PERKULIAHAN MINGGU KE -4

Materi Perkuliahan
TEKNOLOGI KECERDASAN ARTIFISIAL
Materi Perkuliahan
TEKNOLOGI KECERDASAN ARTIFISIAL

TEKNOLOGI AI

Masyarakat dan AI
Jukebox : AI Generator Music
AI Poetry Generator , dll
Teknologi Kecerdasan Artifisial
 Kesuksesan AI didorong oleh pembelajaran mesin
 2 Faktor yang membuat pembelajaran mesin menjadi
aplikatif
o Ketersediaan data digital dalam jumlah besar
o Kemajuan sumber daya komputasi (perangkat keras
komputasi parallel, komputasi awan dll)

 3 jenis aloritma yaitu : supervised learning, unsupervised

learning dan reinforcement learning
Machine Learning
 Sistem berbasis pembelajaran mesin tidak
diprogram secara eksplisit tetapi dipelajari dari
data.

 Algoritma pembelajaran mesin menyimpulkan pola

dan hubungan antara yang berbeda variabel dalam
kumpulan data kemudian menggunakan pengetahuan
itu untuk menggeneralisasi di luar pelatihan Himpunan
data
Machine Learning
 Istilah yang digunakan dalam konteks
pembelajaran mesin
• Data mining
• Features
• Labels
• Models
• Accuracy, and Precision
Data Mining
 Definisi: "penerapan algoritma khusus untuk
mengekstraksi pola dari data.“
 Data mining adalah sebuah proses, di mana
algoritma pembelajaran mesin digunakan
sebagai alat untuk mengekstrak pola yang
berpotensi berharga yang disimpan dalam
kumpulan data.
 Data mining adalah analisis eksplorasi dengan
algoritma pembelajaran mesin tanpa
pengawasan
Fitur
 Fitur mewakili variabel independen
 Dalam dataset tabular, baris mewakili observasi dan kolom mewakili
fitur.
 Fitur juga secara kolektif disebut sebagai dimensi.

Fitur Kategoris Fitur Numerik

 Ini dapat mengambil salah satu dari
sejumlah nilai diskrit tetap dengan
nama atau label.
 Nilai fitur kategoris tidak memiliki
urutan.
 Jenis kelamin adalah fitur
kategorikal. Hanya dapat mengambil
satu dari dua nilai.
 Dapat menggunakan nilai numerik apa
pun
 Fitur numerik memiliki urutan matematis
 Fitur numerik diskrit: jumlah orang,
jumlah kamar
 Fitur numerik kontinu: nilai suhu
Label

 Label adalah variabel yang

dipelajari mesin untuk
diprediksi
 Label kategorikal: misal,
kategori artikel berita
adalah label kategorikal
 Label numerik: mis. Harga
adalah label numerik
Models
• Konstruksi matematika untuk menangkap pola dalam dataset
• Memperkirakan hubungan antara variabel dependen dan
independen
• Memiliki kemampuan prediksi,
• Dapat menghitung atau memprediksi nilai variabel dependen
ketika mendapatkan nilai variabel independen.
• Melatih model adalah tugas komputasi intensif, sementara
menggunakannya tidak intensif komputasi
• Data Pelatihan (80 % Data), Data yang digunakan oleh algoritma
pembelajaran mesin untuk melatih model
• Uji Data (20 % Data), data yang digunakan untuk mengevaluasi
kinerja prediksi suatu model
Accuracy dan Precision
• Akurasi adalah seberapa dekat nilai yang diukur dengan
nilai sebenarnya (sebenarnya).
• Presisi adalah seberapa dekat nilai yang diukur satu
sama lain.
Kecerdasan Artificial
dibagi 3 kelompok
 Artificial Narrow Intelligence (ANI) , berfokus pada satu tugas secara
menyempit. Misalnya: mesin perjemahan mesin, mesin Q / A,
pengambilan keputusan, dll.

 Artificial General Intelligence (AGI) , akan dapat berpikir lebih atau

kurang pada tingkat yang sama dengan manusia. Contoh Age of
Ultron

 Artificial Super Intelligence (ASI) , akan memiliki kemampuan lebih

dari manusia, mereka akan memiliki emosi dan hubungan (Human to
Machine dan Machine to Human Touch).
Jenis permasalahan yang
dapat diselesaikan dengan
AI (McKinsey)
 KLASIFIKASI
o Mengelompokan input dari serangkaian kategori
 ESTIMASI
o Digambarkan sebagai “Prediksi”
 KLASTERING
o Membentuk kluster atau kelompok berdasarkan karakteristik
umum dan serupa yang dimiliki data
 OPTIMASI
o Menghasilkan serangkaian output untuk mengoptimalkan hasil
untuk fungsi objektif tertentu
Jenis permasalahan yang
dapat diselesaikan dengan
AI (McKinsey)
 DETEKSI ANOMALI
o AI mendeteksi adanya input data tertentu tidak wajar
 PERINGKATAN
o Digunakan untuk masalah penarikan informasi dari hasil pencarian
yang disusun berdasarkan kriteria
 REKOMENDASI
o Memberikan rekomendasi berdasarkan rangkaian pelatihan
 PENGHASIL DATA
o Digunakan untuk menghasilkan data baru yang tepat berdasarkan
data pelatihan
KECERDASAN
ARTIFISIAL
Masyarakat Dan AI
Masyarakat Dan AI

Persiapan inovasi Teknologi Kecerdasan Artifisial

 Penyiapan infrastruktur
 Peningkatan Kompetensi
 Penyelesaian Masalah

Infrastruktur Kecerdasan Artifisial

 GPU (Graphics Processing Unit )
 Komputer HPC ( High Performance Computing)
 NVIDIA DGX1
 DGX A100
Kontroversi
Kecerdasan Artifisial
• Dampak Positif Pengembangan Kecerdasan Artifisial (sumber WEF)
a. AI merupakan teknologi yang menggerakan revolusi
industri ke 4 dalam beberapa puluh tahun terakhir
b. AI mempengaruhi semua disiplin keilmuan, ekonomi dan
industri
c. AI berhasil membawa aplikasi yang bekerja secara
otomatis untuk mempermudah pekerjaan diindustri dan
memicu terjadinya transformasi digital
d. AI mampu meningkatkan pertumbuhan ekonomi
dibeberapa negara didunia
Kontroversi
Kecerdasan Artifisial
AI dikembangkan karena memiliki manfaat seperti
memudahkan proses siklus bekerja seperti Robot
untuk mengerjakan hal-hal yang berbahaya jika
dikerjakan oleh manusia, self driving car yang
membantu manusia membawa kendaraan secara
otomatis di jalan raya, face recognition yang
membantu proses identifikasi wajah manusia
untuk authentication maupun security
Masyarakat Dan AI

Prediksi
peningkatan
penggunaan
robot industri
Peningkatan
pertumbuhan
ekonomi
penerapan AI
Tantangan Penerapan
Kecerdasan Artifisial
 Kompetensi Pengguna
 Penggunaan Algoritma yang dapat dipertanggung
jawabkan
 Metode Perlindungan Data
 Keterbatasan Infrastruktur Komputasi
 Kualitas Pengambilan Keputusan dan etika yang harus
dipatuhi
KECERDASAN
ARTIFISIAL
JUKEBOX :
AI Generator Music
AI Mengenali Lagu
• Recognize musik/lagu
• Music composing
MuseNet Open AI
 MuseNet (2019) OpenAI adalah jaringan saraf dalam
yang dilatih untuk memprediksi not musik berikutnya
dalam file musik MIDI

 Dapat menghasilkan lagu dengan sepuluh instrumen

berbeda dalam lima belas gaya berbeda
JUKEBOX

 Jukebox Open AI (2020)

 Algoritma bersumber terbuka untuk
menghasilkan musik dengan vokal
 Mengenalkan Model Neural Network
menghasilkan musik dengan domain
nyanyian dalam domain audio
 Menggunakan VQ-VAE multi skala untuk
mengompresnya menjadi kode diskrit
 Memodelkan menggunakan autoagressive
transformers
JUKEBOX
KECERDASAN
ARTIFISIAL
AI Poetry Generator
“Teaching A Computer To Be A
Poet”
Kontroversi
Kecerdasan Artifisial
• Dampak Negatif Pengembangan Kecerdasan
Artifisial
o Robot & AI yang dapat mengurangi pemanfaatan SDM
dan lapangan kerja.
o Autonomous Weapon yang sangat berisiko jatuh
kepada “aktor jahat”.
o Deepfakes (Facial Recognition) yang dipakai untuk
membuat konten asusila memakai wajah orang lain.
o Self Driving Car yang mengakibatkan banyak
kecelakaan pada penggunanya.
Terima Kasih