Merencanakan era kecerdasan tambahan – Bayangkan kembali Masa Depan dengan Percaya Diri
Reimagine the Future with Confidence

Merencanakan era kecerdasan tambahan – Bayangkan kembali Masa Depan dengan Percaya Diri

Sedikit informasi bisa berbahaya. Itu mungkin klise yang sudah usang, tetapi ini adalah salah satu pemimpin bisnis dan teknologi yang harus diingat saat mereka ingin menggunakan kecerdasan buatan (AI).

Seiring dengan meningkatnya penggunaan AI, demikian juga risiko bahwa sistem AI yang kurang terlatih akan menyebabkan masalah dalam bisnis dan pemerintahan. Gartner pernah memperkirakan bahwa 85 persen penerapan AI akan memberikan hasil yang salah hingga tahun 2022.

Untuk menghindari hal ini, perusahaan membutuhkan volume besar data akurat untuk melatih sistem AI, dan orang yang memahami bagaimana algoritme dapat menginterpretasikan data.

Tapi itu bukan gambaran keseluruhan dalam hal memastikan penggunaan AI yang akurat dan aman. Para pemimpin organisasi juga didorong untuk melihat melampaui data tentang seberapa besar kekuatan yang mereka berikan kepada AI. Mereka didesak untuk menggunakannya untuk mendukung, bukan menggantikan, keputusan manusia.

Kebutuhan akan pengawasan manusia terhadap AI sudah diketahui. Tetapi karena semakin banyak yang dipelajari tentang hal ini, implikasinya terhadap bisnis dan pemerintah menjadi lebih jelas.

Shane O’Sullivan, seorang ahli AI dan kognitif dalam tim Digital Delta di KPMG Australia, memperingatkan perusahaan untuk melihat AI sebagai sarana untuk ‘menambah kecerdasan’ daripada sebagai pembuat keputusan independen.

Tanpa manusia, AI bukanlah apa-apa, kata O’Sullivan. Algoritme AI bagus dalam “umumnya menangani volume data yang sangat besar dan memilahnya dengan cara yang tidak bisa dilakukan manusia,” jelasnya, “kemudian mensintesisnya menjadi informasi yang kemudian dapat diselesaikan oleh manusia. Mitra manusia diperlukan untuk menangani kegiatan yang lebih kompleks.”

“AI membantu orang melakukan banyak hal dengan lebih baik, lebih cepat, dan jauh lebih efisien daripada yang bisa mereka lakukan sebelumnya.”

Kata kuncinya – membantu – menyoroti kesalahan yang mendasari beberapa implementasi AI, di mana manajer menyerahkan terlalu banyak kekuatan ke teknologi.

“AI masih agak misterius bagi banyak orang,” kata O’Sullivan, “karena ini adalah gereja yang sangat luas, mulai dari pengenalan gambar hingga pemrosesan bahasa alami, pembelajaran mesin, dan banyak kemampuan lainnya. Jadi percakapan terbaik yang kami mulai dengan ‘Saya punya masalah’ – dan kemudian kami bekerja sama untuk memecahkan masalah itu.”

AI “sebenarnya sangat sempit dalam hal apa yang sebenarnya dilatih untuk dilakukan,” O’Sullivan menunjukkan. Komputer tidak dapat mengidentifikasi seekor anjing jika yang dilihatnya hanyalah foto kucing, jadi sistem AI hanya sebaik orang yang mengajari mereka dan data yang tersedia untuk pelatihan, komentarnya.

“Umumnya, perusahaan melatih AI untuk kasus penggunaan yang sangat spesifik dan agak sempit,” jelasnya, “dan kami masih bertahun-tahun lagi dari AI umum yang dapat meniru apa yang dilakukan otak – jadi untuk dekade berikutnya, kami menggambarkan diri kami sebagai berada di era kecerdasan yang ditambah, di mana manusia dan mesin bekerja bersama.”

Mainkan kekuatan kami

Konsultan manajemen telah memperingatkan perusahaan untuk mempersiapkan tenaga kerja mereka untuk PHK karena otomatisasi menggantikan pekerjaan yang hilang selama pandemi. Namun, Forum Ekonomi Dunia telah menyarankan bahwa AI akan menciptakan lebih banyak pekerjaan daripada menghilangkannya. Ia mengharapkan surplus pekerjaan baru pada tahun 2025 karena meningkatnya kebutuhan akan keterampilan digital khusus dan penghapusan pekerjaan berulang dan manual.

Memutuskan bagaimana pekerjaan itu akan berubah – dan mana yang akan berubah – karenanya harus menjadi bagian tak terpisahkan dengan peluncuran AI apa pun.

Kunci untuk meningkatkan pekerja dengan sukses adalah menghormati batas antara kemampuan AI dan manusia yang mengandalkannya, kata Profesor Toby Walsh, peneliti Fakultas Ilmu Komputer dan Teknik UNSW. Pekerjaan Walsh di AI dengan divisi Data61 CSIRO membuatnya mendapatkan penunjukan sebagai Anggota Asosiasi Amerika untuk Kemajuan Ilmu Pengetahuan.

“Manusia tidak pandai mengerjakan probabilitas, tetapi komputer sangat pandai dalam hal itu – dan mereka dapat melihat kumpulan data yang lebih besar daripada yang dapat dilihat manusia,” jelas Walsh.

Keberhasilan komputer catur bertenaga AI, katanya, bukan karena penciptaan semacam kecerdasan terprogram, melainkan hasil dari kemampuan mereka untuk mengevaluasi dan mencetak urutan besar kemungkinan gerakan dalam sekejap.

“Di sisi lain, mesin tidak memiliki kreativitas kita, kemampuan beradaptasi kita, kecerdasan sosial dan emosional kita hari ini – dan tidak jelas apakah mereka akan melakukannya.”

Perbedaan ini berimplikasi pada strategi AI perusahaan: “Kita harus bermain dengan kekuatan kita,” saran Walsh, “dan tidak mencoba bersaing dengan mesin – karena ada banyak bukti bahwa setiap kali kita mendapatkan komputer untuk melakukan beberapa tugas, ia memiliki segera menutupi kita dan meninggalkan kita jauh di belakang.”

Dalam aplikasi industri dengan ruang lingkup tertentu, kata Walsh, kemampuan AI untuk mengelola tugas-tugas dunia nyata yang berbahaya telah membuatnya sangat berharga. Ini termasuk dalam industri seperti pertambangan, di mana kendaraan dan kereta api swakemudi bertenaga AI telah meningkatkan efisiensi dan menurunkan biaya operasional.

“Kami tidak mempekerjakan lebih sedikit orang di pertambangan hari ini,” kata Walsh, “tetapi orang-orang dipekerjakan untuk melakukan hal-hal yang lebih baik, lebih aman, dan tidak terlalu berbahaya – dan pertambangan tetap menjadi bagian penting dari perekonomian kami sebagai akibat dari hal ini.”

Meninju di atas berat kita

Nyawa mungkin tidak dipertaruhkan dalam setiap aplikasi AI, tetapi keputusan dan operasi bisnis dipertaruhkan – terutama di organisasi berbasis data.

‘Datasphere’ global akan berkembang dari 45 zettabytes pada 2019 menjadi 175 zettabytes pada 2025, menurut perkiraan IDC yang dikutip secara luas. Ini memprediksi bahwa hampir 30 persen dari data itu akan membutuhkan pemrosesan waktu nyata.

Peran AI dalam memproses data tersebut berkisar dari pejalan kaki – memindai kumpulan data untuk kesalahan dan inkonsistensi internal, misalnya – hingga aplikasi bernilai tambah tinggi seperti deteksi anomali, pemeriksaan kontrak, analisis tren yang kompleks, dan peramalan yang canggih.

Misalnya, penyedia telekomunikasi Australia berusaha memahami mengapa biaya dukungan pelanggan melonjak setiap kali terjadi pemadaman di tulang punggung Telstra atau Jaringan Broadband Nasional.

Sistem AI dibangun untuk memantau perilaku normal pada jaringan tersebut, kata pemimpin analitik dan data telekomunikasi KPMG Australia Phil Thornley. Sistem dengan cepat mengidentifikasi perubahan dalam kinerja jaringan dan memunculkan tiket masalah yang memandu insinyur manusia untuk melakukan diagnostik jaringan yang lebih canggih.

“Anda memiliki tingkat otomatisasi yang lebih tinggi, di mana keterlibatan pelanggan proaktif dan pemberitahuan tiket perlu diselesaikan,” jelas Thornley. “Ini adalah kasus di mana AI dapat menangani sebanyak ini hari ini – dan karena lebih banyak data dikumpulkan dan lebih banyak model dilatih, itu akan terus melakukan lebih banyak dan lebih banyak lagi.”

Pendekatan bertahap

O’Sullivan merekomendasikan perusahaan untuk melangkah melalui proyek kecerdasan tambahan mereka dalam lima tahap – membangun kemampuan AI; menetapkan kebijakan dan pedoman untuk kecerdasan tambahan di sekitar bidang-bidang seperti kepercayaan, bias, dan tanggung jawab; membangun model operasi untuk kerja sama manusia/mesin; berinvestasi dalam budaya kepercayaan sehingga manusia sepenuhnya memanfaatkan kontribusi mesin dalam suatu aktivitas; dan memetakan jalur teknis dan manusia untuk meningkatkan tingkat otomatisasi.

Hal ini sejalan dengan prediksi Gartner sebelumnya bahwa 20 persen perusahaan akan mendedikasikan pekerjanya untuk memantau dan memandu jaringan saraf tempat keadaan bisnis masa depan mereka didirikan.

“Anda harus mendapatkan poin keputusan yang tepat dan Anda tidak terlalu banyak mengkodekan ke dalam algoritme,” kata Thornley, “sehingga Anda memiliki keseimbangan dalam menempatkan fakta di depan manusia – sehingga mereka membuat keputusan, daripada mencoba memasukkan terlalu banyak keputusan ke dalam AI.”

Posted By : data hk hari ini 2021