juga yang mana sering kita sebut dengan IOT adalah sebuah konsep yang memiliki tujuan memperluas manfaat oleh konektivitas internet yang tersambung secara terus-menerus. Melalui internet kita dapat melakukan kegiatan berbagi data, remote control, dan aneka macam hal.­ Sebenarnya konsep oleh apa itu IOT sendiri sangat mudah dipahami oleh setiap orang. Karena sebelumnya saya belum paham sekali mengenai IOT, namun sehabis membaca oleh beberapa sumber akhirnya Saya sendiri dapat memahaminya dengan baik.

2.2    IoT (Internet of Things) Berkaitan Erat Dengan AI (Artificial Intelligence)

AI atau Artficial Intelligence memang sangat berhubungan dengan dunia robot. Jika berbicara tentang AI, pasti orang-orang akan berfirik tentang robot. Padahal kenyataannya, AI bukan hanya sekedar robot saja. Tetapi Internet of Things juga sangat berhubungan dengan AI. Dalam prinsip kerjanya, IoT menjadi tempat yang mengumpulkan informasi. Sementara AI berperan sebagai mesin yang menganalisa dan memutuskan sesuatu yang berhubungan dengan informasi tersebut. Itu semua berati, IoT tak akan berjalan dengan baik jika tidak diiringi dengan AI. Karena AI lah yang bisa menyelesaikan masalahnya dengan cerdas.

Dengan banyaknya perangkat perangkat wearelable, menjadikan data banyak variasi dan banyak penggunaannya.Mulai dari industri kesehatan, pertanian, bahkan pemerintahan telah menggunakan IoT sebagai teknologinya. Sementara AI yang mengalami beberapa kemajuan dari AAN atau Artificial Neural Network terinpirasi dari otak manusia. Untuk menyelesaikan masalah dilakukan dengan pembelajaran dari diri sendiri. Algoritma yang pada awalnya dilatih oleh manusia dan semakin lama algoritma tersebut akan membuat asumsinya sendiri. Terlatih untuk menyelesaikan masalah yang detail tetapi dengan bantuan yang sedikit sekali dari manusia. Dengan itulah sebenarnya IoT sangat membutuhkan AI. Bukan untuk sekedar memproses data atau hanya menampilkan dashboard. Tetapi data dan informasi yang ada, harus berjalaan bersamaan dengan aksi.

2.3    Internet Of Things (Iot) Dan Efeknya Untuk Dunia Pendidikan

Internet of Things atau IoT adalah sebuah konsep besar saat ini yang dinilai mampu merevolusi semua industri dan juga masyarakat. Bahkan dalam pendidikan pun Internet of Things ini menjadi salah satu teknologi yang saat ini dipertimbangkan oleh para pengajar maupun anggota pemerintah yang terkait dengan pendidikan untuk menggunakannya guna berinovasi dan meningkatkan pembelajaran.

Dengan Internet ini, belajar menjadi lebih dinamis dengan cara mengintegrasikan metode tradisional dengan metode baru (IoT). Selain itu, dampak pembelajaran dengan IoT ini juga dinilai mampu menjadikan pelajaran di kelas serta diskusi antar siswa lebih hidup. Bahkan dengan IoT siswa juga akan mampu mengeksplorasi metode-metode belajar lainnya. Sebagai contoh, siswa dapat belajar dirumah dengan melihat video, terlibat dalam proyek kemudian mendiskusikan hasil belajar di luar kelas tersebut saat kembali ke sekolah.

Selain itu, teknologi modern dan IoT tidak terbatas hanya pada bagaimana siswa belajar tapi juga dapat meningkatkan keamanan IoT sendiri serta akses yang lebih luas untuk mendapatkan informasi. Selain itu juga dapat melacak sumber daya utama.

Pengaruh IoT ini juga memiliki efek lebih jauh lagi bagi para pelajar. Dalam pendidikan tinggi misalnya universitas, sebagai mahasiswa mungkin saat ini telah bosan dengan menggunakan buku, kebanyakan dari mereka lebih suka dengan teknologi seperti smartphone, tablet, laptop dan gadjet lainnya. Dengan IoT ini akses informasi yang mudah di akses dari mana pun dan kapan pun, akan membuat pelajar mampu mempelajari segala sesuatu yang baru. Bahkan akan mendorong para pelajar untuk mempelajari lebih lanjut lagi.

Selain itu, IoT juga memberikan pekerjaan yang lebih efisien bagi para pengajar dan pelajar. Contohnya adalah, para pengajar mampu mengoptimalkan tugas-tugas yang harus dikerjakan oleh pelajar. Dengan menggunakan cloud, par apengajar juga mampu melihat hasil serta statistik masing-masing pelajar dengan informasi yang lebih cepat dengan cara mengumpulkan data hasil belajar. Selain itu, IoT juga mampu mengurangi biaya operasional sekolah, salah satu contoh sekolah yang sukses mengurangi biaya adalah Sekolah di New Richmonde, Tipp City, Ohio, Amerika Serikat. Dalam laporan, mereka mampu mengurangi sekitar USD128,000 setiap tahunnya dengan menggunakan sistem pembelajaran berbasis web-terpusat untuk mengontrol semua peralatan mekanik di sekolah. Masih banyak hal-hal lain yang akan didapatkan dalam memanfaatkan IoT dan teknologi modern lainnya. Berikut ada sedikit video untuk mengenal IoT lebih lanjut.

Bahan diskusi:

Menurut pembaca bagaimana tanggapan tentang AI dan IoT dalam pembelajaran yang terjadi dalam proses pembelajaran dilingkungan sekitar/ daerah pembaca sekalian?