Jawaban singkat: AI adalah singkatan dari Artificial Intelligence (Kecerdasan Buatan): sistem buatan manusia yang melakukan tugas-tugas yang berkaitan dengan berpikir, seperti mengenali pola atau bekerja dengan bahasa. Dalam percakapan sehari-hari, ini sering merujuk pada pembelajaran mesin atau alat generatif, bukan robot yang sadar. Jika seseorang menjual "AI", tanyakan input dan output apa yang mereka gunakan, dan kasus kegagalan apa yang mereka ukur.
Poin-poin penting:
Akuntabilitas: Definisikan tugas, pemilik, dan metrik keberhasilan sebelum menyebutnya sebagai AI.
Transparansi: Minta masukan, keluaran yang jelas, dan di mana sistem mengalami kegagalan.
Persetujuan: Verifikasi data apa yang digunakan, dan apakah penggunaan tersebut diizinkan.
Kemampuan audit: Melacak pengujian, kegagalan, dan pembaruan sehingga klaim dapat diperiksa di kemudian hari.
Kemampuan untuk dipersoalkan: Sediakan cara untuk menantang hasil yang salah ketika hal itu memengaruhi keputusan orang.
Artikel-artikel yang mungkin ingin Anda baca setelah ini:
🔗 Apakah AI terlalu dibesar-besarkan? Sebuah tinjauan realitas
Mengeksplorasi euforia, batasan, dan di mana AI benar-benar memberikan nilai.
🔗 Apakah saat ini sedang terbentuk gelembung AI?
Menganalisis sinyal pasar, risiko spekulasi, dan pertumbuhan nyata AI.
🔗 Cara menggunakan AI di ponsel Anda setiap hari
Langkah-langkah sederhana untuk menjalankan aplikasi AI, alat suara, dan pintasan.
🔗 Apakah text-to-speech itu AI? Apa sebenarnya fungsinya?
Menjelaskan definisi text-to-speech, penggunaan utamanya, dan apa yang menjadikannya sebuah AI.
Apa kepanjangan dari AI? Arti harfiahnya 🧠
AI adalah singkatan dari Artificial Intelligence (Kecerdasan Buatan). [1]
-
Buatan: dibuat oleh manusia (perangkat lunak, kode, model, sistem)
-
Kecerdasan: kemampuan untuk melakukan tugas-tugas yang biasanya membutuhkan "berpikir" - seperti memahami bahasa, mengenali pola, membuat prediksi, atau memilih tindakan.
Definisi utama yang akan Anda lihat di tempat-tempat terpercaya pada dasarnya adalah: AI adalah tentang komputer (atau mesin yang dikendalikan komputer) yang melakukan tugas-tugas yang biasanya dikaitkan dengan proses intelektual manusia (penalaran, pembelajaran, bahasa, persepsi, dll.). [2]
Mari kita periksa kenyataan sejenak: AI tidak selalu berarti "robot dengan perasaan."
Terkadang itu hanya matematika dengan tingkat kepercayaan diri. Matematika yang sangat canggih, tapi tetap saja 😅
Mengapa orang terus bertanya “AI itu singkatan dari apa?” (dan mengapa itu bukan pertanyaan bodoh) 🙃
Karena “AI” digunakan setidaknya dalam tiga cara berbeda:
-
Sebagai bidang studi,
para peneliti membangun sistem yang dapat merasakan, belajar, merencanakan, dan berkomunikasi. -
Sebagai serangkaian teknik,
hal-hal seperti pembelajaran mesin, pemrosesan bahasa alami, visi komputer, dan hal-hal yang mengubah "data" menjadi "prediksi." -
Sebagai label pemasaran,
di sinilah letaknya... rumit. Terkadang "AI" disematkan pada hal-hal yang lebih dekat dengan otomatisasi daripada kecerdasan. Tidak selalu bermaksud jahat, tetapi ya - itu terjadi.
Jadi ketika seseorang bertanya "AI itu singkatan dari apa?", mereka seringkali juga bertanya:
-
“Apakah ini teknologi sungguhan atau hanya sekadar jargon?”
-
“Apakah ini sama dengan pembelajaran mesin?”
-
“Apakah ini akan menggantikan pekerjaan saya, seperti… besok?”
Jawaban jujurnya adalah: tergantung - tetapi kita bisa membuatnya jauh lebih mudah dipahami.
Definisi sederhana yang benar-benar berlaku dalam kehidupan nyata ✅📌
Berikut cara praktis dan non-mistis untuk memahami "AI":
AI adalah sistem berbasis mesin yang menerima masukan dan menghasilkan keluaran (seperti prediksi, rekomendasi, keputusan, atau konten yang dihasilkan) untuk memengaruhi lingkungan digital atau fisik - dengan berbagai tingkat otonomi dan kemampuan beradaptasi. [4]
Kerangka berpikir tersebut penting karena sesuai dengan apa yang digunakan orang di dunia nyata: bukan "otak," tetapi sebuah sistem yang menerima masukan → menghasilkan keluaran → memengaruhi hasil.
Tes cepat untuk mengetahui apakah ini AI atau hanya otomatisasi 🕵️
Jika Anda sedang mengevaluasi suatu alat atau presentasi, tanyakan:
-
Apa inputnya? (teks, gambar, klik, data sensor, dokumen internal…)
-
Apa hasilnya? (label, skor, prediksi, rekomendasi, draf yang dihasilkan…)
-
Apa yang berubah jika input berubah? (apakah beradaptasi, menggeneralisasi, atau hanya mengikuti aturan?)
-
Bagaimana mereka mengukur keberhasilan dan kegagalan? (dan apakah mereka memberi tahu Anda di mana letak kerusakannya?)
Jika jawabannya samar-samar (“ini didukung oleh kecerdasan generasi berikutnya!”) …coba perhatikan dengan saksama.
Tabel perbandingan: di mana mendapatkan tepercaya untuk pertanyaan “Apa kepanjangan dari AI?” 📚🔍
| Alat / Sumber | Hadirin | Harga | Mengapa ini berhasil |
|---|---|---|---|
| Ensiklopedia Britannica - Kecerdasan Buatan | Setiap orang | Agak gratis | Gambaran umum yang jelas dengan standar editorial (tidak terlalu berlebihan) [2] |
| Kamus Cambridge - “Kecerdasan buatan” | Pemula | Bebas | Definisi langsung, tanpa drama [1] |
| OECD.AI - Prinsip-prinsip AI (termasuk definisi sistem AI yang disepakati) | Kebijakan + pendidik | Bebas | Definisi dan terminologi yang solid dan sadar tata kelola [4] |
| NIST - Kerangka Kerja Manajemen Risiko AI (AI RMF) | Orang-orang yang bekerja dan membuat kebijakan | Bebas | Bahasa praktis tentang mengelola risiko AI dan kepercayaan [3] |
| Stanford HAI - Indeks AI | Para pembelajar yang ingin tahu, para profesional | Bebas | Melacak perkembangan di lapangan dengan nuansa berbasis data, “inilah yang sedang terjadi” [5] |
(Dan ya: "agak gratis" adalah istilah saya untuk "gratis sampai situs tersebut menerapkan sistem pembayaran berbayar.")
Apa arti "AI" dalam kehidupan sehari-hari biasanya 📱💬
Dalam percakapan sehari-hari, "AI" biasanya berarti salah satu dari berikut ini:
-
Sistem pembelajaran mesin yang mempelajari pola dari data.
-
AI generatif yang menciptakan teks, gambar, audio, atau kode (jenis keluaran: “konten”) [4]
-
Mesin rekomendasi (apa yang harus ditonton, dibeli, dibaca)
-
Alat otomatisasi yang mengambil keputusan menggunakan aturan + model.
Contoh yang mungkin pernah Anda gunakan:
-
Fitur pelengkapan otomatis di email atau pencarian ✅
-
Deteksi kecurangan di sektor perbankan 🏦
-
Penandaan foto dan pengelompokan wajah 📸
-
Konversi suara ke teks dan terjemahan 🗣️
-
Chatbot dukungan pelanggan (yang bagus dan yang sangat mudah ditebak…)
Metafora yang agak kurang tepat, tapi begini: AI itu seperti seorang pekerja magang yang sangat bersemangat dengan kemampuan pengenalan pola super cepat dan tanpa akal sehat tentang dunia. Berguna, terkadang brilian, kadang-kadang kacau.
AI vs pembelajaran mesin (bagian “tunggu… bukankah keduanya sama?”) 🤔
Hal ini sering membingungkan orang karena kata-katanya sering digunakan secara bergantian.
Cara yang lebih mudah untuk mengatakannya:
-
AI adalah istilah umum yang mencakup semuanya 🌂
-
Pembelajaran mesin adalah salah satu cara utama untuk membangun AI - melatih sistem untuk belajar dari input daripada mengkodekan setiap aturan secara manual [2]
Jadi: tidak sama, tetapi sangat terkait.
AI Sempit vs AI Umum (atau "apa yang ada" vs "apa yang diperdebatkan orang") 🧩
AI Sempit (sebagian besar yang ada)
AI yang dirancang untuk tugas-tugas spesifik:
-
mengklasifikasikan gambar
-
menerjemahkan teks
-
mendeteksi penipuan
-
membuat draf email
-
merekomendasikan sebuah lagu
AI Umum (yang berbau fiksi ilmiah)
AI yang mampu melakukan tugas intelektual apa pun yang dapat dilakukan manusia, secara fleksibel, di berbagai bidang.
Banyak pendapat “AI pada dasarnya adalah manusia sekarang” mencampuradukkan kedua ide ini. Sebagian besar AI yang diterapkan bersifat sempit - dan bahkan sistem yang sangat mumpuni masih memiliki batasan nyata (terutama di luar situasi yang dirancang untuknya). [2]
Cara kerja AI dalam bahasa yang mudah dipahami (sekilas pandang "di balik layar") 🔧🙂
Sebagian besar sistem AI modern terlihat seperti ini:
-
Input berupa
teks, gambar, bunyi klik, audio, angka, pembacaan sensor… -
Sebuah model memproses pola.
Ia mempelajari hubungan selama pelatihan (atau menggunakan apa yang telah dipelajari sebelumnya), kemudian menjalankan "inferensi" untuk menghasilkan keluaran. -
Hasil keluaran keluar
-
label (spam / bukan spam)
-
prediksi (kemungkinan membeli / kemungkinan berhenti berlangganan)
-
konten yang dihasilkan (sebuah paragraf, sebuah gambar) [4]
-
-
Manusia mengevaluasi dan menyesuaikan model
karena model bisa salah dengan cara yang sangat pasti. Bahkan, sangat pasti. Hampir mengesankan.
Jika Anda menginginkan versi percakapan yang lebih dewasa dan sadar risiko, AI RMF dari NIST adalah bacaan yang sangat masuk akal - terutama untuk memikirkan tentang kepercayaan, keamanan, dan di mana AI dapat menyimpang. [3]
Kesalahpahaman umum tentang AI (alias, hal-hal yang menyebabkan perdebatan saat makan malam) 🍝😬
-
“AI berpikir seperti manusia.”
Biasanya, tidak. Banyak sistem lebih tepat digambarkan sebagai mesin pola. Mereka bisa terlihat pintar - terkadang sangat pintar - tanpa memiliki pemahaman ala manusia. [2] -
“AI selalu tidak bias karena berbasis matematika.”
Dunia nyata lebih rumit: data, tujuan, konteks penerapan, dan siklus umpan balik semuanya penting. Ini adalah alasan utama mengapa kerangka kerja modern berbicara tentang kepercayaan dan manajemen risiko, bukan hanya kinerja. [3] -
“AI = robot.”
Terkadang AI hanyalah perangkat lunak di cloud. Tidak ada lengan, tidak ada wajah, tidak ada mata merah menyala (untungnya). [2]
Cara praktis menggunakan makna AI tanpa terjebak oleh jargon-jargon pemasaran 🧾🕵️
Jika Anda sedang mengevaluasi sebuah alat, presentasi produk, atau "inisiatif AI" di tempat kerja, tanyakan:
-
Apa tugasnya?
Meringkas? Mengklasifikasikan? Memprediksi? Menghasilkan? -
Data apa yang digunakan?
Dokumen internal? Data publik? Masukan pengguna? Apakah ini diperbolehkan? -
Bagaimana Anda mengukur apakah itu bagus?
Akurasi, latensi, biaya, keamanan, kepuasan pengguna - ditambah "seberapa parah kegagalannya?" -
Di mana letak kegagalannya?
Setiap sistem pasti pernah gagal di suatu tempat. Jika vendor mengklaim produknya tidak pernah gagal… itu pertanda buruk dan perlu diwaspadai 🎆
Ini mengubah "AI" dari label mistis menjadi sesuatu yang benar-benar dapat Anda pahami secara logis.
Tanya Jawab Singkat: “Apa kepanjangan dari AI?” dan pertanyaan terkait lainnya 🧠💡
Apa arti AI dalam dunia teknologi?
Biasanya Artificial Intelligence - istilah untuk sistem yang melakukan tugas-tugas yang berhubungan dengan kecerdasan manusia (pembelajaran, penalaran, bahasa, dll.). [1]
Apakah AI bisa berarti hal lain?
Ya. Namun dalam percakapan teknologi arus utama, AI umumnya diartikan sebagai “Kecerdasan Buatan.” [1]
Apakah AI sama dengan chatbot atau generator gambar?
Itu adalah contoh sistem AI. Cakupannya lebih luas daripada satu alat saja. [4]
Apakah AI selalu “belajar”?
Tidak selalu. Beberapa sistem berbasis aturan. Namun diskusi AI modern sangat melibatkan sistem yang mempelajari pola dari data (pembelajaran mesin). [2]
Kesimpulan Akhir 🧾✨
Jadi, apa kepanjangan dari AI? AI
adalah kepanjangan dari Artificial Intelligence (Kecerdasan Buatan).
Ringkasan singkat:
-
AI = Kecerdasan Buatan 🤖
-
Dalam praktiknya, biasanya hal ini berarti perangkat lunak yang dapat mengenali pola, membuat prediksi, menafsirkan bahasa, atau menghasilkan konten [4]
-
Hal ini banyak tumpang tindih dengan pembelajaran mesin , namun AI adalah payung yang lebih luas [2]
-
Jika seseorang menggunakan “AI” untuk menjual sesuatu kepada Anda, tanyakan apa sebenarnya yang dilakukan dan bagaimana sistem tersebut dievaluasi (dan di mana letak kegagalannya) [3]
Dan ya - orang-orang akan terus berdebat tentang apa arti "kecerdasan" sebenarnya. Perdebatan itu adalah bagian dari cerita. Tetapi untuk kejelasan sehari-hari, Anda dapat menyederhanakannya: AI adalah sistem buatan yang melakukan tugas-tugas seperti kecerdasan. Cukup jelas. Cukup bermanfaat. Bukan sesuatu yang ajaib… meskipun terkadang terasa seperti itu.
Contoh nyata: Memeriksa apakah alat pendukung benar-benar berbasis AI 🧪
Skenario
Bayangkan sebuah toko online kecil ditawari "asisten dukungan pelanggan AI" untuk menangani pertanyaan pengiriman, pengembalian dana, dan keluhan barang rusak.
Tim tersebut tidak memulai dengan bertanya, “Apakah ini cerdas?” Mereka mengajukan pertanyaan yang lebih praktis: “Apa yang masuk, apa yang keluar, dan bagaimana kita tahu kapan itu gagal?”
Hal itu membuat kata AI tetap relevan. Dalam contoh ini, sistem menerima pesan pelanggan sebagai masukan, membandingkannya dengan kebijakan toko dan contoh dukungan sebelumnya, kemudian menghasilkan draf balasan atau saran pengalihan. Hal itu sesuai dengan gagasan dasar artikel ini: AI bukanlah sihir; ini adalah sistem yang mengubah masukan menjadi keluaran yang memengaruhi keputusan.
Apa yang dibutuhkan asisten
Untuk tes dasar, toko tersebut memberikan kepada asistennya:
-
20 pesan pelanggan asli namun anonim
-
Kebijakan pengembalian dana
-
Aturan waktu pengiriman
-
Daftar produk yang tidak dapat dikembalikan
-
Lima contoh balasan dukungan yang “baik”
-
Aturan eskalasi untuk pelanggan yang marah, barang rusak, dan masalah pembayaran
Asisten virtual tidak boleh mengeluarkan pengembalian dana, mengubah pesanan, atau menjanjikan tanggal pengiriman secara otomatis. Asisten virtual hanya boleh membuat draf balasan dan menyarankan tindakan selanjutnya untuk disetujui oleh manusia.
Contoh instruksi
Anda adalah asisten penyusun draf dukungan pelanggan untuk toko online kecil. Gunakan hanya detail kebijakan yang telah disediakan. Untuk setiap pesan pelanggan, tulis draf balasan yang sopan, pilih satu kategori dari “pengiriman”, “pengembalian dana”, “barang rusak”, “pertanyaan produk”, atau “perlu ditinjau oleh manusia”, dan jelaskan alasan Anda dalam satu kalimat. Jika kebijakan tersebut tidak menjawab pertanyaan dengan jelas, jangan menebak. Tandai sebagai “perlu ditinjau oleh manusia”.
Bagaimana cara mengujinya?
Jalankan uji coba sederhana yang terdiri dari 20 pesan sebelum mempercayainya:
-
Berikan 10 pertanyaan mudah kepada asisten, seperti “Di mana pesanan saya?” atau “Bisakah saya mengembalikan barang yang belum dibuka ini?”
-
Berikan 5 pertanyaan kompleks dengan detail yang hilang.
-
Ajukan 5 pertanyaan berisiko, seperti permintaan pengembalian dana, keluhan tentang barang yang rusak, atau masalah pembayaran.
-
Bandingkan kategori, draf balasan, dan keputusan eskalasi dengan jawaban dari pemimpin dukungan manusia.
-
Hitung kesalahan, bukan hanya jawaban yang "terdengar bagus".
Soal-soal tes praktikum:
“Bisakah saya mengembalikan barang bekas jika saya baru membukanya kemarin?”
“Paket saya tertulis sudah terkirim tetapi saya belum menerimanya. Kirimkan saya paket baru.”
“Barang tersebut sampai dalam keadaan rusak dan saya membutuhkannya besok untuk sebuah acara.”
“Saya membelinya enam bulan lalu tetapi sudah tidak berfungsi lagi.”
“Kurir Anda kehilangan pesanan saya dan saya ingin kompensasi.”
Hasil
Hasil ilustratif: berdasarkan pengukuran waktu, 20 contoh pesan dukungan sebelum dan sesudah menggunakan alur kerja ini.
Sebelum menggunakan asisten virtual, pimpinan tim dukungan menghabiskan sekitar 4 menit per pesan, atau 80 menit untuk 20 balasan.
Dengan asisten yang membuat draf pertama, pemimpin tim menghabiskan sekitar 90 detik untuk meninjau dan mengedit setiap pesan, atau total 30 menit.
Hal itu memberikan perkiraan penghematan waktu sekitar 50 menit per 20 tiket, sambil tetap menugaskan manusia untuk menangani pengembalian dana, keluhan, dan pengecualian kebijakan.
Dalam pengujian yang sama, tim dapat melacak akurasi seperti ini:
-
Kategori yang benar: 18 dari 20
-
Peningkatan penanganan ke manusia yang tepat: 5 dari 5 kasus berisiko
-
Kesalahan kebijakan: 1 dari 20
-
Balasan yang disetujui tanpa diedit: 11 dari 20
Angka-angka tersebut bukanlah bukti bahwa alat tersebut akan "bagus" selamanya. Angka-angka tersebut hanyalah patokan awal yang dapat diulang oleh bengkel setiap bulan.
Apa yang bisa salah?
Asisten tersebut mungkin terdengar percaya diri meskipun kebijakannya tidak jelas.
Hal ini dapat memberikan janji berlebihan terkait pengembalian dana, tanggal pengiriman, atau kompensasi jika instruksinya tidak jelas.
Sistem ini mungkin berfungsi dengan baik pada tiket sederhana tetapi gagal pada keluhan yang mengandung emosi, detail pesanan yang hilang, atau kasus-kasus khusus.
Hal ini juga dapat menimbulkan masalah privasi jika staf memasukkan nama, alamat, nomor pesanan, atau detail pembayaran tanpa memeriksa data apa yang disimpan oleh alat tersebut.
Pengaturan yang paling aman adalah sederhana namun efektif: anonimkan data uji, batasi izin, perlukan persetujuan manusia, dan catat kesalahan yang terjadi.
Kesimpulan praktis
Pengujian AI yang baik tidak dimulai dengan gempuran pemasaran. Pengujian dimulai dengan input, output, metrik keberhasilan, dan kasus kegagalan. Jika suatu alat tidak dapat menjelaskan hal-hal tersebut dengan jelas, anggaplah "didukung AI" sebagai label pemasaran sampai bukti menunjukkan sebaliknya.
Pertanyaan yang Sering Diajukan (FAQ)
Dalam bahasa sehari-hari, AI itu apa?
AI adalah singkatan dari Artificial Intelligence (Kecerdasan Buatan). "Buatan" berarti dibuat oleh manusia (perangkat lunak dan sistem), dan "kecerdasan" mengacu pada melakukan tugas-tugas yang terkait dengan berpikir - seperti memahami bahasa, mengenali pola, atau membuat prediksi. Dalam percakapan sehari-hari, "AI" sering merujuk pada pembelajaran mesin atau alat generatif daripada sesuatu yang sadar atau seperti manusia.
Apakah AI sama dengan pembelajaran mesin?
Tidak sepenuhnya benar. AI adalah istilah umum yang lebih luas untuk sistem yang melakukan tugas-tugas mirip kecerdasan, sementara pembelajaran mesin adalah salah satu cara utama untuk membangun AI dengan mempelajari pola dari data alih-alih membuat aturan secara manual. Orang sering menggunakan istilah-istilah tersebut secara bergantian, tetapi lebih akurat untuk memperlakukan pembelajaran mesin sebagai bagian besar dari AI.
Apakah AI berarti robot yang memiliki perasaan atau kecerdasan setara manusia?
Biasanya, tidak. Sebagian besar AI di dunia nyata bersifat "sempit," artinya dirancang untuk tugas-tugas spesifik seperti penerjemahan, deteksi penipuan, atau pembuatan teks. AI tersebut mungkin tampak cerdas karena mengenali pola dengan cepat, tetapi itu tidak berarti ia memahami seperti manusia. AI umum, setara dengan manusia, lebih merupakan konsep yang diperdebatkan daripada realitas yang diterapkan.
Dalam kehidupan sehari-hari, apa yang biasanya dimaksud dengan AI?
Dalam penggunaan sehari-hari, AI seringkali berarti sistem yang menerima input dan menghasilkan output seperti prediksi, rekomendasi, keputusan, atau konten yang dihasilkan. Itu termasuk hal-hal seperti pelengkapan otomatis, penandaan foto, pengubahan suara menjadi teks, umpan rekomendasi, dan chatbot. Ide intinya tetap sama: input → pemrosesan model → output yang dapat memengaruhi tindakan orang selanjutnya.
Bagaimana saya bisa mengetahui apakah sesuatu itu didorong oleh AI atau hanya otomatisasi?
Cara sederhana untuk mengujinya adalah dengan bertanya: apa inputnya ,apa outputnya ,dan apa yang berubah ketika input berubah? Jika ia beradaptasi atau melakukan generalisasi di luar aturan tetap, kemungkinan besar itu digerakkan oleh AI. Tanyakan juga bagaimana keberhasilan dan kegagalan diukur. Jika penjelasannya samar dan sebagian besar menggunakan bahasa pemasaran, berhati-hatilah.
Pertanyaan apa saja yang sebaiknya saya ajukan kepada penjual produk "AI"?
Tanyakan siapa pemilik sistem tersebut, tugas apa yang menjadi tanggung jawabnya, dan metrik apa yang mendefinisikan keberhasilan. Kemudian, tanyakan secara spesifik tentang input, output, dan di mana terjadi kesalahan. Anda juga harus menanyakan data apa yang digunakan dan apakah penggunaan tersebut diizinkan. Produk yang serius harus mampu menjelaskan pengujian, kegagalan, dan pembaruan dengan jelas.
Mengapa persetujuan penting dalam sistem AI?
Persetujuan itu penting karena AI sering kali bergantung pada data—masukan pengguna, dokumen internal, atau sumber publik—untuk menghasilkan keluaran. Anda harus memverifikasi data apa yang digunakan dan apakah penggunaan data tersebut diizinkan untuk tujuan tersebut. Jika penggunaan data tidak diizinkan atau tidak dikomunikasikan dengan jelas, sistem dapat menimbulkan masalah hukum, etika, dan kepercayaan meskipun sistem tersebut "berfungsi"
Apa artinya jika AI dapat diaudit dan dipersoalkan?
Kemampuan audit berarti Anda dapat melacak pengujian, kegagalan, dan pembaruan sehingga klaim tentang kinerja dapat diperiksa di kemudian hari. Kemampuan untuk diperdebatkan berarti ada proses untuk menantang hasil yang salah - terutama ketika AI memengaruhi keputusan tentang orang. Bersama-sama, keduanya membantu mencegah keputusan "kotak hitam" dan mempermudah mendeteksi kesalahan yang mungkin terulang dalam skala besar.
Referensi
[1] Kamus Cambridge - “Kecerdasan Buatan”
[2] Ensiklopedia Britannica - “Kecerdasan Buatan (AI)”
[3] NIST - Kerangka Kerja Manajemen Risiko AI (AI RMF)
[4] OECD.AI - Gambaran Umum Prinsip AI OECD (termasuk definisi sistem AI)
[5] Stanford HAI - Indeks AI