Hampir setiap hari kita memakai AI tanpa sadar: rekomendasi video, filter spam, peta yang menghindari macet, sampai asisten yang bisa menulis kode. Tetapi di balik kehebatannya ada cerita dan fakta yang jarang dibahas. Berikut 8 hal menarik tentang AI yang layak kamu ketahui, terutama kalau kamu sedang belajar teknologi.
1. Istilah "Artificial Intelligence" lahir tahun 1956
Istilah ini dipakai pertama kali oleh John McCarthy untuk lokakarya musim panas di Dartmouth College pada 1956. Para penelitinya optimistis: mereka mengira mesin bisa meniru kecerdasan manusia dalam beberapa bulan. Kenyataannya, butuh puluhan tahun, dan ironisnya kita masih belum sampai ke sana sepenuhnya.
2. Pertanyaan "bisakah mesin berpikir?" sudah ada sejak 1950
Enam tahun sebelum istilah AI muncul, Alan Turing menerbitkan makalah Computing Machinery and Intelligence. Ia mengusulkan "permainan imitasi", yang sekarang dikenal sebagai Turing Test: jika seseorang tidak bisa membedakan jawaban mesin dari jawaban manusia, apakah mesin itu pantas disebut cerdas? Perdebatannya belum selesai sampai sekarang.
3. AI pernah mengalami "musim dingin"
Perjalanan AI tidak lurus ke atas. Dua kali, yaitu pada era 1970-an dan akhir 1980-an hingga awal 1990-an, harapan yang berlebihan bertabrakan dengan keterbatasan komputer dan data. Dana riset dipangkas, dan masa itu disebut AI winter. Pelajaran pentingnya: kemajuan AI datang dari gabungan algoritma yang baik, data yang banyak, dan tenaga komputasi yang besar. Ketiganya baru benar-benar bertemu pada 2010-an.
4. Mesin mengalahkan juara dunia, dan caranya berubah
Pada 1997, Deep Blue milik IBM mengalahkan juara catur dunia Garry Kasparov. Deep Blue menang terutama lewat hitungan brute force dan aturan buatan manusia. Hampir dua dekade kemudian, pada 2016, AlphaGo dari DeepMind mengalahkan Lee Sedol, pemain Go papan atas. Go jauh lebih rumit dari catur, sehingga AlphaGo belajar lewat deep learning dan bermain melawan dirinya sendiri. Salah satu langkahnya, yang terkenal sebagai "langkah ke-37", dianggap kreatif dan tak terduga oleh para ahli.
5. Satu makalah 2017 mengubah segalanya
Makalah Attention Is All You Need (2017) dari peneliti Google memperkenalkan arsitektur Transformer. Hampir semua model bahasa besar (LLM) yang kamu kenal hari ini, termasuk ChatGPT, Claude, dan Gemini, berdiri di atas gagasan ini. Mekanisme attention memungkinkan model menimbang bagian mana dari teks yang paling relevan saat memahami sebuah kata.
6. LLM tidak "tahu", ia memprediksi
Secara sederhana, LLM dilatih untuk menebak potongan teks (token) berikutnya berdasarkan konteks. Dari tugas sederhana itu muncul kemampuan yang mengesankan: menerjemahkan, merangkum, menulis kode. Tetapi ada konsekuensinya. Model bisa menghasilkan jawaban yang terdengar sangat meyakinkan namun keliru, yang disebut halusinasi. Karena itu, hasil AI sebaiknya diperiksa, terutama untuk angka, kutipan, dan kode yang akan dipakai di produksi.
7. Yang mudah bagi manusia justru sulit bagi AI
Ada yang disebut Paradoks Moravec: hal yang kita anggap sulit, seperti catur atau aljabar, relatif mudah bagi komputer, sedangkan hal yang kita anggap sepele, seperti melipat pakaian, mengenali benda di ruangan berantakan, atau memahami candaan, justru sangat sulit. Alasannya, kemampuan "sepele" itu adalah hasil jutaan tahun evolusi, sehingga jauh lebih kompleks daripada yang terlihat.
8. AI ikut memenangkan Hadiah Nobel
Pada 2024, Hadiah Nobel Kimia diberikan kepada Demis Hassabis dan John Jumper (bersama David Baker) atas AlphaFold, sistem AI yang memprediksi struktur 3D protein dari urutan asam aminonya. Masalah yang puluhan tahun menantang biologi itu kini bisa dijawab dalam hitungan menit, dan basis data prediksinya mencakup lebih dari 200 juta protein. Di tahun yang sama, Nobel Fisika diberikan kepada John Hopfield dan Geoffrey Hinton atas fondasi jaringan saraf tiruan. Ini menandai AI sebagai alat ilmiah yang serius, bukan sekadar tren.
Lalu, apa artinya untuk kamu yang belajar IT?
- AI adalah alat bantu, bukan pengganti pemahaman. Programmer yang paham dasar akan jauh lebih efektif memakai AI daripada yang hanya menyalin hasilnya.
- Kemampuan memberi instruksi yang jelas (prompting) dan memverifikasi hasil menjadi keahlian baru yang berharga.
- Dasar tetap penting: logika pemrograman, struktur data, database, dan keamanan. Semua itu membuatmu bisa menilai apakah jawaban AI benar.
- Waspadai bias dan privasi. AI belajar dari data buatan manusia, jadi bias dalam data bisa ikut terbawa. Jangan memasukkan data rahasia atau pribadi ke layanan AI publik.
Mau mulai dari dasar? Baca juga Mengenal Dasar-Dasar Pemrograman untuk Pemula dan Tips Belajar Programming Secara Efektif, lalu unduh ebook gratis Dive into Deep Learning di tab Ebook untuk melihat bagaimana AI modern bekerja dari dalam.
Komentar (0)
Masuk / Daftar