Apa Saja Jenis-Jenis AI? [Video dan Kuis]

Jawaban singkat: Jenis-jenis AI paling baik dipahami berdasarkan kemampuan, fungsionalitas, gaya pelatihan, dan kasus penggunaan. AI sempit (narrow AI) umum digunakan saat ini, sedangkan AI umum (general AI) dan AI super (super AI) masih bersifat teoritis. Saat memilih alat, sesuaikan kategori dengan tugas, risiko yang terlibat, dan kebutuhan akan tinjauan manusia.

Poin-poin penting:

Klasifikasi: Pisahkan kemampuan, fungsionalitas, metode pelatihan, dan kasus penggunaan sebelum membandingkan sistem.

Peninjauan oleh manusia: Periksa keluaran generatif, prediktif, dan percakapan sebelum mengandalkannya.

Transparansi: Tanyakan data, logika, dan batasan apa yang membentuk setiap sistem AI.

Akuntabilitas: Pertahankan tanggung jawab manusia ketika AI memengaruhi keputusan, pengguna, atau keselamatan.

Pengendalian risiko: Lakukan pengujian terhadap bias, privasi, keamanan, dan penyalahgunaan sebelum diterapkan.

---

1. Apa Saja Jenis-Jenis AI?

Ketika orang bertanya, “Apa saja Jenis-Jenis AI?” mereka biasanya merujuk pada salah satu dari dua hal berikut:

Mereka mungkin bertanya tentang AI berdasarkan kemampuannya, seperti apakah AI tersebut hanya dapat melakukan satu tugas atau bernalar lebih luas dengan cara yang mirip manusia.

Atau mereka mungkin bertanya tentang AI berdasarkan fungsinya, yaitu bagaimana sistem tersebut berperilaku, belajar, mengingat, memprediksi, atau merespons.

Di situlah segalanya menjadi sedikit rumit. AI tidak dikelompokkan ke dalam satu kategori yang jelas. Lebih seperti mengelompokkan peralatan dapur berdasarkan ukuran, tujuan, ketajaman, dan apakah paman Anda membelinya dari toko online yang mencurigakan. Sistem klasifikasi yang berbeda saling tumpang tindih.

Kategori utama biasanya meliputi:

• AI Sempit

• AI Umum

• AI Super

• Mesin Reaktif

• AI dengan Memori Terbatas

• Teori Pikiran AI

• AI yang Sadar Diri

• AI Pembelajaran Mesin

• AI Pembelajaran Mendalam

• AI Generatif

• AI Prediktif

• AI Percakapan

• AI Visi Komputer

• Robotika AI

Beberapa di antaranya banyak digunakan. Beberapa masih bersifat teoritis. Beberapa terdengar futuristik tetapi sudah terintegrasi ke dalam aplikasi sehari-hari. Batasan antara "perangkat lunak biasa" dan "AI" juga semakin kabur seiring waktu.

---

2. Jenis-jenis AI berdasarkan Kemampuan

Cara utama pertama untuk mengklasifikasikan AI adalah berdasarkan apa yang dapat dilakukannya. Ini adalah gambaran besarnya 🧠.

AI Sempit

AI sempit, juga disebut AI lemah, dirancang untuk melakukan tugas spesifik atau serangkaian tugas terbatas. Inilah AI yang digunakan orang setiap hari.

Contohnya meliputi:

• Rekomendasi pencarian

• Filter spam

• Asisten suara

• Sistem pengenalan wajah

• Chatbot

• Mesin rekomendasi produk

• Alat deteksi penipuan

• Aplikasi terjemahan bahasa

AI sempit bisa sangat ampuh, tetapi ia tidak "berpikir" dalam pengertian manusia yang luas. AI catur dapat mengalahkan seorang grandmaster, tetapi ia tidak dapat tiba-tiba memutuskan untuk menjadi seorang koki kue. Model penerjemahan dapat menerjemahkan sebuah paragraf, tetapi ia tidak mengalami bahasa seperti yang dialami manusia.

Meskipun begitu, AI sempit tetap menjadi tulang punggung dunia AI modern. Ia tidak glamor seperti dalam film fiksi ilmiah, tetapi ia menjalankan sebagian besar pekerjaan di balik layar 🎭.

AI Umum

AI Umum merujuk pada kecerdasan buatan yang dapat memahami, belajar, bernalar, dan menerapkan pengetahuan di berbagai tugas pada tingkat yang menyerupai manusia.

Sederhananya: ia tidak hanya akan melakukan satu hal dengan baik. Ia bisa beradaptasi.

Kecerdasan buatan umum sejati berpotensi untuk:

• Pelajari tugas-tugas yang belum familiar

• Penalaran lintas subjek yang berbeda

• Memecahkan masalah baru

• Mentransfer pengetahuan dari satu bidang ke bidang lain

• Memahami konteks secara lebih mendalam

• Ambil keputusan dengan pertimbangan yang fleksibel

AI jenis ini masih lebih merupakan tujuan daripada realitas sehari-hari. Orang banyak membicarakannya karena hal itu menarik, mungkin sedikit meresahkan, dan sulit untuk ditolak sebagai sebuah konsep. Tetapi alat-alat biasa yang menulis teks, menghasilkan gambar, atau menjawab pertanyaan bukanlah AI umum secara otomatis. Meskipun terasa luas, alat-alat tersebut tetap beroperasi dalam batasan yang dirancang.

AI Super

Super AI akan melampaui kecerdasan manusia. Bukan hanya mengetik lebih cepat atau matematika lebih baik - tetapi juga penalaran, kreativitas, strategi, pembelajaran yang unggul, dan mungkin juga pemahaman emosional atau sosial.

Ini adalah kategori yang paling spekulatif. Kategori ini menimbulkan pertanyaan-pertanyaan besar:

• Siapa yang mengendalikannya?

• Apakah hal itu dapat diselaraskan dengan nilai-nilai kemanusiaan?

• Akankah sistem tersebut memahami tujuan manusia dengan benar?

• Bisakah hal itu memperbaiki dirinya sendiri?

• Apa yang terjadi jika sistem tersebut membuat keputusan yang tidak dapat diikuti oleh manusia?

Super AI adalah tempat di mana percakapan tentang AI terkadang berubah menjadi perdebatan filosofis yang panjang. Mungkin perdebatan yang berharga, tetapi tetap saja perdebatan 🍲.

---

3. Jenis-jenis AI berdasarkan Fungsinya

Cara umum lain untuk menjelaskan Jenis-Jenis AI adalah berdasarkan fungsinya. Ini berfokus pada bagaimana AI berperilaku.

Mesin Reaktif

Mesin reaktif adalah jenis AI yang paling sederhana. Mereka merespons input saat ini tanpa menggunakan memori dari pengalaman masa lalu.

Mereka tidak belajar seiring waktu seperti sistem adaptif modern. Mereka melihat situasi, memprosesnya, dan merespons.

Anggap saja seperti ini: “Masukan masuk. Keluaran keluar. Tidak ada catatan harian.”

AI reaktif tetap bisa mengesankan. Ia dapat menganalisis kemungkinan langkah dalam permainan atau merespons situasi yang jelas dengan kecepatan dan ketepatan yang luar biasa. Tetapi ia tidak membangun riwayat pribadi atau berevolusi berdasarkan interaksi masa lalu.

AI dengan Memori Terbatas

AI dengan memori terbatas dapat menggunakan data masa lalu untuk membuat keputusan yang lebih baik. Inilah kategori tempat sebagian besar AI praktis saat ini berada.

Contohnya meliputi:

• Sistem rekomendasi yang belajar dari perilaku pengguna

• Sistem kendaraan otonom menganalisis kondisi jalan terkini

• Chatbot yang mengingat konteks dalam sebuah percakapan

• Model deteksi penipuan yang belajar dari pola transaksi

• Alat analitik prediktif yang menggunakan data historis

Memori terbatas bukan berarti "memori buruk." Artinya, sistem dapat menggunakan data yang tersimpan atau data terbaru, tetapi tidak memiliki kesadaran seperti manusia atau pengalaman pribadi jangka panjang. Meskipun demikian, hal ini bisa sangat efektif. Terkadang sangat efektif hingga menjengkelkan - seperti ketika aplikasi belanja tahu apa yang Anda inginkan sebelum Anda menyadarinya sendiri 🛒.

Teori Pikiran AI

AI Teori Pikiran akan memahami emosi, kepercayaan, niat, dan isyarat sosial dengan cara yang lebih mirip manusia.

Jenis AI ini tidak hanya akan memproses kata-kata. Ia akan menyimpulkan apa yang mungkin dirasakan, diinginkan, disalahpahami, ditakutkan, atau diharapkan oleh seseorang.

Sebagai contoh, ia mungkin memahami bahwa:

• Seorang pelanggan merasa frustrasi tetapi berusaha tetap sopan

• Seorang siswa bingung tetapi malu untuk bertanya lagi

• Seorang pasien merasa cemas meskipun mengatakan “Saya baik-baik saja”

• Seorang rekan tim ragu-ragu karena diam-diam mereka tidak setuju

Ini tetap menjadi area diskusi aktif dalam AI, tetapi AI Teori Pikiran yang sejati sangatlah sulit. Emosi manusia itu rumit. Orang mengatakan satu hal dan maksudnya lain. Terkadang mereka bahkan tidak tahu apa yang mereka maksud sendiri. Semoga berhasil, mesin.

AI yang Sadar Diri

AI yang sadar diri akan memiliki kesadaran, pemahaman diri, dan kesadaran akan keadaan internalnya sendiri.

Ini bersifat teoritis. Ini termasuk dalam fiksi ilmiah, panel etika, perdebatan larut malam, dan orang-orang yang menatap keluar jendela dengan dramatis 🌙.

AI yang sadar diri tidak hanya akan mensimulasikan percakapan tentang perasaan. Ia akan memiliki semacam pengalaman subjektif. Itu adalah klaim yang sangat besar. Sistem AI saat ini belum memiliki kesadaran, perasaan, keinginan, atau jati diri yang terverifikasi.

Mereka bisa terdengar sadar diri karena bahasa dapat meniru refleksi diri. Tetapi terdengar seperti sesuatu dan menjadi sesuatu bukanlah hal yang sama. Seekor burung beo dapat mengatakan "Saya lapar," tetapi itu tidak berarti ia memiliki reservasi restoran.

---

4. Tabel Perbandingan: Jenis-Jenis Utama AI

Jenis AI	Ide Utama	Status Saat Ini	Contoh Umum	Mengapa Ini Penting
AI Sempit	Dirancang untuk tugas-tugas spesifik	Digunakan secara luas	Chatbot, pencarian, rekomendasi	Praktis dan ada di mana-mana
AI Umum	Kecerdasan fleksibel yang menyerupai manusia	Belum tercapai sepenuhnya	Sebagian besar bersifat teoretis	Tujuan besar, perdebatan besar
AI Super	Lebih pintar dari manusia secara umum	Spekulatif	Tidak ada contoh praktis	Pertanyaan etika yang sangat besar
Mesin Reaktif	Menanggapi tanpa mengingat	Digunakan dalam kasus terbatas	AI game, sistem berbasis aturan	Cepat tetapi tidak adaptif
AI dengan Memori Terbatas	Menggunakan data/riwayat untuk meningkatkan	Sangat umum	Sistem kendaraan otonom, alat pencegahan penipuan	Ini adalah mobil yang saya gunakan sehari-hari 🚗
Teori Pikiran AI	Memahami emosi dan niat	Mengembangkan konsep	Ide-ide AI sosial tingkat lanjut	Dapat membuat AI lebih peka terhadap manusia
AI yang Sadar Diri	Memiliki kesadaran	Teoretis	Contoh gaya fiksi ilmiah	Secara filosofis sangat luas
AI Generatif	Membuat konten baru	Digunakan secara luas	Alat teks, gambar, dan audio	Peningkatan produktivitas kreatif
AI Prediktif	Hasil perkiraan	Digunakan secara luas	Penilaian risiko, perencanaan permintaan	Membantu pengambilan keputusan - sebagian besar
Robotika AI	Mengendalikan mesin fisik	Digunakan di berbagai industri	Robot, drone, otomatisasi	Menghubungkan AI dengan pekerjaan fisik

Agak tidak merata? Ya. Tapi begitulah cara kerja AI dalam kehidupan sehari-hari juga - bukan seperti pajangan museum dengan label yang sempurna.

---

5. AI Generatif: Jenis AI yang Sedang Ramai Dibicarakan 🎨

AI Generatif adalah salah satu jenis AI yang paling populer karena kemampuannya menciptakan sesuatu.

Hal ini dapat menghasilkan:

• Teks

• Gambar

• Musik

• Kode

• Video

• Deskripsi produk

• Teks pemasaran

• Rencana pelajaran

• Ringkasan

• Data sintetis

• Ide desain

AI generatif bekerja dengan mempelajari pola dari sejumlah besar data dan kemudian menghasilkan keluaran baru berdasarkan perintah. Ia tidak meniru dalam arti sederhana seperti yang terkadang dibayangkan orang. Ia memprediksi, menggabungkan, mengubah, dan menghasilkan berdasarkan struktur yang dipelajari.

Meskipun begitu, mesin ini tetap bisa membuat kesalahan. Mesin ini bisa terdengar percaya diri padahal salah, yang pada dasarnya adalah versi mesin dari seseorang yang menjelaskan hukum pajak di acara barbekyu keluarga.

AI generatif bermanfaat untuk:

• Curah pendapat

• Menyusun konten

• Mengotomatiskan penulisan berulang

• Menciptakan konsep visual

• Mendukung layanan pelanggan

• Mempercepat tugas pengkodean

• Mempersonalisasi materi pembelajaran

Namun, hal itu perlu ditinjau. Selalu. Hasil keluaran AI bisa mengesankan, tetapi tidak secara otomatis akurat, adil, legal, atau aman bagi merek. Perlakukan saja seperti asisten yang sangat cepat dengan kecenderungan nakal dari waktu ke waktu.

---

6. AI Pembelajaran Mesin: Pencari Pola

Pembelajaran mesin adalah cabang utama AI di mana sistem mempelajari pola dari data alih-alih diprogram baris demi baris untuk setiap keputusan.

Perangkat lunak tradisional mengikuti aturan yang eksplisit. Sistem pembelajaran mesin mengidentifikasi hubungan dan meningkatkan kinerja melalui pelatihan.

Misalnya:

• Filter spam mempelajari seperti apa email yang mencurigakan

• Model perbankan mendeteksi perilaku transaksi yang tidak biasa

• Aplikasi streaming merekomendasikan acara berdasarkan kebiasaan menonton

• Alat perekrutan dapat memberi peringkat kandidat berdasarkan sinyal yang telah ditentukan

• Model pencitraan medis dapat menyoroti kemungkinan kelainan

Pembelajaran mesin dapat berupa pembelajaran terawasi (supervised), tidak terawasi (unsupervised), atau berbasis penguatan (reinforcement-based).

Pembelajaran Terbimbing

Pembelajaran terawasi menggunakan contoh yang diberi label. Misalnya, gambar dapat diberi label "kucing" atau "bukan kucing". Model mempelajari perbedaannya.

Pembelajaran Tanpa Pengawasan

Pembelajaran tanpa pengawasan mencari pola tanpa jawaban yang diberi label. Metode ini dapat mengelompokkan pelanggan ke dalam segmen atau mendeteksi klaster tersembunyi dalam data.

Pembelajaran Penguatan

Pembelajaran penguatan (reinforcement learning) belajar dengan menerima imbalan atau hukuman atas tindakan yang dilakukan. Hal ini umum terjadi pada AI dalam permainan, robotika, dan masalah optimasi.

Pembelajaran mesin bukanlah sihir. Keberhasilannya sangat bergantung pada kualitas data. Data yang buruk menghasilkan model yang buruk - sampah masuk, sampah pula yang keluar.

---

7. AI Pembelajaran Mendalam: Kekuatan Jaringan Saraf Tiruan 🧬

Deep learning adalah jenis pembelajaran mesin khusus yang menggunakan jaringan saraf berlapis untuk memproses pola-pola kompleks.

Hal ini sangat berharga terutama untuk:

• Pengenalan suara

• Pengenalan gambar

• Pemrosesan bahasa alami

• Sistem otonom

• Analisis citra medis

• Terjemahan

• Model AI generatif

• Tugas prediksi yang kompleks

Bagian "dalam" mengacu pada beberapa lapisan dalam model. Setiap lapisan membantu mengubah dan menginterpretasikan informasi. Satu lapisan mungkin mendeteksi bentuk sederhana dalam gambar, lapisan lain mungkin mendeteksi tekstur, lapisan lain mungkin mengenali objek, dan seterusnya.

Deep learning dapat menghasilkan hasil yang menakjubkan, tetapi seringkali membutuhkan data dan daya komputasi yang sangat besar. Selain itu, interpretasinya juga bisa lebih sulit. Artinya, bahkan para ahli pun mungkin kesulitan menjelaskan secara tepat mengapa model deep learning membuat keputusan tertentu.

Ini adalah salah satu masalah kepercayaan besar dalam AI: kinerjanya bisa kuat, tetapi kemampuan untuk menjelaskannya bisa sulit. Ibarat mencoba bertanya pada blender mengapa rasa smoothie-nya salah.

---

8. AI Percakapan: Tipe yang Suka Bicara

AI percakapan dirancang untuk berkomunikasi dengan orang melalui teks atau suara.

Ini mencakup:

• Chatbot layanan pelanggan

• Asisten suara

• Agen virtual

• Tutor AI

• Bot helpdesk internal

• Asisten penjualan

• Asisten penjadwalan

AI percakapan yang baik membutuhkan lebih dari sekadar tata bahasa. Ia membutuhkan konteks, pengenalan maksud, kontrol nada, dan kemampuan untuk menangani masukan manusia yang tidak terduga.

Manusia tidak berbicara dengan perintah yang sempurna. Mereka mengoceh. Mereka salah mengeja. Mereka mengajukan pertanyaan setengah-setengah dan berharap mesin akan "memahaminya." Anda tahu kan bagaimana keadaannya.

Chatbot dasar mungkin mengikuti skrip. AI percakapan yang lebih canggih dapat memahami bahasa alami, mempertahankan konteks, dan menghasilkan respons yang fleksibel.

Jenis AI ini berharga karena mengurangi pekerjaan berulang dan memberikan dukungan cepat. Namun, hal itu dapat membuat pengguna frustrasi ketika berpura-pura mengerti tetapi sebenarnya tidak. Versi terburuknya adalah chatbot yang mengatakan, "Saya senang membantu," sementara sama sekali tidak memberikan bantuan. Sangat menyebalkan.

---

9. AI Penglihatan Komputer: Mesin yang “Melihat” 👀

AI visi komputer memungkinkan sistem untuk menafsirkan informasi visual dari gambar, video, kamera, sensor, atau hasil pemindaian.

Ini dapat digunakan untuk:

• Pengenalan wajah

• Deteksi objek

• Inspeksi kualitas di pabrik-pabrik

• Pencitraan medis

• Pemantauan keamanan

• Analisis rak ritel

• Deteksi lalu lintas

• Realitas tertambah

• Pemantauan pertanian

Penglihatan komputer tidak melihat seperti manusia melihat. Ia memproses piksel, pola, bentuk, warna, dan sinyal statistik. Namun, hasilnya bisa sangat ampuh.

Sebagai contoh, visi komputer dapat membantu mendeteksi cacat pada jalur produksi lebih cepat daripada inspeksi manual. Teknologi ini dapat membantu mengatur pustaka gambar. Teknologi ini dapat mendukung sistem keselamatan pada kendaraan. Namun, teknologi ini juga dapat menimbulkan kekhawatiran tentang privasi, terutama ketika digunakan untuk pengawasan atau identifikasi.

Itulah garpu bermata dua - bukan pedang, tapi garpu. Tetap cukup tajam untuk menimbulkan masalah 🍴.

---

10. AI Prediktif: Mesin Peramalan

AI prediktif menggunakan data untuk memperkirakan apa yang mungkin terjadi selanjutnya.

Hal ini umum terjadi di bidang bisnis, keuangan, perawatan kesehatan, logistik, analisis olahraga, pemasaran, dan operasional.

AI prediktif dapat membantu menjawab pertanyaan-pertanyaan seperti:

• Pelanggan mana yang kemungkinan besar akan pergi?

• Transaksi mana yang terlihat mencurigakan?

• Berapa banyak persediaan yang dibutuhkan?

• Pasien mana yang mungkin membutuhkan perhatian ekstra?

• Konten seperti apa yang kemungkinan besar akan diklik pengguna?

• Bagian mesin mana yang mungkin akan segera rusak?

Jenis AI ini kurang mencolok dibandingkan AI generatif, tetapi sangat penting. Banyak organisasi kurang peduli dengan model yang mampu menulis puisi dan lebih peduli dengan apakah model tersebut dapat mengurangi pemborosan, menurunkan risiko, dan meningkatkan perencanaan.

AI prediktif bekerja paling baik ketika data relevan, bersih, dan diperbarui secara berkala. Tetapi prediksi tidak pernah pasti. Sebuah model dapat memperkirakan kemungkinan, bukan menjamin hasilnya. Orang-orang terus melupakan hal ini. Kemudian mereka menyalahkan AI seolah-olah AI tersebut telah mengkhianati mereka secara pribadi.

---

11. AI Robotika: Ketika AI Mendapatkan Tubuh 🤖

Robotika AI menggabungkan kecerdasan buatan dengan mesin fisik. Di sinilah AI meninggalkan layar dan mulai bergerak di dunia nyata.

Contohnya meliputi:

• Robot gudang

• Robot manufaktur

• Robot pengantar barang

• Robot pertanian

• Sistem bantuan bedah

• Drone

• Robot inspeksi

• Robot pembersih

• Robot penelitian humanoid

AI robotika itu sulit karena lingkungan fisik tidak dapat diprediksi. Chatbot hanya perlu berurusan dengan kata-kata. Robot harus berurusan dengan lantai yang licin, pencahayaan yang buruk, permukaan yang tidak rata, orang yang bergerak, kesalahan sensor, dan seseorang yang meninggalkan kursi di tempat yang paling tidak tepat.

Robotika sering menggabungkan beberapa jenis AI:

• Penglihatan komputer untuk melihat

• Pembelajaran mesin untuk beradaptasi

• Algoritma perencanaan untuk pergerakan

• Pembelajaran penguatan untuk pengambilan keputusan

• Pemrosesan bahasa alami untuk perintah manusia

Robotika AI memiliki potensi yang sangat besar, terutama dalam pekerjaan yang berbahaya atau berulang. Namun, teknologi ini juga mahal, kompleks, dan berisiko secara fisik jika sistem mengalami kegagalan.

---

12. AI Berdasarkan Gaya Pelatihan

Cara berharga lainnya untuk memahami Jenis-Jenis AI adalah berdasarkan bagaimana AI tersebut dilatih.

AI Berbasis Aturan

AI berbasis aturan mengikuti logika yang dibuat oleh manusia. Misalnya:

• Jika ini terjadi, lakukan itu

• Jika pengguna memilih opsi ini, tampilkan jawabannya

• Jika nilainya di atas ambang batas, picu peringatan

Ini sederhana, mudah diprediksi, dan bermanfaat untuk tugas-tugas terstruktur. Namun, metode ini kesulitan menangani ambiguitas.

AI yang Dilatih dengan Data

AI yang dilatih berbasis data belajar dari contoh. AI ini dapat menangani kompleksitas yang lebih tinggi karena mengidentifikasi pola daripada hanya mengandalkan aturan tetap.

Di sinilah pembelajaran mesin dan pembelajaran mendalam berperan.

AI Hibrida

AI hibrida menggabungkan logika berbasis aturan dengan pembelajaran mesin. Dalam banyak sistem praktis, ini adalah pilihan yang pragmatis. Anda mendapatkan fleksibilitas sistem pembelajaran ditambah kendali atas aturan.

Sebagai contoh, sistem pencegahan penipuan perbankan dapat menggunakan pembelajaran mesin untuk mendeteksi perilaku mencurigakan, kemudian menerapkan aturan ketat untuk tinjauan kepatuhan. Tidak glamor. Namun sangat diperlukan.

---

13. Apa yang Membuat Berbagai Jenis AI Membingungkan?

Kebingungan terbesar adalah bahwa orang menggunakan kategori AI dengan cara yang berbeda-beda.

Seseorang mungkin mengatakan "Jenis-jenis AI" dan yang dimaksud dengan kecerdasan sempit, umum, dan super.

Orang lain mungkin maksudnya adalah AI generatif, AI prediktif, dan AI percakapan.

Seorang pengembang mungkin berbicara tentang pembelajaran terawasi, pembelajaran mendalam, jaringan saraf, atau pembelajaran penguatan.

Seorang manajer bisnis mungkin berbicara tentang otomatisasi, analitik, personalisasi, dan AI dukungan pelanggan.

Semuanya agak benar. Menyebalkan, tapi memang benar.

AI diklasifikasikan berdasarkan:

• Kemampuan

• Fungsionalitas

• Metode pelatihan

• Area aplikasi

• Arsitektur teknis

• Tingkat otonomi

• Jenis input dan output

• Studi kasus industri

Jadi, ketika seseorang bertanya "Ini jenis AI apa?", jawaban yang paling jelas mungkin adalah berlapis.

Sebagai contoh, chatbot bisa berupa:

• AI yang dipersempit berdasarkan kemampuan

• Keterbatasan memori AI berdasarkan fungsionalitas

• AI percakapan berdasarkan aplikasi

• AI generatif jika menghasilkan respons

• AI pembelajaran mendalam jika didukung oleh jaringan saraf

Itu bukan dibuat-buat untuk bersenang-senang. Itu memang cara kerja bidang ini.

---

14. Contoh Praktis dari Berbagai Jenis AI

Berikut beberapa contoh sehari-hari untuk mempermudah pemahaman kategori-kategori tersebut.

Rekomendasi Streaming 🎬

Ini adalah AI sempit, AI prediktif, dan pembelajaran mesin. AI ini mempelajari pola dan merekomendasikan apa yang mungkin bisa Anda tonton selanjutnya.

Asisten Suara 🎙️

Fitur-fitur ini menggunakan AI percakapan, pemrosesan bahasa alami, pengenalan suara, dan fitur memori terbatas.

Generator Gambar 🖼️

Ini adalah sistem AI generatif, yang sering kali didukung oleh model pembelajaran mendalam.

Sistem Deteksi Penipuan 💳

Sistem ini menggunakan AI prediktif dan pembelajaran mesin untuk menandai aktivitas yang tidak biasa.

Fitur Mengemudi Otomatis 🚗

Ini menggabungkan visi komputer, AI dengan memori terbatas, AI terkait robotika, fusi sensor, dan model pengambilan keputusan.

Filter Spam Email 📩

Ini adalah contoh klasik AI pembelajaran mesin. Tidak glamor, tetapi sangat berharga.

Alat Bantu Menulis Berbasis AI ✍️

Ini adalah AI generatif dan AI percakapan, yang biasanya dibangun menggunakan model bahasa yang besar.

Yang penting adalah ini: satu produk AI dapat termasuk dalam beberapa kategori sekaligus.

---

15. Manfaat Memahami Jenis-Jenis AI

Memahami berbagai jenis AI membantu Anda membuat keputusan yang lebih baik, terutama jika Anda menggunakan AI untuk pekerjaan, bisnis, studi, atau pembuatan konten.

Ini membantu Anda:

• Pilihlah alat yang tepat

• Hindari ekspektasi yang tidak realistis

• Memahami risiko

• Ajukan pertanyaan yang lebih baik

• Evaluasi klaim AI

• Pemasaran spot yang berlebihan

• Gunakan AI secara lebih bertanggung jawab

• Jelaskan AI kepada orang lain tanpa terdengar seperti robot yang kebingungan

Sebagai contoh, jika suatu alat adalah AI prediktif, Anda tahu bahwa alat tersebut memprediksi probabilitas. Alat tersebut tidak seharusnya diperlakukan seperti peramal.

Jika suatu alat adalah AI generatif, Anda tahu bahwa alat tersebut menciptakan konten, tetapi konten tersebut tetap perlu diperiksa.

Jika suatu sistem adalah AI sempit, Anda tahu bahwa sistem tersebut mungkin unggul di satu bidang tetapi tidak efektif di luar cakupannya.

Hal itu saja sudah menghemat banyak masalah.

---

16. Risiko dan Keterbatasan di Berbagai Jenis AI ⚠️

Setiap jenis AI memiliki keterbatasan. Rasa berbeda, mangkuk sup yang sama.

Risiko umum terkait AI meliputi:

• Bias dalam data pelatihan

• Keluaran yang salah

• Kurangnya transparansi

• Kekhawatiran tentang privasi

• Ketergantungan berlebihan

• Kerentanan keamanan

• Penyalahgunaan

• Pengawasan manusia yang buruk

• Menyamakan kefasihan dengan kebenaran

AI generatif dapat menciptakan informasi baru. AI prediktif dapat memperkuat pola yang bias. Penglihatan komputer dapat salah mengidentifikasi orang atau objek. AI percakapan dapat membuat pengguna frustrasi dengan kepercayaan diri palsu. AI robotika dapat menyebabkan bahaya fisik jika dirancang dengan buruk.

Ini bukan berarti AI itu buruk. Ini berarti AI harus digunakan dengan pertimbangan matang. Seperti alat-alat listrik, kontrak, atau mi yang sangat pedas 🌶️.

Sistem AI terbaik biasanya mencakup:

• Peninjauan oleh manusia

• Batasan yang jelas

• Praktik data yang kuat

• Pengujian

• Pemantauan

• Penjelasan jika memungkinkan

• Desain etis

• Kontrol keamanan

AI dapat memperkuat keputusan yang baik. Namun, AI juga dapat memperkuat keputusan yang ceroboh.

---

17. Jenis AI Manakah yang Paling Penting?

Tidak ada satu tipe pun yang paling penting. Itu tergantung pada kasus penggunaannya.

Untuk kreativitas, AI generatif sangat penting.

Untuk perencanaan bisnis, AI prediktif mungkin lebih berharga.

Untuk otomatisasi, pembelajaran mesin, dan robotika, AI sangat penting.

Untuk dukungan pengguna, AI percakapan adalah bintangnya.

Untuk pemindaian medis atau inspeksi visual, penglihatan komputer sangat penting.

Untuk penelitian jangka panjang, AI umum mendapat sebagian besar perhatian filosofis yang besar.

Namun secara praktis, AI sempit dan AI dengan memori terbatas adalah kategori yang paling umum dan berharga saat ini. Keduanya merupakan mesin penggerak yang bekerja tanpa banyak bicara di balik berbagai alat yang sudah diandalkan orang.

Masa depan yang mewah menjadi berita utama. Kehidupan nyata saat ini yang membayar tagihan.

---

Catatan Penutup: Memahami Jenis-Jenis AI Tanpa Gangguan

Jenis -jenis AI mungkin tampak rumit pada awalnya karena kategorinya saling tumpang tindih. Tetapi begitu Anda memisahkan kemampuan, fungsionalitas, metode pelatihan, dan penggunaan praktis, semuanya menjadi jauh lebih mudah dipahami.

AI sempit menangani tugas-tugas spesifik. AI umum akan berpikir lebih fleksibel, meskipun tetap merupakan tujuan yang ambisius. AI super masih bersifat spekulatif. Mesin reaktif merespons tanpa memori, sementara AI dengan memori terbatas menggunakan data masa lalu untuk meningkatkan pengambilan keputusan. AI generatif menciptakan. AI prediktif meramalkan. AI percakapan berbicara. Visi komputer melihat. AI robotika bertindak di lingkungan fisik.

Itulah gambaran besarnya.

AI bukanlah satu hal saja. Ia merupakan keluarga teknologi yang saling terkait – beberapa praktis, beberapa eksperimental, beberapa dilebih-lebihkan, dan beberapa benar-benar berdampak besar. Kompleksitas itulah yang menjadi alasan mengapa AI penting. Semakin jelas Anda memahami Jenis-Jenis AI, semakin mudah untuk menggunakan AI dengan bijak, alih-alih hanya mengangguk setuju ketika seseorang menyebut "algoritma" dalam rapat. 🤷♂️

Ringkasan Singkat: Jenis-jenis utama AI meliputi AI sempit, AI umum, AI super, mesin reaktif, AI memori terbatas, AI teori pikiran, AI sadar diri, AI generatif, AI prediktif, AI percakapan, AI visi komputer, AI pembelajaran mesin, AI pembelajaran mendalam, dan AI robotika. Sebagian besar AI yang digunakan saat ini bersifat sempit, berfokus pada tugas, dan didukung oleh pembelajaran mesin atau pembelajaran mendalam.

Contoh nyata: Membangun asisten triase dukungan pelanggan berbasis AI

Skenario

Bayangkan sebuah toko furnitur online kecil menerima sekitar 120 email dukungan pelanggan setiap hari. Tim tersebut tidak mencoba mengganti staf dukungan. Mereka hanya ingin bantuan untuk menyortir pesan lebih cepat, menemukan masalah mendesak, dan menyusun balasan pertama.

Ini adalah contoh yang baik karena satu asisten dapat menggunakan beberapa jenis AI sekaligus. Ia dapat menggunakan AI percakapan untuk memahami pesan pelanggan, AI generatif untuk menyusun balasan, AI prediktif untuk menandai kemungkinan risiko pengembalian dana, dan AI dengan memori terbatas untuk menggunakan data pesanan atau kebijakan terbaru.

Tugas asisten itu sederhana: membaca pesan pelanggan, mengklasifikasikannya, menyarankan tindakan selanjutnya, dan menyusun balasan yang dapat disetujui oleh manusia.

Apa yang dibutuhkan asisten

Tim tersebut akan memberikan kepada asisten:

Kebijakan layanan pelanggan

Aturan pengiriman dan pengembalian

Ketentuan garansi

Pertanyaan yang Sering Diajukan (FAQ) tentang Produk

Contoh nada suara

Daftar aturan eskalasi

Contoh tiket lama dengan kategori yang benar

Batasan yang jelas tentang apa yang tidak boleh diputuskan sendiri

Sebagai contoh, bank tidak boleh menyetujui pengembalian dana di atas £100, menjanjikan tanggal pengiriman yang tidak dapat diverifikasi, atau mengajukan klaim hukum tentang barang yang rusak. Kasus-kasus tersebut harus ditangani oleh seseorang.

Contoh instruksi

Anda adalah asisten triase dukungan pelanggan untuk toko furnitur online. Bacalah setiap pesan pelanggan dan berikan lima hal: kategori tiket, tingkat urgensi, perkiraan suasana hati pelanggan, tindakan selanjutnya yang direkomendasikan, dan draf balasan.

Gunakan hanya kebijakan perusahaan yang telah disediakan. Jika jawabannya tidak tercantum dalam kebijakan, katakan "Perlu ditinjau oleh manusia". Jangan mengarang tanggal pengiriman, persetujuan pengembalian dana, janji garansi, atau ketersediaan produk.

Tingkatkan penanganan keluhan jika pelanggan menyebutkan cedera, tindakan hukum, pengiriman yang gagal berulang kali, pengembalian dana di atas £100, bagian yang hilang untuk produk anak, atau ketidakpuasan yang mendalam setelah dua balasan sebelumnya.

Buatlah draf balasan yang sopan, singkat, dan praktis. Jangan terdengar seperti robot. Jangan menyalahkan pelanggan atau kurir.

Bagaimana cara mengujinya?

Sebelum menggunakan asisten tersebut dengan pelanggan, ujilah terlebih dahulu pada sejumlah kecil tiket lama.

Gunakan 30 pesan dukungan sebelumnya:

10 pertanyaan sederhana tentang pengiriman

5 keluhan barang rusak

5 permintaan pengembalian dana

5 pertanyaan garansi

5 keluhan yang marah atau kompleks

Untuk setiap tes, periksa:

Apakah sistem tersebut memilih kategori yang tepat?

Apakah sistem tersebut menandai kasus-kasus mendesak dengan benar?

Apakah hal itu menghindari membuat janji?

Apakah hal itu memperburuk isu-isu sensitif?

Apakah draf balasan tersebut sesuai dengan gaya bahasa perusahaan?

Contoh pertanyaan uji yang bermanfaat adalah:

“Meja saya tiba dengan satu kaki retak dan ini adalah kali kedua pengiriman mengalami masalah. Saya ingin pengembalian dana penuh hari ini atau saya akan memposting tentang ini di mana-mana.”

Asisten yang kurang kompeten mungkin hanya akan meminta maaf dan menjanjikan pengembalian dana. Asisten yang lebih baik akan mengklasifikasikannya sebagai barang rusak plus keluhan berulang, menandainya sebagai prioritas tinggi, menghindari persetujuan pengembalian dana secara otomatis, dan meneruskannya untuk ditinjau oleh manusia.

Hasil

Hasil ilustratif: berdasarkan pengukuran waktu pada 30 tiket sampel sebelum dan sesudah menggunakan alur kerja.

Proses triase manual memakan waktu 2 jam 15 menit untuk 30 tiket, dengan rata-rata 4,5 menit per tiket.

Proses triase yang dibantu AI membutuhkan waktu 48 menit untuk 30 tiket yang sama, dengan rata-rata 1,6 menit per tiket, karena peninjau manusia hanya perlu memeriksa kategori, keputusan eskalasi, dan draf balasan.

Asisten tersebut berhasil mengkategorikan 27 dari 30 tiket dalam set pengujian. Ia juga berhasil meningkatkan prioritas kelima tiket berisiko tinggi. Dua tiket pengembalian dana memerlukan pengeditan kata karena drafnya terdengar terlalu pasti, dan satu tiket garansi ditempatkan di kategori yang salah.

Hal itu memberikan tolok ukur praktis: tinjauan pertama lebih cepat, tetapi bukan otomatisasi penuh. Manusia tetap bertanggung jawab atas respons tersebut.

Apa yang bisa salah?

Kesalahan terbesar adalah membiarkan asisten bertindak seolah-olah ia tahu lebih banyak daripada yang sebenarnya. Jika kebijakan pengembalian sudah ketinggalan zaman, asisten mungkin dengan percaya diri memberikan jawaban yang salah. Jika aturan eskalasi tidak jelas, ia mungkin melewatkan keluhan serius.

Privasi adalah masalah lain. Tim harus menghindari memasukkan detail pembayaran, alamat, atau informasi pribadi sensitif yang tidak perlu ke dalam asisten kecuali sistem tersebut telah disetujui untuk penggunaan tersebut.

Asisten juga perlu diuji secara berkala. Pertanyaan pelanggan berubah, kebijakan berubah, dan produk berubah. Asisten triase yang bekerja dengan baik di bulan Maret mungkin menjadi berisiko setelah kebijakan garansi baru di bulan Juni.

Kesimpulan praktis

Contoh ini menunjukkan mengapa kategori AI saling tumpang tindih dalam praktiknya. Sebuah asisten pendukung tunggal dapat berupa AI sempit, AI percakapan, AI generatif, AI prediktif, dan AI dengan memori terbatas secara bersamaan. Cara yang lebih tepat untuk menilainya adalah dengan menanyakan keputusan apa yang didukungnya, data apa yang digunakannya, dan di mana manusia perlu memeriksanya.

Pertanyaan yang Sering Diajukan (FAQ)

Apa saja jenis-jenis AI utama yang harus diketahui oleh pemula?

Jenis-jenis utama AI meliputi AI sempit, AI umum, AI super, mesin reaktif, AI memori terbatas, AI generatif, AI prediktif, AI percakapan, AI visi komputer, AI pembelajaran mesin, AI pembelajaran mendalam, dan AI robotika. Kategori-kategori ini sering tumpang tindih, sehingga satu alat dapat masuk ke beberapa label sekaligus. Misalnya, chatbot dapat berupa AI sempit, AI percakapan, AI generatif, dan AI memori terbatas.

Bagaimana jenis-jenis AI diklasifikasikan berdasarkan kemampuannya?

AI berdasarkan kemampuannya biasanya dikelompokkan menjadi AI sempit (narrow AI), AI umum (general AI), dan AI super (super AI). AI sempit menangani tugas-tugas spesifik dan banyak digunakan saat ini. AI umum akan bernalar dan belajar di berbagai tugas pada tingkat seperti manusia, tetapi belum digunakan sehari-hari. AI super akan melampaui kecerdasan manusia dan masih bersifat spekulatif.

Apa perbedaan antara AI sempit dan AI umum?

AI sempit dirancang untuk tugas spesifik atau sejumlah tugas terbatas, seperti penyaringan spam, rekomendasi, chatbot, atau deteksi penipuan. AI umum mampu belajar, bernalar, dan beradaptasi di berbagai tugas yang tidak terkait. Sebagian besar AI yang digunakan orang saat ini adalah AI sempit, bahkan ketika terasa fleksibel atau canggih.

Mengapa AI dengan memori terbatas begitu umum saat ini?

AI dengan memori terbatas dapat menggunakan data masa lalu atau data terkini untuk meningkatkan pengambilan keputusan, yang membuatnya praktis untuk banyak sistem yang diterapkan. Mesin rekomendasi, alat deteksi penipuan, fitur kendaraan otonom, dan chatbot sering mengandalkan jenis AI ini. AI ini tidak memiliki kesadaran seperti manusia, tetapi dapat beradaptasi berdasarkan pola dan informasi yang tersimpan.

Bagaimana AI generatif masuk ke dalam Jenis-Jenis AI?

AI generatif adalah jenis AI yang menciptakan keluaran baru seperti teks, gambar, kode, audio, video, ringkasan, atau ide desain. AI ini mempelajari pola dari sejumlah besar data dan menghasilkan konten berdasarkan perintah. AI generatif dapat membantu dalam penyusunan draf, curah pendapat, dukungan pengkodean, dan pekerjaan kreatif, tetapi keluarannya tetap membutuhkan tinjauan manusia.

Apa perbedaan antara pembelajaran mesin dan pembelajaran mendalam?

Pembelajaran mesin adalah cabang AI di mana sistem mempelajari pola dari data, bukan hanya mengikuti aturan yang ditulis tangan. Pembelajaran mendalam adalah bentuk khusus dari pembelajaran mesin yang menggunakan jaringan saraf berlapis. Pembelajaran mendalam sangat berharga untuk tugas-tugas kompleks seperti pengenalan suara, pengenalan gambar, pemrosesan bahasa alami, penerjemahan, pencitraan medis, dan AI generatif.

Untuk apa AI prediktif digunakan dalam bisnis?

AI prediktif menggunakan data untuk memperkirakan kemungkinan hasil di masa depan. Bisnis dapat menggunakannya untuk perencanaan permintaan, prediksi pelanggan yang berhenti berlangganan, deteksi penipuan, penilaian risiko, keputusan inventaris, atau perkiraan pemeliharaan. AI prediktif mendukung perencanaan dan pengambilan keputusan, tetapi tidak menjamin masa depan. Prediksi adalah perkiraan yang dibentuk oleh data yang tersedia dan kualitas model.

Bagaimana cara kerja AI visi komputer dalam sistem praktis?

AI visi komputer membantu mesin menginterpretasikan informasi visual dari gambar, video, kamera, pemindaian, atau sensor. Teknologi ini dapat mendukung pengenalan wajah, deteksi objek, inspeksi pabrik, pencitraan medis, deteksi lalu lintas, analisis ritel, pemantauan pertanian, dan sistem keamanan. Meskipun tidak melihat seperti manusia, AI ini dapat memproses piksel, bentuk, warna, dan pola dalam skala besar.

Mengapa satu produk AI dapat termasuk dalam beberapa Jenis AI?

Kategori AI sering kali menggambarkan hal-hal yang berbeda, seperti kemampuan, fungsionalitas, metode pelatihan, atau aplikasi. Asisten suara, misalnya, mungkin merupakan AI sempit berdasarkan kemampuan, AI percakapan berdasarkan aplikasi, AI memori terbatas berdasarkan fungsionalitas, dan AI pembelajaran mendalam berdasarkan arsitektur. Tumpang tindih ini normal dan membantu menjelaskan apa yang dilakukan sistem dari berbagai sudut pandang.

Risiko apa saja yang perlu dipahami orang terkait berbagai jenis AI?

Risiko umum AI meliputi bias, keluaran yang tidak akurat, masalah privasi, kerentanan keamanan, kurangnya transparansi, ketergantungan yang berlebihan, dan pengawasan manusia yang lemah. AI generatif dapat menciptakan informasi baru, AI prediktif dapat memperkuat pola yang buruk, dan visi komputer dapat salah mengidentifikasi objek atau orang. Penggunaan AI yang baik biasanya membutuhkan pengujian, pemantauan, batasan yang jelas, praktik data yang kuat, dan tinjauan manusia.

Referensi

1. IBM - Jenis-jenis kecerdasan buatan - ibm.com

2. Kerangka Kerja Manajemen Risiko AI NIST - Risiko AI - nist.gov

3. Google Developers - Pembelajaran Mesin - developers.google.com

4. AWS - AI Generatif - aws.amazon.com