Perkiraan 5 Tren AI yang akan Berkembang dalam 5 Tahun yang Akan Datang

Perkembangan zaman juga sangat memengaruhi perkembangan teknologi dari tahun ke tahunnya. Salah satu tren yang ikut berkembang dengan pesat adalah artificial intelligence. Banyak ahli yang memperkirakan bahwa akan banyak pekerjaan yang tergeser dengan adanya artificial intelligence ini. Dengan adanya artificial intelligence, di bawah ini adalah teknologi diantaranya yang diperkirakan akan berkembang dalam lima tahun ke depan:

1. Hyperautomation

Hyper automation atau bisa juga disebut dengan intelligence process automation adalah pengembangan lebih lanjut dari robotic process automation (RPA). Secara singkat, robotic process automation dapat diartikan dengan penggunaan teknologi untuk mengotomasi banyak proses bisnis.

Hyper automation masuk ke dalam 10 besar strategis tren teknologi yang dikemukakan oleh Gartner. Menurut Gartner, hyper automation adalah kombinasi dari banyak machine learning, berbagai software, dan alat otomasi untuk mempermudah pekerjaan. Hyper automation adalah penggabungan antara RPA dengan platform Artificial intelligence atau machine learning dengan data set yang beragam dan dibangun untuk memprediksi sistem dan berpikir seperti manusia.

Apa saja keuntungan yang didapatkan dengan adanya hyper automation? Diantaranya adalah mengurangi biaya produksi, jauh lebih konsisten, lebih cepat, lebih akurat, dan juga lebih efisien. Hyper automation memungkinkan organisasi untuk mengotomasikan pekerjaan yang lebih kompleks. Gartner menggambarkan implikasi penggunaan hyper automation dalam bisnis, diantaranya adalah:

• Pergeseran ruang lingkup

Ruang lingkup otomasi akan bergeser dari tugas berbasis aturan sederhana ke

pekerjaan pengetahuan yang akan membuat bisnis menjadi lebih baik.

• Teknologi yang berkembang

Teknologi yang diperlukan untuk mendukung hyper automation akan berkembang untuk mendukung berbagai ruang lingkup bisnis dan memasukkan lebih banyak machine learning.

• Meningkatkan agility

Seiring berkembangnya zaman, perusahaan harus meningkatkan kemampuan

sistem dengan alat kerja yang lebih gesit. • Libatkan tenaga kerja

(diulas oleh Siti Nurjanah Jainul Waridha – NIM 1303174039) Link youtube : https://youtu.be/RaJYDLbrnBQ

2. Conversational AI

Conversational AI adalah teknologi dimana computer dapat berkomunikasi langsung dengan manusia, layaknya manusia dengan manusia. Conversational AI diharapkan mampu memahami ucapan manusia.

Bidirectional Encoder Representations from Transformers (BERT) adalah model yang paling popular digunakan oleh banyak perusahaan dan organisasi untuk mengembangkan teknologi conversational AI. Hanya saja perbedaannya jika manusia berbicara dengan manusia lainnya, ketika kita berbicara sesuatu, lawan bicara kita akan memahami ucapan kita, memikirkan tentang respon, lalu berbicara balik kepada kita. Conversational AI masih membutuhkan waktu untuk memahami maksud dari ucapan kita sehingga percakapan tampak seperti tidak natural. Respon yang dikeluarkan oleh computer membutuhkan waktu dan membuat adanya latency. Latency membuat interaksi lebih lambar dan terasa tidak natural. Maka dari itu sekarang sedang dikembangkan bagaimana cara memangkas latency tersebut untuk membuat user experience yang lebih baik.

(diulas oleh Stephen Edward – NIM 1303172049) Link youtube : https://youtu.be.Wxi_fbQxCM0

3. Auto Machine Learnig (AutoML)

dalam upaya meningkatkan kemampuan pada kecerdasan buatan agar semakin cerdas, banyak hal yang dilakukan oleh berbagai peneliti di dunia agar hasilnya lebih maksimal. Kemampuan yang harus dimiliki oleh kecerdasan buatan adalah bagaimana dapat menyelesaikan suatu permasalahan komplek dengan cepat dan lebih pintar. Ada banyak masalah penting yang harus dipecahkan menggunakan kecerdasan buatan yaitu masalah iklim, kelaparan, pemecahan molekul kompleks, perekonomian, pertanian, dll. Berhubungan dengan

itu pihak peneliti dari perusahaan Google mengambil langkah baru dalam menyelesaikan masalah ini yaitu dengan menciptakan sebuah AutoML (Auto Machine Learning).

Sejauh yang telah kita ketahui bahwa kecerdasan buatan dibuat oleh manusia yang kemudian dilatih secara terbimbing (supervised learning) atau tidak terbimbing (unsupervised learning) agar dapat menyelesaikan suatu masalah yang telah ditentukan. Selama dalam proses belajar kacerdasan buatan agar dapat menjadi lebih pintar harus diinputkan sejumlah data latih melalui lapisan-lapisan (layer) yang direpresentasikan kedalam persamaan matematika yang terinspirasi dari jaringan saraf biologi.

Pihak pengembang kecerdasan buatan dari perusahaan Google membuat sebuah terobosan yang berbeda dari proses perancangan kecerdasan buatan yang sudah ada selama ini. Tim Google merancang sebuah kecerdasan buatan yang dinamai dengan AutoML yang mampu membuat kecerdasan buatan sendiri untuk perusahaan. AutoML dirancang menggunakan strategi pembelajaran yang dilakukan secara mendalam dan dengan data transmisi jaringan saraf yang luas. Langkah ini dibuat oleh pihak Google karena untuk membangun kecerdasan buatan membutuhkan banyak tenaga insinyur.

Hasil dari perancangan pada proyek AutoML dari Google tersebut disampaikan oleh Sundar Phicai (CEO Google) pada acara konfrensi pengembangan tahunan. Para peneliti telah mampu membuat algoritma belajar yang dapat mengotomasi salah satu bagian paling sulit dari pekerjaan merancang perangkat lunak mesin belajar (Machine Learning) untuk menangani tugas tertentu. AutoML tersebut merupakan sistem otomatis yang didesain mampu bersaing atau bahkan mengalahkan karya terbaik dari mesin belajar buatan manusia.

Kecedasan buatan yang dirancang bekerja dengan cara menciptakan model arsitektur anak jaringan saraf tiruan yang baru kemudian dapat dilatih dan dievaluasi untuk menyelesaikan suatu masalah tertentu. Respon atau umpan balik (feedback) dari jaringan saraf tiruan anak dapat digunakan untuk memberitahu ke jaringan saraf pengendali agar meningkatkan proses pada bagian selanjutnya. Proses pengulangan tersebut dilakukan hingga ribuan kali untuk menghasilkan atau memperbarui arsitektur, menguji, dan memberikan umpan balik agar terus belajar. Dan, hasil akhir dari proses tersebut dapat ditetapkan probabilitas yang paling baik ke dalam ruang arsitektur yang mampu mencapai tingkat akurasi yang lebih baik pada pengujian output jaringan sarafnya.

Kedepannya tim peneliti Google akan bekerja dan menganalisis dengan cermat dan terus menguji arsitektur AutoML yang mereka bangun tersebut. Dan juga, dengan jaringan saraf tiruan seperti ini orang-orang yang tidak mempunyai keahlian dalam membuat jaringan saraf tiruan untuk tugas mereka pun mampu menciptakannya[2][3]. Semoga dengan terus berkembangnya jaringan saraf tiruan yang lebih modern dapat dengan cepat memecahkan setiap permasalahan kompleks yang sedang melanda planet bumi kita ini.

(diulas oleh Muhamad Akbar Ridwan – NIM 1303170024)

Link youtube : https://www.youtube.com/watch?v=Y2VF8tmLFHw

4. AI for Healthcare

Kecerdasan buatan dalam perawatan kesehatan adalah penggunaan algoritma dan perangkat lunak yang kompleks, dengan kata lain kecerdasan buatan (AI) untuk meniru kognisi manusia dalam analisis, interpretasi, dan pemahaman data medis dan perawatan kesehatan yang rumit. Secara khusus, AI adalah kemampuan algoritme komputer untuk memperkirakan kesimpulan tanpa masukan manusia langsung.

Artificial Intelligence (kecerdasan buatan) pada kesehatan dapat menyederhanakan kehidupan pasien, dokter, dan administrator rumah sakit dengan melakukan tugas-tugas yang biasanya dilakukan oleh manusia, tetapi dalam waktu yang lebih singkat dan biaya yang sangat murah. Program AI telah dikembangkan dan diterapkan pada praktik seperti proses diagnosis, pengembangan protokol pengobatan, pengembangan obat, obat yang dipersonalisasi, serta pemantauan dan perawatan pasien.

AI melakukan ini melalui algoritma pembelajaran mesin dan pembelajaran mendalam. Algoritme ini dapat mengenali pola dalam perilaku dan membuat logikanya sendiri. Manfaat potensial dari AI dalam perawatan kesehatan sendiri meliputi: bantuan dengan triase kasus, pemindaian dan segmentasi gambar yang ditingkatkan, pengambilan keputusan yang didukung, integrasi dan Peningkatan workflow, prediksi risiko penyakit, dan penunjukan pasien dan pelacakan perawatan, tetapi ada juga risiko potensial dari AI pada kesehatan, seperti positif yang palsu atau negatif, kesalahan sistem, ketergantungan berlebihan, hasil yang tidak dapat dijelaskan, garis akuntabilitas yang tidak jelas, persyaratan keterampilan baru, dan sistem jaringan yang rentan terhadap serangan berbahaya.

Untuk mempelajari risiko ini, dokter harus mencari pelatihan dalam penggunaan AI dan mematuhi standar yang disediakan oleh perusahaan perangkat. pelatihan juga akan memungkinkan Dokter untuk secara penuh dan jelas mengartikulasikan potensi bahaya bagi pasien untuk mendapatkan persetujuan yang benar. AMA juga telah mengusulkan agar pelatihan AI harus dimasukkan sebagai komponen standar pendidikan kedokteran. rumah sakit dan praktik lainnya juga merupakan kunci untuk memastikan pengembangan, implementasi, dan pemantauan protokol dan praktik terbaik yang tepat untuk penggunaan sistem AI dalam perawatan Kesehatan.

(diulas oleh Fildza Sakinah Alnaz – NIM 1303174010)

Link youtube : https://www.youtube.com/watch?v=j5ASmVnATc0

5. AI for Cybersecurity

Pembelajaran mesin, khususnya, telah menjadi alat yang sangat berguna di lingkungan kerja modern kita. Singkatnya, pembelajaran mesin berarti Anda dapat membuat mesin belajar dari data dan membuat keputusan tanpa memberi tahu mereka secara eksplisit, apa yang harus dilakukan. Perusahaan keamanan cyber menangani banyak data dan data berdimensi tinggi. Pembelajaran mesin adalah yang terbaik dalam memproses data dalam jumlah besar, dan memproses data dengan cepat.

Secara tradisional, keamanan dunia maya telah melindungi perusahaan dari ancaman yang telah kita lihat sebelumnya. Namun lanskap ancaman dunia maya semakin rumit. Sulit untuk membuat aturan untuk sesuatu yang tidak kita ketahui keberadaannya. Sistem pembelajaran mesin dapat dilatih untuk menemukan serangan, yang mirip dengan serangan yang diketahui. Dengan cara ini kami dapat mendeteksi bahkan gangguan pertama dari jenisnya, dan mengembangkan langkah-langkah keamanan yang lebih baik.

Perusahaan keamanan dunia maya paling mapan memiliki sejarah panjang dalam penggunaan AI. Peneliti F-Secure Andrew Patel mengatakan:

Perusahaan keamanan dunia maya telah menggunakan teknik ilmu data untuk memproses dan menganalisis koleksi besar data intelijen ancaman baik historis maupun baru selama bertahun-tahun. F-Secure telah menggunakan algoritme pembelajaran mesin untuk menyelesaikan masalah klasifikasi, pengelompokan, pengurangan dimensi, dan regresi selama lebih dari satu dekade, dan saat ini, banyak dari kita menggunakan teknik sains data

dalam pekerjaan sehari-hari. Kemajuan terbaru dalam arsitektur jaringan saraf, seperti jaringan adversarial generatif, telah membuka jalan baru dan menarik untuk memecahkan masalah di ruang keamanan siber. Kami dengan antusias menjelajahi banyak jalur baru ini sekarang.

Solusi deteksi dan respons adalah contoh yang sangat baik dari penggunaan AI dan pembelajaran mesin. Di F-Secure, kami mengumpulkan miliaran acara setiap bulan dari komputer pelanggan kami. Hanya sebagian kecil dari peristiwa ini yang merupakan serangan nyata. Pembelajaran mesin membantu mempersempit jumlah peristiwa ke tingkat yang dapat ditangani manusia. Kemudian mungkin untuk mengidentifikasi serangan yang sebenarnya dan menahannya dengan cepat.

Termasuk dalam solusi Deteksi dan Respons Cepat, Deteksi Konteks Luas dari F-Secure menggunakan analisis perilaku, reputasi, dan data besar waktu nyata dengan pembelajaran mesin untuk menempatkan deteksi ke dalam konteks secara otomatis. Ini mengevaluasi tingkat risiko, kekritisan tuan rumah yang terpengaruh dan lanskap ancaman yang ada untuk memahami ruang lingkup serangan yang ditargetkan. Pembelajaran mesin adalah bagian integral dari solusi. Ini membantu mendeteksi dan menanggapi serangan yang ditargetkan secara efisien.

Akankah robot menggantikan ahli keamanan dunia maya di masa depan? Tidak, robot tidak akan mengambil alih dunia. Pakar manusia akan selalu dibutuhkan. Mesin tidak pernah bisa menggantikan keterampilan manusia tertentu, seperti kreativitas, kemampuan untuk memahami hal-hal baru dan mencari tahu apa yang harus difokuskan. Ada hal-hal yang bisa dilakukan mesin, seperti menelusuri sejumlah besar data, menunjukkan topik yang menarik dan membuat keputusan dengan cepat. Itulah mengapa kita membutuhkan keduanya.

Matti Aksela, VP Artificial Intelligence F-Secure, menjelaskan peran ahli keamanan dunia maya di masa mendatang sebagai "Cyber Centaur". Ini berarti menggabungkan sisi terbaik manusia dan mesin untuk melindungi pelanggan dengan lebih baik. Menurut Aksela, penjahat dunia maya kemungkinan besar juga menggunakan AI. Mereka mungkin, misalnya, ingin mempelajari email phishing mana yang paling berhasil, cara bersembunyi di dalam jaringan target selama berbulan-bulan, dan cara mengotomatiskan tindakan mereka. Untuk membangun solusi keamanan dunia maya yang lebih baik, akan menjadi lebih penting bahwa manusia dan mesin bekerja sama dan belajar dari satu sama lain di masa depan juga.

Matti Aksela, Linda Liukas, EDR, AI, kecerdasan buatan, pembelajaran mesin

Kursus Singkat Keamanan Siber F-Secure menjelaskan secara sederhana jenis ancaman yang ada di luar sana dan bagaimana ancaman itu dapat ditemukan dan dihentikan. Linda Liukas, seorang programmer, penulis buku anak-anak, dan pembicara TED, menjelajahi keajaiban keamanan dunia maya dengan talenta terbaik di industri. Dia bahkan setuju untuk mengizinkan pakar F-Secure meretasnya.

(diulas oleh Arianti Primadhani – NIM 1303174081) Link youtube :

Referensi

[1] https://youtu.be/RaJYDLbrnBQ

[2] https://www.automationanywhere.com/rpa/hyperautomation

[3]https://www.google.com/amp/s/techlign.id/mengenal-hyperautomation-strategi-teknologi- masa-depan/amp/

[4] https://youtu.be.Wxi_fbQxCM0

[5] https://www.youtube.com/watch?v=Y2VF8tmLFHw

[6] https://www.youtube.com/watch?v=j5ASmVnATc0

[7] https://builtin.com/artificial-intelligence/artificial-intelligence-healthcare [8] https://en.wikipedia.org/wiki/Artificial_intelligence_in_healthcare

[9] https://www.youtube.com/watch?v=F-9mSOpWHX8&t=50s