RANGKUMAN WEBINAR COMMUNITY OF PRACTICE(CoP) In TECHNOLOGY/ARTIFICAL INTELLIGENCE(AI)

    

Assalamu'alaikum Warahmatullahi Wabarakatuh

  Halo Semuanyaaa!!! Berjumpa lagi dengan saya Andhika, pada blog kali ini saya akan berbagi ilmu yang baru saya dapatkan ketika mengikuti Webinar RANGKUMAN WEBINAR COMMUNITY OF PRACTICE(CoP) In TECHNOLOGY/ARTIFICAL INTELLIGENCE (AI). Yang bertujuan untuk membahas hal-hal spesifik mengenai AI demi kepentingan Indonesia Emas.

Materi 1 : Perkembangan dan Pemanfaatan AI: Perpektif Praktisi

Disampaikan oleh : Bpk. Senoyodha Brennaf, Alumni LPDP PK-26 The University of Manchester dan CEO Halal Local

Perkembangan AI dari Era Awal hingga Saat Ini

1. 1950-1970: Lahirnya AI : Alan Turing memperkenalkan "Turing Test" pada 1950, Istilah AI pertama kali diciptakan dikonferensi Dartmouth tahun 1956.
2. 1980-1990: Expert Systems: Pengembangan sistem berbasis aturan untuk menyelesaikan masalah kompleks. Komputer Deep Blue mengalahkan juara catur dunia pada 1997.
3. 2000-2010: Machine Learning : Algoritma machine learning menjadi lebih canggih, Robot dan asisten virtual mulai memasuki pasar konsumen.
4. 2011-2020: Deep Learning : Neural Networking berlapis memungkinkan pemrosesan bahasa dan pengenalan gambar. AI mencapai kemampuan manusia dalam beberapa tugas kognitif.
5. 2021-Saat Ini: AI Generatif : Chatbot canggih dan konten buatan AI menjadi mainstream. Dunia mulai mengadopsi AI secara luas di berbagai sektor.

Perkembangan Kecerdasan Buatan di Indonesia

1. 2010-2012: Pengenalan Awal : Indonesia mulai mengenal teknologi Al. Beberapa universitas memperkenalkan mata kuliah terkait kecerdasan buatan.
2. 2013-2015: Fondasi Digital: Startup teknologi bermunculan. Pemerintah mulai mengembangkan infrastruktur digital nasional. 
3. 2016-2018: Adopsi Sektor Bisnis: Perusahaan fintech dan e-commerce mengadopsi Al. Chatbot customer service menjadi tren di Indonesia.
4. 2019-2020: Strategi Nasional: Pemerintah merilis peta jalan Al nasional (RPJMN & Stranas KA). Pandemi mempercepat transformasi digital dan adopsi Al. 
5. 2021-2023: Era Generatif: Al generatif memasuki industri kreatif Indonesia. Startup Al lokal mendapatkan pendanaan signifikan. 
6. 2024-Saat Ini: Industrialisasi AI : Indonesia menjadi hub Al regional. Integrasi Al dalam manufaktur dan pertanian meningkatkan produktivitas.

Pemanfaatan AI di Berbagai Industri

1. Industri Keuangan : Deteksi fraud dengan machine learning. Algoritma AI mendeteksi 90% transaksi fraud (Sumber: ACFE, 2022).
2. Industri Manufaktur : Otomasi proses produksi dengan robot AI. Efisiensi naik 20% (Sumber: Deloitte, 2023).
3. Industri E-Commerce : Personalisasi rekomendasi produk. Penjualan meningkat hingaa 35% (Sumber: McKinsey, 2021).

Tren AI Terkini: Apa yang Sedang Hangat?

1. Generative AI : DALL-E, ChatGPT, Midjourney menciptakan creative content (OpenAl, 2023). Teks, gambar, dan coding bisa digenerate. 
2. AI untuk Cybersecurity  : Al mendeteksi dan mencegah ancaman cyber (Trend Micro, 2023). Deteksi pelanggaran rata-rata 277 hari (IBM, 2022). 
3. AI dalam Healthcare : Diagnosis penyakit dan personalisasi perawatan (WHO, 2023). Akurasi diagnosis naik 30% (Radiological Society of North America, 2021).

10 Penggunaan Generative AI di Kehidupan Sehari-hari

• Penulisan Konten Kreatif : Membuat artikel, cerita pendek, dan naskah iklan secara instan. 

• Kreasi Visual : Menghasilkan gambar, ilustrasi, dan desain grafis dari deskripsi teks. 

• Coding dan Pemrograman : Membantu menulis, mengoreksi, dan mengoptimalkan kode program, 

• Pembuatan Presentasi : Menghasilkan slide presentasi profesional dengan cepat dan efisien. 

• Personalisasi Pengalaman : Menyesuaikan konten dan rekomendasi berdasarkan preferensi pengguna

• Penerjemahan Bahasa : Menerjemahkan teks antar bahasa dengan hasil yang lebih alami. 

• Komposisi Musik : Menciptakan melodi dan aransemen musik dalam berbagai genre. 

• Ringkasan Informasi : Merangkum artikel panjang atau laporan menjadi poin-poin utama. 

• Analisis Data : Menginterpretasi dan memvisualisasikan data kompleks menjadi informasi bermanfaat. 

• Edukasi Interaktif : Menciptakan materi pembelajaran yang disesuaikan dengan kebutuhan siswa.

Tantangan Implementasi AI

1. Kualitas Data : Membutuhkan data berkualitas tinggi. Data harus bersih dan relevan.
2. Privasi Data : Masalah privasi dan keamanan data penting. Perlindungan data menjadi prioritas.
3. Keterampilan : Keterampilan tenaga kerja perlu diperbarui. Pelatihan AI diperlukan.

Dampak AI pada Lapangan Kerja

Peluang Karir Baru di Era AI Generatif

Kesimpulan

• Pembelajaran : Pentingnya pembelajaran berkelanjutan. Ikuti perkembangan terbaru.
• Kolaborasi : Kolaborasi lintas displin diperlukan. Hadirkan tim yang beragam.
• Etika : Tanggung jawab etis dalam pengembangan dan penerapan AI. Pertimbangkan dampak sosial.

Materi 2 : Intellegence

Disampaikan oleh : Bpk. Budi Raharjo, Technopreneur dan CEO Indocisc

Contoh Artifical Intelligence

INTELLIGENCE

 Karena terlalu obses dengan AI manusia menciptakan Mechanical Turk yang sebenarnya dijalankan oleh orang didalamnya, dan pada akhirnya yang pertama muncul yaitu Chatbot. " Machines that can perform tasks that are characteristic of human intelligence ". by  John McCarthy in 1956.

 Sekarang yang ada yaitu Narrow AI yang hanya bisa sepentas atau spesific dan yang belum ada yaitu General AI yang bisa melakukan hal lebih baik. Singularitas ?

 Secara singkat pada zaman dulu AI hanya sepintas pengetahuan atau pnelitian yang hanya dianggap bohong, Lalu pada zaman 1980 muncul lagi Machine Learning yang bisa mendeteksi spam dan mati lalu muncul lagi pada 2010 yaitu DEEP LEARNING.

 

Mungkin apabila didefinisikan AI sebagai berikut:

Berikut cara menghitungnya:

Prumpamaan untuk memunculkan angka 3 dengan AI:

DEEP LEARNING EXAMPLE

KEBUTUHAN DATA SET

• Dalam komputer vision (image & video analysis), dibutuhkan data set dalam bentuk video dan foto dalam jumlah banyak.
• Foto obyek tertentu harus dikumpulkan dan ditandai (tag, label, anotation).
• Sudah ada beberapa tempat yang menyediakan data set umum, tetapi data set yang khusus tidak tersedia. Dikarenakan Masalah hukum atau peraturan, misalnya terkait kerahasiaan atau privasi dari data.

Summary: AI Requirements

• Infrastruktur Komputasi AI : 1. GPU yang banyak (mahal) untuk learning atau training, 2. Solusi: Bekerjasama dengan penyedia jasa & produk komputasi.
• Data Set : 1. Peneiti (researcher) @ kampus, 2. Perusahaan AI, 3. SMK AI
• Arsitektur & Learning Algorithm : Peneliti
• AI Applications : AI Dev

AI Issues

• Mengapa Ai penting bagi suatu negara? Advantages: economic, politic, national security, kemandirian, ...
• AI Problems : transparancy, bias, ethics,....
• Are we serving machines (not human/humanity)?

Materi 3: Recent Trends on AI and Applications: Posible Colaborations

Disampaikan oleh : Bpk. Khoirul Anwar, Penemu Tekhnologi 4G Lite

Dimana koneksi Telekomunikasi dengan AI?

  Diibaratkan Telekomunikasi sebuah Pohon, Akar adalah Information Teory, Machine Learning, Fundamental Research, Signal Processing sedangkan Batang adalah Coding Theory, dan Buah adalah Applications, Products dan Devices. Dan sekarang yang dipakai atau digunakan oleh masyarakat hanya lah buahnya saja. Jadi diibaratkan akar menjadi penopang untuk menghasilkan buah-buahan. 

Technologies Evolutions of The Era

• Artifical Superintelligence (ASI) pada 2023 di Kiela perkembangan AI mampu melebihi kemampuan manusia. Dan pada 2025 dugaan akan diimprove oleh manusia.
• Untuk Machine dalam Telekomunikasi Mulai 1G hingga 8G pada 2050 setiap perkembangan berbentuk gelombang S dikatakan bahwa setiap waktu akan terdapat inovasi baru, jadi kesimpulan yang bisa diambil jangan pernah berhenti berinovasi.
• Dalam konteks complemensity Quantum machine bisa menyelesaikan task hanya dalam 200 detik sedangkan supercomputer classic butuh waktu 10.000 tahun.
• Dalam Diagram 6G memiliki 2 diagram. Memiliki 15 capabilities dan 9 dari itu dikembangkan dari 5G dan AI diperlukan untuk hal tersebut.
• Isu yang membedakan 6G yang lain yaitu Intelligence dan Security.
• Pada 6G perkembangan terdapat pada Quanum Chanel.
• Quantum Chanel menjadi pilihan pada 6G karena tidak bisa disadap.
• AI diperlukan untuk Non-Linear Problem dan untuk Linear hanya perlu mencari intinya.
• Contoh pada sebuah hasil pertandingan, G 1-2 J lalu J 0-1 C sedangkan G 4-2 C. Hal tersebut membingungkan AI.
• Jadi Machine Learning hanya mencari di Optimal Value.

Materi 4: Membangun Model Pengaturan AI di Indonesia

Disampaikan oleh : Bpk. Josua Sitompul, Awarde LPDP PK-30 Lentera Nusantara.

• Asumsi Dasar

1. Selalu ada usaha untuk menerapkan inovasi tekhnologi baru dalam berbagai sektor atau industri.
2. Pemerintah memfasilitasi pemanfaatan tekhnologi.
3. Pemerintah melindungi masyarakat dari penyalahgunaan tekhnologi.

• Penerapan Tekhnologi AI dari Everett M. Rogers : 

1. Inovators yaitu orang yang membangun tekhnologi dari awal, 
2. Adopters yaitu orang yang menerapkan teknologi baru di berbagai bidang tertentu (visioner), 
3. Majority yaitu orang atau perusahaan yang memiliki kapital besar untuk membawa tekhnologi ini ke skala komersialisasi, 
4. Dan pada akhirnya ke orang yang hanya mengikuti saja.

• Tantangan

1. Transparansi dan dapat dijelaslkan
2. Bias dan Manipulasi
3. Profilling dan Surveilance
4. Pelanggaran privasi dan data pribadi
5. Fasilitasi tindak pidana
6. Kontrol dan pengawasan Manusia

• Lanskap Pendekatan AI

1. Pengaturan dan tata AI terfragmentasi.
2. Hubungan dan ketegangan.
3. Perbedaan standard.
4. Ketidakseimbangan kekuasaan dan pengetahuan antara pemerintah dan perusahaan AI.

• Regulasi & Kebijakan Ekisting terkait AI

1. Spesifik: SE Kominfo 9/2023 tentang Etika Kecerdasan AI
2. Umum: UU Informasi dan Transaksi Elektronik, UU Perindustrian,....

• Stranas AI 2020-2045 berfokus pada:

1. Etika dan Kebijakan
2. Riset dan Inovasi Industri
3. Talenta
4. Infrastruktur Data

• Pendekatan Regulasi

1. Sandbox: Flexibilitas, Prototype, Evaluation, New decision maing
2. Heuristic: Prior information/facts, Not making holistic decision, Default Opinion, Progressive.

• Untuk Kedepannya:

1. Pengembangan model pengaturan AI di Indonesia membutuhkann waktu untuk mencari 'model' pengaturan yang tepat dan kontektual.
2. Dalam pencarian model yang tepat, saat ini dibutuhkan pendkatan heuristic progresif, dan bukan komprehensif.
3. Pengaturam dan pengembangan kebijakan di masing- masing sektor diperlukan dalam membangun dan menentukan aah model pengaturan AI yang tepat.

  Sekian itu saja dari saya, semoga semua ilmu yang telah kita pelajari bisa bermanfaat bagi diri kita sendiri dan orang-orang disekitar kita, jangan lupa untuk selalu berdoa dan ikhtiar.

  Apabila berkenan, Silahkan tinggalkan komentar mengenai blog kali ini, itu akan menjadi revisi untuk saya dalam membuat blog kedepannya. 

  Apabila pada blog ini terdapat kata atau penyampaian yang kurang jelas ataupun salah, saya selaku pemilik blog ini, meminta maaf sebesar-besar. 

Terimakasihh.... 

Assalaamu'alaikum wa rahmatullahi wa barakaatuh.

https://radnet-digital.id/