Apa yang Disebut AI?

Ketika sebuah aplikasi terasa pintar, apakah itu selalu AI?

Tidak selalu. AI lebih berguna dipahami sebagai kemampuan sistem untuk menghasilkan prediksi, rekomendasi, keputusan, atau konten berdasarkan masukan yang diterimanya. Sebuah fitur dapat memakai AI bersama aturan biasa dan pemeriksaan manusia. Karena itu, nilai sistem dari cara kerjanya dan batasnya, bukan dari label “didukung AI”.

Setelah lesson ini

• Menjelaskan AI sebagai kemampuan sistem, bukan label pemasaran.
• Membedakan alat manual, otomatisasi tetap, dan sistem yang belajar dari pola.
• Memeriksa klaim AI melalui masukan, keluaran, adaptasi, dan peran manusia.

Mulai dari keseharian

Kita sudah memakai AI sebelum sempat mendefinisikannya.

Pagi hari, aplikasi peta menyarankan rute yang berbeda dari kemarin. Kotak masuk menahan pesan yang dicurigai sebagai spam. Saat menulis balasan, sebuah fitur menawarkan kelanjutan kalimat. Ketiganya sering disebut AI, tetapi mereka tidak melakukan pekerjaan yang sama.

Peta memperkirakan perjalanan dari lokasi dan kondisi jalan. Filter spam mengklasifikasikan pesan dari pola yang pernah ditemukan. Pembuat teks memilih kelanjutan yang masuk akal berdasarkan konteks. Istilah AI menaungi banyak kemampuan; ia bukan nama satu benda yang bekerja dengan cara seragam.

Tiga cerita, tiga kemampuan

Lihat apa yang masuk, apa yang keluar, dan siapa yang memeriksa.

Model mental

Gunakan spektrum, bukan kotak ya atau tidak.

Alat manual menjalankan tindakan yang dipilih manusia. Otomatisasi tetap mengikuti aturan yang sudah ditulis. Sistem adaptif menggunakan pola dari data untuk menghadapi masukan baru. Sistem dengan banyak kemampuan dapat menggabungkan persepsi, prediksi, pencarian, atau generasi, tetapi tetap beroperasi dalam tujuan dan batas yang dibuat manusia.

Definisi kerja menCARIE Open Learning

AI adalah sistem yang menghasilkan keluaran untuk suatu tujuan dengan tingkat otonomi dan adaptasi tertentu.

Definisi ini sengaja dipakai sebagai alat kerja, bukan sebagai klaim bahwa semua peneliti sepakat pada satu kalimat. Dua istilah berikut membantu kita membaca perilakunya.

Otonomi

Seberapa jauh sistem dapat menjalankan langkah atau menghasilkan keluaran tanpa instruksi manusia pada setiap langkah.

Adaptasi

Seberapa jauh perilaku sistem dapat berubah karena data, konteks, umpan balik, atau pembaruan setelah sistem digunakan.

Jangan mencari AI sebagai satu benda

Sebuah produk AI biasanya merupakan susunan beberapa lapisan.

Bayangkan fitur rekomendasi berita. Model mungkin memberi skor untuk setiap artikel. Aturan bisnis membuang artikel kedaluwarsa. Data profil membantu mengurutkan pilihan. Antarmuka menentukan apa yang akhirnya terlihat, sementara editor dan pengguna memberi sinyal baru. Hasil yang kita alami berasal dari seluruh susunan itu, bukan dari model saja.

Pemisahan lapisan penting karena sumber masalahnya berbeda. Prediksi yang buruk dapat berasal dari data yang tidak mewakili pengguna. Rekomendasi yang berulang dapat berasal dari tujuan yang terlalu sempit. Keputusan yang merugikan dapat muncul karena tidak ada jalur koreksi manusia. Menyebut semuanya sebagai masalah ‘AI’ membuat diagnosis kabur.

Bandingkan perilakunya

Aturan tetap dan sistem berbasis pola bisa terlihat sama dari luar.

Banyak produk menggabungkan keduanya. Pertanyaan yang berguna bukan hanya ‘apakah ini AI?’, melainkan ‘bagian mana yang belajar atau mengestimasi, dan siapa yang bertanggung jawab atas hasilnya?’

Salah kaprah yang masuk akal

Jika tampilannya seperti percakapan manusia, berarti sistem memahami seperti manusia.

Mengapa ini terasa masuk akal

Bahasa yang lancar memicu kita memberi sifat manusia kepada sistem. Padahal keluaran yang meyakinkan dapat dihasilkan dari pola tanpa pemahaman, pengalaman, atau tanggung jawab seperti manusia.

Cara memeriksanya

Periksa tugas spesifiknya: apa inputnya, bagaimana hasil dinilai, kapan ia gagal, dan keputusan mana yang tidak boleh didelegasikan kepadanya.

Berhenti dan prediksi

Sebuah chatbot hanya menampilkan jawaban dari menu yang sudah ditulis. Apakah itu AI?

Pilih jawaban di kepala Anda sebelum membuka penjelasan.

Alat kerja 4 pertanyaan

Uji klaim “didukung AI” dalam dua menit.

1. Masukan apa yang dibaca atau diterima sistem?
2. Prediksi, rekomendasi, keputusan, atau konten apa yang dihasilkan?
3. Apakah perilakunya mengikuti aturan tetap atau pola yang dapat berubah?
4. Siapa yang memeriksa hasil, memperbaiki kesalahan, dan menanggung dampaknya?

Jika tiga pertanyaan pertama tidak dapat dijawab, klaim AI belum cukup informatif. Jika pertanyaan keempat tidak memiliki jawaban, risikonya belum dikelola.

Latihan singkat

Pilih dua fitur digital yang Anda gunakan minggu ini. Jawab empat pertanyaan pemeriksa untuk masing-masing fitur, lalu tulis satu informasi yang masih belum Anda ketahui.

Ringkasan

• AI adalah kumpulan kemampuan dan metode, bukan label ajaib di dalam produk.
• Nilai sistem melalui masukan, keluaran, adaptasi, tujuan, dan batasnya.
• Label AI belum membuktikan kualitas, keamanan, atau manfaat; peran manusia tetap harus jelas.

Lanjutkan dari sini

• AI Prediktif dan AI Generatif: Lanjutkan gagasan dari AI di Sekitar Kita melalui contoh yang masih berkaitan.
• Daftar Tugas: Hubungkan pelajaran ini dengan Applied AI, lalu uji idenya dalam konteks lain.
• Ambiguitas: Lihat bagaimana keputusan yang sama berubah ketika dibahas melalui Prompting.

Sumber dan bacaan lanjut

• Explanatory memorandum on the updated OECD definition of an AI system: OECD.AI · official-guidance. Rujukan utama untuk definisi, bukti, atau batas yang dibahas dalam “Apa yang Disebut AI?”.
• How should we define AI?: Elements of AI · University of Helsinki · open-course. Bukti dan konteks tambahan untuk memeriksa penjelasan dalam “Apa yang Disebut AI?”.
• Artificial Intelligence Risk Management Framework: NIST · official-framework. Bukti dan konteks tambahan untuk memeriksa penjelasan dalam “Apa yang Disebut AI?”.