Ketika mendengar istilah Artificial Intelligence (AI), banyak orang mungkin langsung membayangkan ChatGPT atau chatbot lain yang dapat menjawab pertanyaan, membuat tulisan, menerjemahkan bahasa, bahkan membantu membuat program.

Kemunculan Generative AI memang membuat teknologi AI terasa seperti sesuatu yang baru.

Padahal sebenarnya, kita sudah hidup bersama AI jauh sebelum ChatGPT hadir.

AI sudah bekerja diam-diam di ponsel, aplikasi perbankan, media sosial, marketplace, layanan streaming, kamera, hingga kendaraan yang kita gunakan sehari-hari.

Kita hanya tidak selalu menyadarinya.

AI Tidak Selalu Berbentuk Chatbot

Salah satu kesalahpahaman yang cukup umum adalah menganggap AI sebagai sebuah sistem yang dapat diajak berbicara.

Padahal chatbot hanyalah salah satu bentuk penerapan AI.

Secara sederhana, AI dapat dipahami sebagai teknologi yang memungkinkan komputer melakukan tugas yang biasanya membutuhkan kemampuan manusia, misalnya:

• mengenali pola,
• memahami bahasa,
• mengenali wajah atau objek,
• membuat prediksi,
• memberikan rekomendasi,
• dan mengambil keputusan berdasarkan data.

Karena itu, sebuah sistem tidak harus bisa berbicara seperti manusia untuk disebut menggunakan AI.

Bahkan banyak AI yang kita gunakan setiap hari bekerja di belakang layar tanpa pernah menampilkan kata "AI" kepada penggunanya.

1. Rekomendasi Video dan Musik

Pernah membuka YouTube dan menemukan video yang sangat sesuai dengan minat kita?

Atau Spotify tiba-tiba merekomendasikan lagu yang ternyata kita sukai?

Itu bukan kebetulan.

Sistem rekomendasi mempelajari berbagai pola dari aktivitas pengguna, misalnya video apa yang ditonton, berapa lama kita menontonnya, konten apa yang dilewati, musik apa yang sering diputar, hingga pola pengguna lain yang memiliki ketertarikan serupa.

Dari data tersebut, sistem mencoba memprediksi:

"Konten apa yang kemungkinan besar menarik bagi pengguna ini?"

Inilah salah satu penggunaan AI yang sudah menjadi bagian dari kehidupan digital kita selama bertahun-tahun.

2. Google Maps dan Aplikasi Navigasi

Ketika Google Maps mengatakan:

"Rute tercepat saat ini membutuhkan waktu 35 menit."

Di balik informasi sederhana tersebut terdapat proses pengolahan data yang sangat besar.

Sistem dapat menggunakan informasi mengenai kondisi lalu lintas, pola perjalanan sebelumnya, posisi kendaraan, kondisi jalan, serta berbagai data lainnya untuk memperkirakan waktu perjalanan.

Sistem kemudian dapat memberikan rekomendasi rute yang berbeda ketika kondisi berubah.

Tanpa kita sadari, ketika mengikuti rekomendasi navigasi, kita sebenarnya sedang menggunakan hasil dari sebuah sistem prediksi.

3. Filter Spam pada Email

Setiap hari miliaran email dikirim di seluruh dunia.

Sebagian di antaranya adalah spam, phishing, atau pesan yang tidak diinginkan.

Jika semuanya masuk ke inbox, menggunakan email mungkin akan jauh lebih merepotkan.

Karena itu, layanan email menggunakan berbagai sistem otomatis untuk mengenali karakteristik pesan yang mencurigakan.

Sistem dapat menganalisis pola seperti isi pesan, alamat pengirim, tautan, reputasi sumber, hingga karakteristik pesan spam yang pernah ditemukan sebelumnya.

Dari pola tersebut sistem memperkirakan apakah sebuah email layak masuk ke inbox atau sebaiknya ditempatkan di folder spam.

Ini juga merupakan contoh bagaimana machine learning telah digunakan jauh sebelum era chatbot modern.

4. Kamera Smartphone

AI bahkan dapat bekerja sebelum kita menekan tombol kamera.

Smartphone modern dapat menggunakan computational photography dan machine learning untuk membantu mengenali wajah, objek, kondisi pencahayaan, serta karakteristik sebuah foto.

Ketika kita mengambil gambar pada malam hari, misalnya, perangkat dapat menggabungkan beberapa gambar dan melakukan pemrosesan agar hasil akhirnya terlihat lebih terang dan jelas.

Fitur seperti:

• pengenalan wajah,
• portrait mode,
• night mode,
• pengelompokan foto,
• pencarian foto berdasarkan objek,

sering kali memanfaatkan teknik computer vision dan machine learning.

Karena itu kamera smartphone saat ini bukan hanya perangkat untuk menangkap gambar.

Di belakangnya terdapat software yang ikut menentukan bagaimana gambar tersebut diproses.

5. Marketplace yang Mengetahui Barang yang Mungkin Kita Inginkan

Kita mencari sepatu sekali.

Beberapa saat kemudian aplikasi marketplace mulai menampilkan berbagai macam sepatu.

Kemudian muncul rekomendasi kaus kaki, pakaian olahraga, atau produk lain yang dianggap berkaitan.

Sistem rekomendasi marketplace mencoba memahami hubungan antara pengguna dan produk.

Data seperti pencarian, klik, transaksi, kategori produk, dan perilaku pengguna lain dapat digunakan untuk memperkirakan produk yang kemungkinan relevan.

Tujuannya sederhana:

menampilkan produk yang kemungkinan besar ingin kita lihat atau beli.

6. Bank Menggunakan AI untuk Mendeteksi Transaksi Mencurigakan

AI juga banyak digunakan pada sistem yang tidak terlihat langsung oleh masyarakat.

Salah satu contohnya adalah fraud detection.

Sistem dapat mempelajari pola transaksi dan mencari aktivitas yang berbeda dari pola normal.

Misalnya sebuah akun biasanya melakukan transaksi dalam jumlah kecil dari Indonesia.

Tiba-tiba muncul transaksi dalam jumlah sangat besar dari lokasi atau perangkat yang tidak biasa.

Sistem dapat memberikan sinyal bahwa transaksi tersebut perlu diperiksa lebih lanjut.

AI dalam kasus seperti ini tidak harus mengetahui secara pasti bahwa transaksi tersebut merupakan penipuan.

Sistem mencoba menemukan anomali atau pola risiko berdasarkan data yang tersedia.

7. Face Recognition

Ketika smartphone dapat dibuka menggunakan wajah, terdapat teknologi computer vision yang bekerja di belakangnya.

Sistem tidak sekadar menyimpan foto wajah lalu membandingkan dua gambar secara sederhana.

Teknologi pengenalan wajah dapat mengekstraksi karakteristik tertentu dari wajah dan mengubahnya menjadi representasi matematis.

Representasi tersebut kemudian digunakan untuk menentukan tingkat kemiripan.

Prinsip mengenali pola seperti ini merupakan salah satu kemampuan penting dalam machine learning.

8. Prediksi Kata pada Keyboard Smartphone

Cobalah mengetik:

"Besok saya akan pergi ke..."

Keyboard mungkin langsung memberikan beberapa saran kata berikutnya.

Fitur tersebut terlihat sederhana, tetapi konsep dasarnya menarik.

Sistem mencoba memperkirakan:

kata apa yang kemungkinan muncul berikutnya?

Konsep prediksi seperti ini sudah digunakan dalam berbagai teknologi bahasa jauh sebelum masyarakat mengenal ChatGPT.

Model bahasa modern membawa konsep tersebut ke skala yang jauh lebih besar dan kompleks.

Lalu Apa yang Berbeda dengan ChatGPT?

Jika AI sudah ada sejak lama, mengapa ChatGPT terasa seperti sebuah revolusi?

Salah satu perbedaannya adalah cara manusia berinteraksi dengan AI.

Sebelumnya, sebagian besar AI bekerja untuk tugas yang relatif spesifik.

Sistem rekomendasi video bertugas merekomendasikan video.

Fraud detection mencari transaksi mencurigakan.

Face recognition mengenali wajah.

Navigation system memperkirakan rute perjalanan.

Generative AI kemudian memperkenalkan pengalaman yang berbeda.

Kita dapat memberikan instruksi menggunakan bahasa sehari-hari dan meminta sistem melakukan berbagai jenis pekerjaan:

• menjelaskan sesuatu,
• membuat tulisan,
• merangkum dokumen,
• menerjemahkan bahasa,
• membantu membuat program,
• menganalisis informasi,
• hingga menghasilkan gambar.

AI menjadi jauh lebih mudah diakses oleh masyarakat.

Dari Predictive AI ke Generative AI

Sebagian AI yang kita gunakan selama bertahun-tahun dapat dianggap sebagai Predictive AI.

Tujuan utamanya adalah membuat prediksi berdasarkan pola dalam data.

Contohnya:

Data transaksi
      ↓
Machine Learning
      ↓
Apakah transaksi mencurigakan?
      ↓
Ya / Tidak

Atau:

Riwayat tontonan
      ↓
Recommendation System
      ↓
Video apa yang mungkin disukai?

Generative AI memiliki karakteristik berbeda.

Sistem tidak hanya memilih atau memprediksi kategori tertentu, tetapi dapat menghasilkan konten baru.

Instruksi pengguna
      ↓
Generative AI
      ↓
Teks / Gambar / Audio / Video / Code

ChatGPT merupakan salah satu contoh Generative AI berbasis Large Language Model (LLM).

Namun Generative AI tetap merupakan bagian dari bidang AI yang jauh lebih besar.

AI Sebenarnya Banyak Berbicara Tentang Pola

Jika seluruh contoh tadi diperhatikan, terdapat satu benang merah yang menarik.

AI sangat erat hubungannya dengan pola.

Data
  ↓
Mencari Pola
  ↓
Membuat Prediksi
  ↓
Menghasilkan Output

Sistem rekomendasi mencari pola ketertarikan.

Fraud detection mencari pola transaksi.

Computer vision mencari pola dalam gambar.

Speech recognition mencari pola dalam suara.

Large Language Model mencari pola dalam bahasa.

Tentu teknologi sebenarnya jauh lebih kompleks daripada diagram tersebut.

Namun untuk memahami AI secara sederhana, kita dapat memulainya dari gagasan ini:

AI belajar dari data untuk menemukan pola yang dapat digunakan dalam menghasilkan prediksi atau output tertentu.

Kita Sudah Lama Menggunakan AI

ChatGPT bukanlah awal dari Artificial Intelligence.

AI telah berkembang selama puluhan tahun dan perlahan masuk ke berbagai teknologi yang kita gunakan sehari-hari.

Yang berubah sekarang adalah AI menjadi jauh lebih terlihat.

Dulu AI banyak bekerja di belakang aplikasi.

Sekarang kita dapat berbicara langsung dengannya.

Dan perkembangan berikutnya bahkan mulai membawa AI dari sekadar memberikan rekomendasi atau menghasilkan jawaban menjadi sistem yang dapat menggunakan software dan melakukan serangkaian pekerjaan atas nama manusia.

Karena itu, mungkin pertanyaan yang lebih tepat bukan lagi:

"Apakah saya menggunakan AI?"

Melainkan:

"Berapa banyak AI yang sebenarnya sudah saya gunakan hari ini tanpa saya sadari?"

Penutup

Memahami AI tidak harus dimulai dengan mempelajari algoritma yang rumit.

Kita dapat memulainya dengan melihat teknologi yang sudah ada di sekitar kita.

Ketika aplikasi merekomendasikan video, kamera mengenali wajah, email menyaring spam, bank mendeteksi transaksi mencurigakan, atau peta memperkirakan perjalanan, terdapat sistem yang mengolah data dan mencoba menemukan pola untuk membantu menghasilkan keputusan.

ChatGPT membuat AI menjadi jauh lebih mudah dilihat dan digunakan.

Tetapi perjalanan AI sebenarnya sudah dimulai jauh sebelumnya.

Dan kemungkinan besar, sebagian AI yang paling sering kita gunakan justru adalah AI yang tidak pernah kita sadari keberadaannya.