Jawab
Kecerdasan buatan mungkin adalah salah satu teknologi yang paling banyak dibicarakan dan
ditulis saat ini. Artifical Intelligance adalah teori dan pengembangan sistem komputer yang
mampu melakukan tugas-tugas yang biasanya membutuhkan kecerdasan manusia, seperti
persepsi visual, pengenalan suara, pengambilan keputusan, dan terjemahan antar bahasa.
Artificial intelligence (AI) adalah kecerdasan yang ditunjukkan oleh mesin, berbeda dengan
kecerdasan alami yang ditampilkan oleh hewan termasuk manusia. Penelitian AI telah
didefinisikan sebagai bidang studi agen cerdas, yang mengacu pada sistem apa pun yang
memahami lingkungannya dan mengambil tindakan yang memaksimalkan peluangnya untuk
mencapai tujuannya.
Contoh : Membuka ponsel dengan face id, Salah satu hal pertama yang dilakukan banyak orang
setiap pagi adalah meraih smartphone mereka. Saat perangkat Anda dibuka dengan menggunakan
biometric seperti face ID, berarti perangkat Anda menggunakan kecerdasan buatan untuk
mengaktifkan fitur tersebut. Face ID memindai wajah Anda dan menempatkan 30.000 titik
inframerah yang tak terlihat dan kemudian menangkap gambar wajah Anda. Setelah itu
kecerdasan buatan akan menggunakan algoritma machine learning untuk membandingkan
pemindaian wajah Anda dengan wajah Anda untuk menentukan apakah orang yang membuka
kunci smartphone Anda atau bukan.
4. Sebutkan dan jelaskan perbedaan antara Machine Learning dan Deep Learning. Berikan
contoh
Jawab
Machine Learning, aplikasi machine learning (ML) menggunakan algoritme statistik
untuk menemukan pola dalam kumpulan data besar (termasuk “Big Data”). Data dapat
mencakup semua jenis informasi digital termasuk angka, gambar, suara, kata-kata, dan
sebagainya. Pemrogram menggunakan kumpulan data ini untuk "melatih" aplikasi
mereka untuk melakukan perilaku yang diinginkan.
Pembelajaran Mendalam Semua aplikasi pembelajaran mesin menggunakan algoritme
untuk belajar dari data. Tetapi aplikasi pembelajaran mendalam menggunakan jenis
algoritma khusus yang disebut jaringan saraf. Karena jaringan saraf ini, aplikasi deep
learning (DL) diyakini dapat memperkirakan proses pembelajaran manusia dan mampu
menghadapi tantangan pembelajaran yang jauh lebih kompleks dan canggih. Jaringan
saraf adalah fitur penting dari AI pembelajaran mendalam yang membedakannya dari
jenis pembelajaran mesin lainnya. Seperti aplikasi pembelajaran mesin lainnya, aplikasi
pembelajaran mendalam dapat dilatih menggunakan metode yang diawasi, tidak diawasi,
dan penguatan.
1. Sebutkan dan jelaskan pemakaian AI di Bisnis dan Masyarakat.
Jawab
Dua aspek penting AI yang berkontribusi pada efisiensi dan efektivitas organisasi adalah
penggunaan AI dalam analisis prediktif, analisis sentimen, dan sistem manajemen konten.
Analisis Prediktif
analitik prediktif digunakan oleh perusahaan untuk mengidentifikasi pola dalam data.
Penggunaannya dalam sistem manajemen hubungan pelanggan (CRM) atau data transaksi
pelanggan memungkinkan untuk memprediksi kemungkinan aktivitas pelanggan, seperti
melakukan investasi, menyewakan mobil baru, atau mengambil pinjaman untuk membayar biaya
kuliah anak. Bank dan perusahaan jasa keuangan lainnya dapat menggunakan aplikasi ini untuk
memprediksi nilai seumur hidup pelanggan, dan menyesuaikan layanan dan biaya mereka.
Banyak dari aplikasi analitik prediktif ini digerakkan oleh AI untuk membantu perusahaan
mengidentifikasi potensi masalah layanan pelanggan dengan menyaring formulir umpan balik
pelanggan, email, pesan, dan bahkan aktivitas media sosial. Beberapa contoh menarik tentang
bagaimana aplikasi analitik prediktif berbasis AI digunakan atau sangat dekat dengan penerapan
oleh organisasi meliputi:
Bank dan perusahaan jasa keuangan lainnya dapat menggunakan aplikasi ini untuk
memprediksi nilai seumur hidup pelanggan, dan menyesuaikan layanan dan biaya
mereka. AI dapat membantu perusahaan mengidentifikasi potensi masalah layanan
pelanggan dengan menyaring formulir umpan balik pelanggan, email, pesan, dan bahkan
aktivitas media sosial (Bharadwaj, 2019).
Perusahaan kartu kredit menggunakan analitik prediktif untuk mendeteksi penipuan dan
memprediksi risiko yang terkait dengan peminjaman uang kepada pelanggan
menggunakan data keuangan pelanggan, riwayat pembayaran, dan data media sosial.
Sistem ini memberikan nilai risiko kepada pelanggan yang dapat digunakan pemberi
pinjaman untuk membuat keputusan tentang memperpanjang kredit, menambah atau
mengurangi batas kredit, atau keputusan lain yang memengaruhi interaksi dan
keterlibatan di masa depan dengan pelanggan.
Perusahaan B2B besar dapat menggunakan strategi serupa untuk mengevaluasi kelayakan
kredit pelanggan mereka, menggunakan analitik prediktif untuk menilai kemungkinan
bahwa pelanggan bisnis mungkin tidak membayar tagihan mereka tepat waktu, dan
mengambil tindakan yang tepat saat memutuskan berapa banyak kredit yang akan
diberikan ke akun berisiko tinggi .
Pengecer, terutama pengecer e-niaga, menggunakan analitik prediktif bertenaga AI untuk
mengidentifikasi kapan saatnya mengiklankan produk tertentu kepada pelanggan,
mengetahui mana yang hampir membuat keputusan pembelian. Dan organisasi media
dapat merekomendasikan artikel, buku, atau film yang mungkin disukai pelanggan
berdasarkan perilaku penelusuran terbaru, percakapan media sosial, dan pembelian
sebelumnya.
Analisis Sentimen
Program NLP yang dapat memahami postingan media sosial tertulis telah digabungkan dengan
teknologi pembelajaran mesin yang dapat menyaring data media sosial real-time dan historis
untuk menemukan postingan yang menyebutkan nama atau produk perusahaan. Postingan ini
kemudian dapat diekstraksi dan dikategorikan menurut topik yang dibahas. Aplikasi juga
menggunakan AI untuk memahami makna pesan dan juga sentimen atau perasaan yang
diungkapkan oleh penulis berdasarkan jumlah kata positif atau negatif yang digunakan. Analisis
ini memberikan wawasan berharga tentang keyakinan dan perasaan konsumen terkait dengan
topik yang disebutkan dalam percakapan konsumen. Ini adalah alternatif yang berharga untuk
penelitian konsumen tradisional di mana data dikumpulkan dalam kelompok fokus kecil atau
survei respons terstruktur besar yang mungkin tidak mencerminkan sentimen konsumen nyata
dan mungkin menimbulkan masalah dengan generalisasi atau validitas respons.
Analisis sentimen pada dasarnya memberi perusahaan cara untuk mendengarkan percakapan
tentang pengalaman konsumen yang sebelumnya tidak tersedia. Ini juga memberikan wawasan
yang kuat tentang peran komunikasi "dari mulut ke mulut" dalam memengaruhi perilaku
konsumen.
Penegakan Hukum dan Keamanan Publik, Banyak aplikasi penegakan hukum AI telah
dikembangkan, dan hambatan teknologi untuk adopsi, seperti ketersediaan perangkat
keras dan perangkat lunak dan pengembangan infrastruktur pengumpulan data menurun
dengan cepat.
visi komputer adalah bidang kecerdasan buatan yang melatih komputer untuk melihat
menggunakan pembelajaran mendalam dan kamera untuk mengidentifikasi objek dalam
gambar dan video dan mengambil tindakan yang tepat berdasarkan informasi tersebut.
Perangkat input biometrik mengukur karakteristik fisik unik seseorang, biasanya untuk
digunakan dalam perangkat keamanan yang dirancang untuk hanya mengizinkan akses ke
individu tertentu. Contoh input biometrik visual yang umum digunakan termasuk
pengenalan sidik jari, retina, iris, dan fitur wajah.
Kesehatan dan Kedokteran, Banyak aplikasi AI baru yang menarik telah dikembangkan
untuk bidang medis dan perawatan kesehatan. Seperti di industri lain, aplikasi yang
paling sukses adalah program yang dapat mengurangi kebutuhan profesional medis untuk
melakukan proses rutin atau intensif data, memungkinkan mereka untuk mengalihkan
fokus mereka ke aspek perawatan dan perawatan pasien yang membutuhkan kemampuan
manusia.
3. Sebutkan dan jelaskan issue terkait penggunaan AI di Bisnis, Masyarakat dan Public
Sector.
Jawab
Otomasi Kerja dan Kehilangan Pekerjaan, Untuk menilai kemungkinan dampak AI pada
berbagai pekerjaan, kita perlu melihat jenis pekerjaan yang mudah diotomatisasi dan
yang tidak. Banyak orang berasumsi bahwa pekerjaan kerah biru paling berisiko
diotomatisasi, mungkin karena cara produsen begitu cepat mengganti pekerja produksi
dengan jalur produksi bertenaga robot. Tapi itu juga menjelaskan jenis pekerjaan yang
cocok untuk otomatisasi. Pekerjaan yang rutin, dan dilakukan dengan cara yang sama
berulang kali, lebih mungkin dilakukan secara otomatis. Tetapi tidak semua pekerjaan
kerah biru mudah diotomatisasi. Misalnya, seorang tukang listrik yang memasang kabel
rumah baru menghadapi tantangan baru dengan setiap rumah baru. Tukang listrik yang
melayani rumah yang ada mungkin menghadapi lebih banyak situasi baru. Karena
komputer tidak berjalan dengan baik (belum) dan sulit untuk menarik kabel listrik baru
melalui dinding yang ada, banyak pekerjaan tukang listrik mungkin aman dari
otomatisasi
Privasi, Hak Sipil, dan Penggunaan Kecerdasan Buatan oleh Pemerintah, Salah satu
aplikasi AI yang mungkin menginspirasi perhatian yang sama besarnya dengan
otomatisasi kerja adalah teknologi pengenalan wajah. Teknologi pengenalan wajah
adalah sesuatu yang banyak dari kita terpapar setiap hari ketika kita masuk ke Facebook
untuk berbagi foto saat-saat menyenangkan dengan keluarga dan teman atau melihat foto
yang dibagikan oleh orang lain. Selama bertahun-tahun, Facebook telah mendorong kami
untuk menandai orang di foto kami, sesuatu yang sebagian besar tampak relatif tidak
berbahaya.
Hasil Tak Terduga Saat Bias Merayap ke dalam Proses Pembelajaran, Kekhawatiran lain
yang dapat berdampak negatif pada orang adalah ketika beberapa jenis program
pembelajaran mesin mengembangkan bias dalam kemampuan pengambilan keputusan
mereka. Mungkin contoh klasik bias dalam pembelajaran mesin adalah sistem COMPAS
yang digunakan di Broward County, Florida untuk memprediksi apakah seseorang yang
dihukum dan dipenjara karena kejahatan akan cenderung melakukan pelanggaran
kembali jika dibebaskan dengan pembebasan bersyarat. Hakim menggunakan skor risiko
ini dalam mengembangkan hukuman, dengan hukuman yang lebih berat diberikan kepada
mereka yang memiliki skor risiko lebih tinggi.
5. Apakah Facial Recognition Technology melanggar etika? Jelaskan dan beri contoh.
Jawab
Penggunaan akan facial recognition dapat dibilang tidak melanggar etika apabila dilakukan secara
etis. Seperti di Skotlandia, merupakan salah satu negara yang memberikan contoh penggunaan
teknologi facial recognition yang baik. Di sana, karena masa pandemi Covid-19, teknologi ini
digunakan untuk membayar makanan di restoran. Tanpa sentuhan fisik, transaksi pun bisa
dilakukan. Bukan tidak mungkin, jika di masa depan, teknologi facial recognition diterapkan di
bandara, tentu proses check in akan lebih cepat. Berikut adalah contoh perusahaan dan petugas
kesehatan yang menggunakan pengenalan wajah untuk kebaikan :
Helping Faceless adalah perusahaan yang dimulai oleh Shashank Singh yang hampir
diculik oleh orang asing, tetapi untungnya diselamatkan oleh orang asing lain yang dapat
mengembalikannya ke rumahnya. Tetapi banyak anak lain yang tidak seberuntung itu.
Setiap delapan menit seorang anak hilang di India. Dengan aplikasi Helping Faces,
orang-orang dapat mengunggah gambar anak hilang atau anak-anak yang ditemukan
sendirian, dan aplikasi mencoba menghubungkan keduanya menggunakan pengenalan
wajah.
Penggunaan robotika cukup umum di industri (produksi, perakitan dan pengepakan, dan
pergudangan), dan memiliki peran yang meningkat di militer (mesin tempur dan drone), obat-obatan,
transportasi (kendaraan otonom), penegakan hukum (pembuangan bom), dan bahkan hiburan
(misalnya, kompetisi pertempuran robot yang disiarkan televisi, mainan, wahana taman hiburan, dan
sebagainya. Robot sering digunakan untuk melakukan tugas berulang dan terkadang berbahaya yang
tidak cocok untuk manusia. Mereka juga digunakan di lingkungan seperti luar angkasa, bawah air,
dan tempat-tempat lain di mana manusia akan menghadapi kondisi yang tidak aman atau mematikan.
Sebagian besar robot saat ini digunakan di beberapa bagian proses manufaktur, terutama industri
otomotif di mana robot mengelas, mengecat, merakit, dan melakukan tugas lini produksi lainnya.
Konon, dalam dekade terakhir telah terjadi peningkatan yang cukup besar dalam robot yang mampu
melakukan berbagai jenis pekerjaan di luar lantai pabrik. Misalnya, robot digunakan di gudang untuk
menyimpan, memindahkan, mengumpulkan, dan mengelola inventaris. Jenis gudang baru sedang
dikembangkan yang akan sepenuhnya dijalankan oleh robot. Penggunaan robot di bidang medis telah
menghasilkan aplikasi baru yang mengejutkan seperti melakukan prosedur bedah yang rumit.
Robot juga mulai digunakan dalam penegakan hukum. Penggunaan robot dalam penegakan hukum
saat ini masih terbatas, meskipun seperti bentuk AI lainnya, pengembang percaya ada banyak potensi
untuk memperluas penggunaannya. Lembaga penegak hukum saat ini menggunakan robot dalam
situasi seperti pembuangan bom dan menjelajahi situasi yang mungkin memiliki risiko yang tidak
diketahui bagi petugas manusia. Ketika AI dibangun ke dalam jenis mesin ini, mereka dapat
mendeteksi dan mengenali objek di lingkungan terdekat mereka, dan bereaksi terhadap situasi yang
berubah secara mandiri, mengurangi waktu reaksi memilih tindakan yang benar tanpa harus
menunggu input dari pengontrol manusia jarak jauh. Robot bertenaga AI akan dapat melakukan lebih
banyak tugas berguna yang mengurangi kebutuhan petugas manusia untuk menempatkan diri mereka
dalam bahaya.
Sebagian besar robot tidak menggunakan jenis AI apa pun dan sebagian besar aplikasi AI tidak
terhubung ke atau bagian dari robot. Namun, ketika digabungkan, robot yang disempurnakan dengan
AI dapat berperilaku (bertindak) dan berpikir (kecerdasan), sampai batas tertentu seperti manusia.
Kombinasi dari dua disiplin ini dapat menghasilkan mesin yang kuat dan mengesankan yang sangat
mirip dengan jenis robot yang sering digambarkan dalam buku dan film fiksi ilmiah. Robot yang
berguna atau membantu dapat dibuat memiliki nilai yang lebih besar lagi ketika robot tersebut dapat
memecahkan masalah, belajar, berkomunikasi, dan mengambil keputusan menggunakan kekuatan
pemrograman AI.
Otomatisasi kerja adalah fenomena yang melampaui robotika, karena program perangkat lunak juga
dapat digunakan untuk menggantikan pekerja manusia. Otomatisasi kerja bisa menjadi kontroversial
bila diterapkan dalam skala luas, mengganggu pekerjaan seluruh tenaga kerja manusia. Otomatisasi
kerja tidak terlalu bermasalah bila diterapkan pada tugas yang berulang, membosankan, berbahaya,
atau melelahkan secara fisik. Robot sangat berharga di industri teknologi tinggi dan industri lainnya
di mana presisi dan produksi ruang bersih diperlukan (yaitu, produksi semi-konduktor, layar OLED,
atau obat-obatan).
Penggunaan robot yang paling umum untuk otomatisasi kerja adalah di sektor manufaktur ekonomi.
Robot industri yang digunakan dalam aplikasi manufaktur dan produksi dapat dikategorikan menjadi
enam jenis berdasarkan cara konfigurasinya. Meskipun kami menjelaskan setiap jenis robot industri
di bawah ini, sangat disarankan agar Anda menggunakan mesin pencari untuk menemukan gambar
robot ini, karena itulah cara terbaik untuk memahami desain dan fungsi setiap jenis.
3. Menurut saudara, bagaimana pemakaian robot dalam dunia Kesehatan? Jelaskan kelebihan
dan kekurangan hal tersebut.
Jawab
Robot Medis/Bedah
Dalam perawatan kesehatan, robot digunakan dalam berbagai prosedur bedah. Robot bedah biasanya
dianggap sebagai robot kolaboratif karena alih-alih menggantikan ahli bedah, robot bekerja dengan
ahli bedah untuk melakukan prosedur bedah yang membutuhkan tingkat presisi yang sangat tinggi,
penggunaan instrumen mikro, dan situasi lain di mana perangkat robotik meningkatkan keterampilan
dan pengalaman manusia. ahli bedah. Robot medis dirancang untuk meningkatkan keterampilan,
pengetahuan, dan keahlian ahli bedah, dengan melakukan tugas bedah yang membutuhkan tingkat
presisi dan stabilitas yang sangat tinggi dalam jangka waktu yang lama. Seiring bertambahnya usia
ahli bedah, pengetahuan dan pengalaman mereka meningkat, tetapi mereka juga lebih rentan terhadap
getaran tangan ringan yang dapat berdampak negatif pada kemampuan mereka untuk melakukan
prosedur bedah. Robot medis memperluas karir ahli bedah dengan menghilangkan tremor tangan
sebagai perhatian.
Misalnya, laparoskopi adalah jenis operasi invasif minimal yang menggantikan prosedur bedah
tradisional. Alih-alih membuat sayatan besar untuk mengakses jaringan dan organ di bawahnya,
laparoskopi menggunakan bukaan yang sangat kecil dan alat khusus yang disebut endoskopi yang
memungkinkan untuk menjangkau dan mengoperasikan jaringan dan organ di bawahnya melalui
lubang kecil. Robot medis dapat melakukan prosedur endoskopi dengan presisi yang lebih tinggi
daripada dokter manusia yang mungkin terhambat oleh ketidakmampuan mereka untuk melihat
lingkungan operasi seperti dalam prosedur bedah tradisional. Prosedur invasif minimal memiliki
manfaat penting bagi pasien. Sayatan yang lebih kecil berarti waktu penyembuhan yang lebih cepat,
masa rawat inap yang lebih pendek, risiko infeksi dan komplikasi yang lebih rendah, rasa sakit dan
ketidaknyamanan yang lebih sedikit, dan bekas luka yang lebih kecil.
Sebagian besar robot medis memanfaatkan berbagai teknologi kecerdasan buatan untuk
mengembangkan dan menjalankan fungsi bedah mereka termasuk menggunakan pembelajaran mesin
untuk mencapai presisi submilimeter dan memperluas ketangkasan untuk menjangkau lebih banyak
area tubuh
Kelebihan:
Kestabilan dan peningkatan kualitas produk.
Variasi hasil produksi berkurang.
Jam kerja mendekati 24 jam/hari.
Dikurangi waktu pergantian pekerja.
Mengatasi masalah kurangnya tenaga terampil.
Tidak bekerja secara monoton.
Penghematan sumber daya.
Penghematan material dan suku cadang.
Kekurangan:
Membutuhkan biaya awal yang sangat besar.
Berkurangnya lapangan pekerjaan, sehingga terjadi pengangguran.
Tenaga manusia sudah tidak perlukan lagi, karena sudah digantikan dengan robot.
Menumbuhkan sifat malas terhadap manusia, karena semua sudah ditangani oleh robot.
4. Jelaskan Drones.
Jawab
Area pertumbuhan lain di bidang robotika adalah robotika udara atau drone. Di sektor publik dan
swasta, drone digunakan untuk menangani segala hal mulai dari pengendalian penyakit hingga
pembersihan laut hingga pengiriman pizza dan membantu memerangi perang. Dalam bisnis,
penggunaan umum drone udara dapat dilihat di gudang yang dilengkapi RFID di mana drone
digunakan setelah jam kerja normal untuk memindai produk, melakukan pemeriksaan inventaris,
melacak barang dagangan, memetakan lokasi produk, dan melakukan tugas berulang lainnya. Drone
juga digunakan untuk meningkatkan proses di banyak sektor industri termasuk perawatan kesehatan,
pertanian, prakiraan cuaca, pengelolaan limbah, pertambangan, energi, konstruksi dan perencanaan,
asuransi, dan real estat untuk beberapa nama. Pada akhir 2019, Amazon mengumumkan Prime Air—
sistem pengiriman yang akan menggunakan drone untuk mengirimkan paket ke alamat tempat tinggal
dalam waktu 30 menit atau kurang.
Drone adalah robot terbang yang dapat dikendalikan dari jarak jauh atau terbang secara mandiri
melalui rencana penerbangan yang dikendalikan perangkat lunak yang bekerja dengan sensor onboard
dan GPS.
Di militer, drone dikenal sebagai UAV (kendaraan udara tak berawak) atau RPAS (sistem udara yang
dikendalikan dari jarak jauh) dan digunakan untuk pengawasan dan dalam operasi ofensif di mana
penerbangan berawak dianggap terlalu berisiko atau sulit. Saat ini 95 negara di seluruh dunia sudah
memiliki beberapa bentuk teknologi drone militer dibandingkan dengan sekitar 60 negara 10 tahun
yang lalu. Lembaga penegak hukum dan tim tanggap darurat semakin banyak menggunakan drone
untuk pengawasan dan patroli. Misalnya, Land Rover telah bermitra dengan Palang Merah Austria
untuk merancang kendaraan operasi khusus dengan drone pencitraan termal yang dipasang di atap.
Kendaraan ini mencakup sistem pendaratan terintegrasi yang memungkinkan drone mendarat dengan
aman di atas kendaraan saat sedang bergerak. Land Rover berharap Land Rover Discovery yang
dilengkapi drone khusus—yang dijuluki “Project Hero”—akan menyelamatkan nyawa dengan
mempercepat waktu tanggap darurat. Selain itu, drone terbukti sangat berharga dalam mendukung
upaya lembaga konservasi dan pusat pengendalian penyakit.
Konsep fisika kuantum lainnya adalah keterjeratan. Keterikatan menggambarkan kasus di mana
dua hal yang terhubung, seperti dua koin terjerat, sehingga ketika satu mendarat di kepala, yang
lain mendarat di kepala, dan sebaliknya. Hal-hal yang terjerat bekerja sebagai semacam sistem.
Interferensi adalah konsep ketiga yang menggambarkan cara sesuatu dapat meningkatkan
(gangguan konstruktif) atau mengurangi (gangguan destruktif) perilaku hal lain (Wired, 2020).
Komputer modern beroperasi menggunakan bit, serangkaian sakelar yang harus selalu berada di
salah satu dari dua posisi, hidup-mati, buka-tutup, atau 0-1. Bit disusun menjadi byte, serangkaian
delapan bit yang terhubung. Sementara komponen paling dasar dari komputer adalah bit dua
posisi, komputer 64-bit modern dapat mewakili 264 nilai berbeda (lebih dari 18 triliun) yang
memungkinkan kita melakukan hal-hal yang sangat kompleks menggunakan komputer dan
perangkat digital lainnya. Sementara komputer kita saat ini bekerja sangat baik untuk menangani
fenomena makroskopik, mereka masih mengalami kesulitan dengan fenomena kuantum alami
yang tidak dapat diwakili oleh bit dua posisi (0,1).
Tetapi mesin kuantum saat ini rentan terhadap kesalahan yang dihasilkan dari kebisingan,
kesalahan, dan hilangnya koherensi, properti yang penting untuk pengoperasian komputer
kuantum. Toleransi kesalahan adalah kemampuan komputer atau jaringan untuk tetap bekerja
meskipun salah satu komponennya mengalami kegagalan. Komputer kuantum saat ini memiliki
toleransi kesalahan yang sangat rendah. Koherensi adalah kemampuan komputer kuantum untuk
mempertahankan informasi dalam qubit yang berada dalam keadaan superposisi (keadaan "di
antara 0 dan 1" yang dapat diwakili oleh qubit). Koherensi adalah properti yang memungkinkan
untuk mengembangkan algoritma yang mampu melakukan perhitungan super cepat jauh lebih
cepat daripada komputer modern. Koherensi juga diperlukan untuk keterjeratan kuantum, atau
kemampuan untuk mewakili sifat terhubung dari dua qubit dalam keadaan superposisi. Hilangnya
koherensi, atau dekoherensi, disebabkan oleh hal-hal seperti getaran, perubahan suhu, dan
gelombang elektromagnetik, di mana komputer kuantum saat ini sangat sensitif. Komputer
kuantum yang dikembangkan IBM dan Google keduanya memiliki sedikit kurang dari 55 qubit,
tetapi informasi dari qubit dalam status superposisi memburuk dengan cepat, dalam waktu
puluhan milidetik. Bahkan dengan sejumlah kecil qubit, mesinnya ternyata sangat kuat, hanya
saja tidak terlalu andal (Katwala, 2020). Mesin kuantum masa depan perlu menggunakan lebih
banyak qubit dan menemukan solusi untuk masalah dekoherensi. Para ahli memperkirakan bahwa
pengembangan komputer kuantum skala besar yang bebas kesalahan mungkin setidaknya 10-20
tahun lagi (Wired, 2018; Pakin & Coles, 2019; Somma, 2020). Catatan Teknis 11.1 menjelaskan
bagaimana Anda dapat mempelajari lebih lanjut tentang prototipe dan sumber daya komputasi
kuantum yang ditawarkan oleh IBM.