Tags Posts tagged with "machine learning"

machine learning

Ilustrasi kecerdasan buatan.

Jika ada kesempatan menggunakan speaker cerdas Amazon Echo, cobalah memintanya menyanyikan sebuah lagu. Lalu, jika tidak puas, cobalah “mengolok-oloknya” dengan mengatakan “Alexa, you’re very stupid”. Anda mungkin akan terkejut bahwa perangkat ini akan menjawab dengan beberapa cara, salah satunya dengan mengatakan “That’s not a very nice thing to say”. Jawaban yang cukup cerdas bukan?

“Kecerdasan” speaker cerdas semacam Amazon Echo dan Google Home merupakan bukti bahwa penerapan kecerdasan buatan (artificial intelligence) sudah kian meluas.

Di Google, yang setiap saat kita gunakan untuk mencari informasi, khususnya dengan memanfaatkan fitur speech recognition, teknologi kecerdasan buatan telah diterapkan sejak lama. Demikian pula ketika Anda ingin mencocokkan sebuah gambar dengan Google Images, kecepatan dan keakuratan hasil pencarian dimungkinkan berkat kecerdasan buatan.

Kalahkan Manusia

Di sektor jasa asuransi misalnya, kecerdasan buatan bisa menghemat proses penghitungan klaim bagi nasabah, yang selama ini masih dilakukan oleh manusia, walaupun dibantu oleh peranti lunak khusus.

Sementara itu, International Business Machine (IBM) makin serius mengembangkan komputer super Watson. Hingga kini, IBM mengklaim telah meningkatkan kemampuan Watson di tingkatan kuantum yang dapat diakses oleh publik di website mereka.

Google juga sedang mengembangkan DeepMind, sistem kecerdasan buatan yang pengerjaannya dilakukan sejak tahun 2014. Pada Maret 2016, DeepMind dengan peranti lunak AlphaGo mengalahkan Lee Sedol dalam lima putaran permainan Go, catur klasik Cina. Kompleksitas game ini diklaim melebihi permainan catur biasa. Lee Sedol adalah pemain Go profesional peringkat ke-9 dunia asal Korea Selatan.

Nah, seiring meningkatnya penggunaan kecerdasan buatan di berbagai bidang, kali ini kami akan memaparkan beberapa perusahaan atau lembaga yang telah menerapkan sistem kecerdasan buatan secara nyata.

Mengingat jumlahnya sangat banyak, kami meringkasnya berdasarkan tingkat kemenonjolannya dalam beberapa kategori industri.

Penerapan di Media Massa

Kecerdasan buatan sangat efektif diterapkan di bidang media massa untuk meningkatkan kecepatan dan keakuratan berita bagi audiensi. Pada 6 September 2016, France Info, perusahaan yang menaungi Radio France bekerja sama dengan Dataminr untuk melakukan itu.

Dataminr mendapatkan data dari 500 juta status pengguna Twitter dan sumber informasi lainnya yang disaring berdasarkan topik, waktu, dan wilayah. Data itu secara otomatis terkirim kepada klien secara real time. Dengan cara itu, pengelola France Info mampu memberikan informasi secara lebih akurat, relevan, dan lebih awal kepada audiensinya.

Ilustrasi mekanisme pengunaan Dataminr di industri media massa.

Contoh penerapan konkretnya adalah ketika terjadi badai gurun yang menghantam sebagian wilayah Timur Tengah termasuk pantai barat India pada 6 April 2015.

Hindustan Times yang menggunakan layanan Dataminr, mendapatkan informasi awal itu dari status Twitter seorang pelancong yang kebetulan berada di tengah-tengah badai menggunakan angkutan umum. Menggunakan layanan peta di Dataminr, redaksi Hindustan Times mendapati bahwa pelancong tersebut sedang di wilayah Rajasthan, India. Dari pelancong itu pulalah redaksi mendapatkan foto-foto eksklusif peristiwa tersebut.

Dataminr didirikan pada tahun 2009 di New York Amerika serikat oleh Ted Bailey, Jeff Kinsey, dan  Sam Handel. Pada 2014, CNBC menobatkan Dataminr sebagai salah satu dari lima puluh perusahaan dunia paling disruptif, sebab memiliki kelebihan dan keunikan algoritma dalam mencari dan mengumpulkan data (dibandingkan dengan Google, IBM, dan Salesforce.com).

Penerapan di Bidang Analisis Keuangan

Pada November 2014, Goldman Sachs memutuskan menggelontorkan dana investasi sebesar US$15 juta kepada Kensho, sebuah perusahaan rintisan di Amerika Serikat yang didirikan oleh Daniel Nadler.

Alasannya sederhana yakni Kensho memproduksi peranti lunak cerdas Warren yang mampu menampilkan informasi lengkap dan akurat seputar peristiwa keuangan terkini, termasuk analisis dan prediksi. Goldman Sachs, CIA, JP Morgan Chase, Bank of America dan CNBC adalah tiga perusahaan dari sekian banyak perusahaan yang menjadi klien Kensho.

Ilustrasi mekanisme aplikasi Kensho Warren di bidang analisis keuangan.

Daniel Nadler mendapatkan ide pembuatan Warren, ketika pada tahun 2013 ia menjadi mahasiswa magang di Boston Federal Reserve. Di sana ia mendapati bahwa beragam peristiwa yang terjadi saat ini dan di masa lalu menjadi faktor penentu sangat besar bagi seseorang dan perusahaan untuk memutuskan langkah-langkah investasi yang tepat. Peristiwa ini misalnya fluktuasi harga minyak di Timur Tengah dan pemilihan umum di Eropa.

Dari sana timbul pertanyaan: “Kapan pertama kali peristiwa itu terjadi?” atau “Bagaimana dampak peristiwa itu terhadap pasar?” Warren menjawab pertanyaan-pertanyaan itu dengan jawaban yang eksak, tidak seperti hasil pencarian mesin pencari biasa yang menampilkan hasil analisis yang sudah ada sebelumnya.

Warren mampu menjawab hingga 65 juta pertanyaan dengan menganalisis keterkaitan di antara lebih dari 90 ribu data yang meliputi data bencana alam, perkembangan politik, performa keuangan perusahaan, peluncuran produk baru, hingga keputusan-keputusan yang diambil lembaga pemerintahan.

 

Kepada Warren, Anda dapat mengetikkan beragam pertanyaan-pertanyaan yang sangat kompleks (natural languange) dengan jawaban yang eksak.

Misalnya (dalam bahasa Inggris): which cement stocks go up the most when a Category 3 hurricane hits Florida? (jawaban: Texas Industries), which defense stocks go up when North Korea fires a test missile? (jawaban: Raytheon, General Dynamics, Lockheed Martin), atau which Apple supplier’s share price goes up the most when the company releases a new iPad? (jawaban: OmniVision).

Penerapan di Bidang Manajemen

Pada 22 Desember 2016, Bridgewater Associates mengumumkan pengembangan peranti lunak untuk memenuhi kebutuhan manajemen, seperti rekrutmen karyawan dan keperluan pembuatan keputusan strategis.

Bridgewater Associates menilai bahwa dengan kehadiran kecerdasan buatan itu, karyawan lain bertugas untuk menetapkan kriteria apa saja yang dimasukkan ke dalam algoritma peranti lunak tersebut, termasuk, tentu saja mengawasi pelaksanaannya.

Tim pembuat program, yang sejak awal 2015 dibentuk, dikepalai oleh David Ferrucci yang juga terlibat dalam pengembangan IBM Watson. Program awal itu dinamakan PriOS. Tujuannya, membuat sekitar ¾ keputusan manajemen yang dapat digunakan hingga lima tahun mendatang.

Kemampuan ini dapat membantu perusahaan merekrut karyawan yang tepat untuk bidang pekerjaan khusus. Hasil pemeringkatan kemudian dikaji kembali oleh beberapa anggota tim, jika terdapat ketidaksetujuan tentang cara-cara untuk memprosesnya.

Pembuatan program ini dianggap sebagai langkah yang tepat untuk menghindari ketidaktepatan manusia saat mengambil keputusan, yang tidak jarang dipengaruhi oleh kondisi hati dan kejiwaanya. Bagi Bridgewater Associates, sebagai perusahaan terkait pengelolaan keuangan terbesar di dunia, keputusan yang keliru sangat menentukan keberlangsungan kinerja perusahaan.

Perusahaan konsultan Huge, yang pernah melayani Nike, Google, dan Gedung Putih, merasa perlu membuat Dakota. Untuk memenuhi kebutuhan tertentu, Dakota membantu Huge untuk memilih karyawan yang tepat yang akan melakukan presentasi.

Dakota memeriksa terlebih dahulu pangkalan data yang berisikan dokumen riwayat hidup para karyawan, lalu menginformasikan siapa saja yang cocok bertemu calon klien, termasuk materi–materi yang patut dipresentasikan.

Dakota juga bisa mencari profil tentang rekanan yang cocok digandeng untuk sebuah proyek. Huge sedang mengembangkan Dakota agar tidak sekadar menerima perintah teks melalui SMS, tetapi bisa mengenali perintah suara, dan tampilan visual.

Penerapan di Bidang Pemasaran

Netflix pun tak ingin tertinggal dan mencoba melibatkan kecerdasan buatan agar mereka bisa benar-benar memahami kebutuhan pengguna. Sebelumnya, untuk mengukur minat penggguna, Netflix mengandalkan sistem rating, berbasis banyaknya bintang yang diberikan pengguna kepada setiap film yang disukainya. Itulah yang dijadikan rujukan analisis dan prediksi tentang pengguna.

Masalah pun muncul ketika tidak semua orang ingin menonton film dengan rating lima bintang. Seorang pengguna barangkali memberikan lima bintang pada film The Godfather dan memberikan tiga bintang pada film serial Friends, tetapi lebih tertarik untuk menonton Friends.

Dengan kecerdasan buatan, Netflix mengumpulkan data dari 83 juta pengguna, berupa jumlah play, pause, klik, dan penelusuran. Peranti lunak mempelajari data ini dan menggabungkan dengan kesamaan ciri antarpengguna dan kelompok pengguna untuk mencari pola tertentu, kemudian membuat sebuah prediksi.

Fitur Discovery di Spotify berbasis kecerdasan buatan untuk mengenali selera musik pengguna.

Di lain pihak, pada Mei 2016, Spotify mengumumkan keberhasilannya dalam menerapkan fitur Discovery Weekly Playlists, yang mencapai 40 juta pengguna aktif. Sejak diluncurkan pada Juli 2016, jumlah track lagu yang tersedia di sini mencapai lima juta dengan jumlah penayangan mencapai 1,5 miliar. Jumlah pengguna unik itu melebihi separuh dari jumlah anggota Spotify yang kini mencapai 70 juta.

Menerapkan kecerdasan buatan dengan algoritma yang lebih rumit berbanding Netflix, Spotify menganalisis riwayat musik yang telah dimainkan, tetapi difokuskan pada musik yang didengar paling akhir.

Katakanlah Anda sedang mendengarkan lagu Burn karya Deep Purple. Sistem kemudian mencari lagu lain yang mirip (baik dari segi nama penyanyi, judul, genre dan subgenre) di antara jutaan playlist yang dibuat oleh pengguna lainnya.

Setelah ditemukan dan cocok dengan profil akun Anda, lagu tersebut secara otomatis dimasukkan ke dalam playlist Anda sebagai lagu yang belum pernah Anda dengar sebelumnya, tetapi berpeluang besar untuk Anda dengarkan.  

Penerapan di Bidang Kesehatan

Selain mampu mengindentifikasi perawatan penyakit kanker dan menang pada kuis Jeopardy, IBM Watson juga mampu membantu penelitian baru, yaitu neuroscience.

Pada Desember 2016, IBM mengumumkan keberhasilannya dalam menemukan lima gen yang terkait dengan ALS (amyotrophic lateral sclerosis). Ini merupakan sebuah penyakit degeneratif, di mana sel yang mengontrol pertumbuhan otot berada dalam kondisi mati. Ini yang membuat penderitanya lumpuh bahkan meninggal dunia.

Hasil kerja sama IBM dengan Barrow Neurological Institute itu “melatih” Watson dengan cara mempelajari semua literatur ALS yang ada selama ini dan mengenali lebih jauh jenis protein tertentu. Protein ini dicurigai memiliki hubungan erat dengan penyebab ALS.

Asisten Suara IBM Havyn yang Berbasis IBM Watson

IBM Watson kemudian memeringkat sekitar 1.500 data gen manusia dan menganalisisnya untuk memastikan apakah protein ini memang terkait dengan ALS. Hasilnya adalah sebanyak 8 dari 10 gen terkait ALS sedangkan 5 gen lainnya tidak terkait sama sekali. Hasil positif ini sangat membantu peneliti dan dokter dalam memberikan perawatan yang tepat bagi penderita.

Tanpa IBM Watson, penelitian serupa bisa berlangsung bertahun-tahun. IBM Watson di lain pihak mampu melakukannya hanya dalam beberapa bulan.

Penerapan di Bidang Manajemen Peralatan

Teknologi canggih lainnya yang menggunakan kecerdasan buatan adalah teknologi digital twin yang dikembangkan secara ambisius oleh General Electric (GE).

Digital twin adalah peranti lunak khusus untuk melakukan fungsi manajemen peralatan, khususnya pengendalian dan pengawasan yang dapat dilakukan secara virtual. Katakanlah Anda merupakan seorang manajer pabrik yang sedang berada di luar kota. Namun, bawahan Anda sangat memerlukan pertimbangan Anda tentang pipa turbin yang mengalami keretakan, yang kemungkinan besar menghambat proses produksi.

Daripada sekadar mengirimkan informasi tersebut dalam bentuk teks dan foto, dengan digital twins, Anda dapat “mengunjungi” pabrik melalui laptop atau komputer tablet. Dari sana, informasi lebih lengkap dapat dilihat, mulai dari informasi terkini dalam bentuk teks, gambar asli, dan gambar keretakan virtual secara 3D.

Tidak hanya itu, dengan suara, Anda dapat memerintahkan digital twins untuk mencari beragam rekomendasi pemecahan masalah yang mungkin bisa dijadikan acuan, termasuk perkiraan berapa lama masalah tersebut dapat diselesaikan, lengkap dengan anggaran biayanya. Semua itu dijawab layaknya Anda berbicara dengan orang lain. Jikalau ingin mengintegrasikannya dengan kacamata virtual, itu tidak menjadi masalah.

Ilustrasi digital twins dari GE.

Kecanggihan digital twins, khususnya tentang pencarian solusi atas masalah, dimungkinkan dengan “melatih” peranti lunak dengan jutaan data yang dimiliki perusahaan atau sumber data yang lain yang terkait.

Terdapat tiga aspek mendasar di balik digital twins: pertama, See, data (jenis dan suku cadang alat, dan lain-lain, termasuk sensor yang ditempatkan pada alat secara langsung) yang dijadikan pembuatan model, lalu solusi. Hal itu dilakukan dengan cara memutakhirkan (update) data dan metode pembelajaran.

Kedua, Think, di mana peranti lunak mencari rasionalisasi (reasoning) yang paling masuk akal atas sebuah masalah lalu mengoptimalkannya. Ketiga, Do, memprosesnya menjadi informasi (teks,suara, dan gambar).

Masa Depan di Tangan Mesin

Kecerdasan buatan mampu meningkatkan kompetisi bisnis perusahaan dan membuatnya memenangkan pasar. Namun, di sisi lain muncul kekhawatiran baru terhadap meningkatnya jumlah pengangguran. Pasalnya, perusahaan tidak perlu lagi merekrut karyawan tambahan.

Menurut laporan Gartner pada tahun 2014, pada tahun 2029 nanti, sepertiga profesi manusia akan digantikan oleh peranti lunak, robot, dan mesin cerdas. Di tahun yang sama, seperti yang diungkapkan Ray Kurzweil (Director of Engineering Google), tingkat kecerdasan buatan akan menyamai kecerdasan manusia. Selain itu, peningkatan kemampuan komputer kuantum pada beberapa dekade mendatang akan mengubah lanskap peradaban manusia seutuhnya, khususnya untuk menguak misteri alam semesta.

aviationvoice.com

Ancang-ancang mengantisipasi kelangkaan pilot di masa depan, Boeing mulai mempelajari kemungkinan menerbangkan pesawat jet komersial dengan kontrol otomatis berbasis Artificial Intelligence.

Building block teknologi untuk autonomous flight sebenarnya sudah dibenamkan pada pesawat-pesawat masa kini. Misalnya, dalam penerbangan jarak jauh, pilot dapat memanfaatkan fungsi autopilot.

Fungsi auto-land mungkin jarang kita dengar, tetapi fungsi ini dapat digunakan pilot ketika visibilitas sangat rendah akibat cuaca buruk. Auto-land barangkali fungsi yang paling mendekati autonomous flight karena sistem bereaksi terhadap perubahan-perubahan di sekitarnya.

Fungsi auto-takeoff pun sebenarnya tersedia di jajaran pesawat Boeing, tapi pilot tidak diizinkan menggunakannya karena integritas sistem yang dianggap belum menyamai kemampuan pilot.

“Kalau ingin karier (pilot) berakhir, bisa saja pilot membawa (Boeing) 777 dan melakukan takeoff otomatis,” ujar Mike Sinnett, mantan Chief Engineer 787 Dreamliner dan saat ini menjadi Vice President untuk Future Innovative Technologies, Boeing, seperti dikutip dari situs The Seattle Times.

Sinnet mengungkapkan bahwa sistem penerbangan otomatis itu direncanakan memasuki tahap simulasi tahun ini. Tahun depan, sistem akan diujicoba di pesawat sungghan sebagai penerbangan eksperimental dengan membawa hanya pilot dan mekanik.

Dengan adanya rencana ini, akan terjadi sebuah transisi. Kalau dulu maskapai harus mencari penerbang atau pilot mahir untuk mengoperasikan si burung besi, di masa depan mereka membutuhkan sistem yang sanggup menerbangkan pesawat secara swakemudi.

“Jika kita dapat melakukannya dengan tingkat keamanan yang sama. That’s a really big if,” ujar Sinnet seperti dikutip dari situs ITWire.

Manfaatkan AI dan Machine Learning

Mike Sinnett menjelaskan bahwa syarat utama lolosnya pesawat jet komersial dalam proses sertifikasi saat ini adalah sistem yang bekerja secara deterministik. Artinya sistem penerbangan harus bisa memberikan hasil yang sama untuk satu set input yang diberikan.

Sebaliknya, mesin yang bersifat autonomous harus mampu merespon secara non deterministik atau bereaksi terhadap situasi yang mungkin tidak atau belum diprogram ke dalam sistemnya. “Oleh karena itu kami sedang melakukan eksplorasi awal terhadap machine learning dan artificial intelligence,” jelas Sinnett.

Ilustrasi Pabrik Boeing

Bayangkan ketika pesawat swakemudi menghadapi situasi seperti yang dialami Kapten Chesley Sullenberger di New York City pada tahun 2009. Pilot US Airways ini terpaksa mendarat darurat di Sungai Hudson setelah kedua mesin pesawat Airbus A320 yang ia terbangkan rusak akibat bertabrakan dengan sekelompok angsa.

“Rasanya kami belum cukup cerdas untuk melakukan pre-programming hal-hal semacam itu,” cetus Mike Sinnett. Membangun sistem atau mesin cerdas dan memiliki perilaku non-deterministik adalah tantangan terbesar yang dihadapi Boeing dalam rangka mewujudkan autonomous flight.

Jadi, jangan berharap pesawat jet komersial tanpa pilot segera hadir karena algoritmanya masih dibangun. Sistem perlu waktu untuk mempelajari berbagai macam skenario yang mungkin dihadapi dalam penerbangan sungguhan.

Autonomous flight dilirik Boeing setelah melihat tren kelangkaan pilot  secara global yang diramalkan akan semakin memburuk. Dalam kurun dua dekade, Boeing memprediksi adanya permintaan pesawat jet komersial baru sebanyak 40 ribu unit. “Dari mana memperoleh pilot berpengalaman sebanyak itu?” tutup Mike.

Ilustrasi Gmail

Para hacker kerap menggunakan malware dan menanamkannya ke dalam email korban untuk melancarkan aksi jahatnya. Email adalah pintu pertama penyebaran malware yang sangat merugikan korbannya.

Google menggunakan teknologi machine learning untuk meningkatkan sistem keamanan Gmail terbaru sehingga bisa mendeteksi phishing dan spam sejak awal. Bahkan, teknologi machine learning itu memiliki tingkat akurasi lebih dari 99,9 persen dalam memblokir spam dan e-mail phishing di Gmail.

Cara kerjanya, teknologi machine learning berkolaborasi dengan teknologi Google Safe Browsing untuk mencari dan flags URL yang dianggap phishy serta menambahkan peringatan balasan eksternal ke Gmail.

Teknologi itu juga akan mengklasifikan semua ancaman dengan menggabungkan sekumpulan sinyal spam, malware, dan ransomware dengan attachment heuristics dan tanda tangan pengirim.

Google mengklaim sistem pertahanan baru itu akan membantu Gmail memblokir lebih banyak e-mail yang berpotensi membahayakan pengguna dengan cara tertentu seperti dikutip TechCrunch.

Tak hanya itu, Gmail juga mampu memblokir file yang memiliki potensi virus atau ransomware di lampiran email.

Pengguna pun akan bisa melakukan two-factor authentication di akun Gmail sehingga Anda bisa melakukan backup lewat fitur tersebut.

IBM Watson

ABB menggandeng International Business Machines (IBM) untuk mengembangkan teknologi digital dan internet of things (IoT). ABB akan mengombinasikan data digital seperti machine learning dan keahlian IBM dalam kecerdasan buatan seperti software data analitik Watson.

Kedua perusahaan itu akan bekerjasama mengembangkan dan menjual sebuah produk terbaru.

“Duet maut ini akan membawa industri teknologi ke level yang baru dan melewati sistem konektivitas saat ini. Penggunaan machine learning dapat menganalisa dan mengoptimalisasi,” kata Ulrich Spiesshofer (Chief Executive ABB) seperti dilansir Reuters.

Misal, dalam inspeksi mesin secara manual, ABB dan IBM akan memanfaatkan kecerdasan buatan Watson untuk menemukan kelemahan yang ada di dalam data dan menganalisanya menggunakan IBM Watson.

ABB telah mengidentifikasikan teknologi digital yang memungkinkan mesin berhubungan dengan pusat kontrol untuk meningkatkan produktivitas dan memaksimalkan waktu. Saat ini 55 persen penjualan produk ABB sudah Digital.

ABB juga menggande Microsoft tahun lalu dan menggulirkan produk digital untuk konsumer yaitu robot, mobil listrik, energi terbarukan dan kelautan. ABB juga menggandeng Cicso untuk memasarakan produk-produknya.

Ilustrasi serangan jantung

Penyakit jantung adalah satu penyakit yang mematikan bahkan ada 20 juta orang mati setiap tahunnya karena penyakit kardiovaskular.

Agar tidak jatuh banyak korban lagi, tim peneliti University of Nottingham di Inggris mengembangkan algoritma berbasis kecerdasan buatan dan machine learning yang mampu memprediksi kemungkinan seseorang terkena serangan jantung atau stroke dengan tingkat akurasi yang lebih cermat dari dokter.

American College of Cardiology/American Heart Association (ACC/AHA) menggunakan patokan umur, tingkat kolesterol dan tekanan darah untuk memprediksi risiko seorang pasien terkena penyakit kardiovaskular.

Namun, ketepatan sistem itu menebak risiko seseorang berada pada tingkat 72,8 persen. Di bidang medis, angka itu memang tergolong cukup akurat, namun para peneliti di Inggris masih merasa belum puas.

Meski cukup akurat, Stephen Wang dan timnya masih mencari cara yang lebih baik untuk memperkirakan risiko seseorang terkena penyakit kardiovaskular. Kemudian, tim Wang memasukkan data sebanyak 378.256 pasien yang ada di Inggris. Hasil algoritma secara signifikan mengungguli pedoman AAA/AHA, mulai dari akurasi 74,5 ke 76,4 persen.

Menariknya, sistem AI mampu mengidentifikasi sejumlah faktor risiko yang tidak tercakup dalam ilmu kedokteran yang sudah ada, seperti penyakit mental yang berat dan konsumsi kortikosteroid oral.

“Ada banyak interaksi dalam sistem biologi. Itulah realitas tubuh manusia untuk mengeksplorasi hubungan mereka,” ujar Wang seperti dikutip IB Times.

Selain di bidang medis, saat ini sudah banyak teknologi kecerdasan buatan yang dipakai manusia. Misalnya, robot Asimo yang bisa menari dan berjalan. Di industri otomotif, ada teknologi komputer yang mampu mengolah data dengan cepat untuk memberikan peringatan pada pengemudi mobil untuk menghindari terjadinya tabrakan.

Adobe Sensei yang berbasis teknologi kecerdasan buatan (AI) dan machine learning mampu menyulap foto selfie menjadi lebih cantik alami.

Selfie sudah menjadi tren dan budaya di era digital. Namun, saat ini kualitas foto selfie kurang bagus dan alami serta bagian wajahnya cenderung bulat karena terkendala kemampuan lensa kamera smartphone. Jauh berbeda ketika foto selfie diambil dengan lensa portrait dari kamera digital.

Melihat hal itu, Adobe tertarik untuk membuat aplikasi mempercantik foto selfie. Perusahaan di balik software Photoshop itu sedang mengembangkan platform Adobe Sensei yang berbasis teknologi kecerdasan buatan (AI) dan machine learning untuk menyulap foto selfie menjadi lebih cantik alami.

Hebatnya, platform Adobe Sensei mampu mengenali wajah objek foto dan mengubah bentuknya menjadi tidak tampak bulat sehingga hasilnya mirip dengan hasil jepretan kamera digital dan tampak alami.

Bahkan, Adobe Sensei mampu memisahkan objek foto dan latar belakang sehingga pengguna bisa mengubah-ubah angle wajah setelah foto diambil dan menambahkan efek blur atau bokeh tanpa bantuan lensa kedua.

Platform Adobe Sensei

Kemampuan lainnya, Adobe Sensei mampu mengenali berbagai gaya foto selfie dan memungkinkan pengguna meniru gaya selfie orang lain, seperti dikutip SlashGear.

Selain itu, pengguna bisa menjepret foto selfie tanpa butuh kemampuan fotografi ataupun peralatan kamera yang mumpuni. Hal itu disebabkan photo retouching dan style matching merupakan salah satu metode paling sulit dalam melakukan pengeditan foto.

Cloudera, penyedia platform global terkemuka untuk mesin pembelajaran (machine learning) meluncurkan BASE (Big Analytics Skills Enablement) di Indonesia.

Cloudera, penyedia platform global terkemuka untuk mesin pembelajaran (machine learning) meluncurkan BASE (Big Analytics Skills Enablement) di Indonesia.

BASE merupakan sebuah ekosistem untuk menghasilkan tenaga kerja data profesional di masa depan.

[BACA: BASE, Cara Cloudera Atasi Kelangkaan Ilmuwan Data]

BASE memungkinkan para pelaku industri, pemerintah, dan institusi-institusi akademis untuk mendukung lebih banyak tenaga kerja profesional. Selain itu, BASE dapat menunjang Smart City di Indonesia dan menjembatani kesenjangan keterampilan tenaga kerja profesional data di pasar.

Rudiantara (Menteri Komunikasi dan Informatika, Republik Indonesia) mengatakan Indonesia harus berinvestasi dan membina profesional TI di dalam negeri untuk mewujudkan pemerataan kota digital di Indonesia.

“Para pelaku bisnis dan tenaga kerja profesional yang memiliki keterampilan BDA akan membawa Indonesia selangkah lebih maju dalam meraih kesuksesan,” katanya di Jakarta, Kamis.

Saat ini, Bank Danamon, Dell EMC, Microsoft, Red Hat, Telkomsigma, dan Data Science Indonesia telah bergabung dengan BASE Initiative di Indonesia. Tak hanya itu, institusi-institusi akademis seperti Universitas Multimedia Nusantara (UMN) dan Universitas Telkom juga memberikan pelatihan keterampilan data kepada mahasiswa mereka.

Daniel Ng (Senior Director Cloudera untuk wilayah Asia Pasifik dan Pencetus BASE) mengatakan BASE Initiative Cloudera menyatukan perusahaan-perusahaan dari sektor publik dan swasta untuk bekerja sama dengan komunitas big data, serta membina, melatih, berkolaborasi, dan mempekerjakan para tenaga kerja profesional big data.

“Dengan BASE, Indonesia dapat menghasilkan segudang tenaga kerja profesional big data dan memajukan inisiatif-inisiatif Smart City di negeri ini,” pungkasnya.

BASE Initiative melengkapi program Cloudera Academic Partnership (CAP). Melalui program CAP, Cloudera menghadirkan kurikulum open source berstandar industri yang lengkap dan tanpa biaya bagi lembaga-lembaga mitra yang dapat diaplikasikan ke dalam program studi ilmu komputer dan bisnis analitik.

Para staf pengajar dan mahasiswa dari lembaga-lembaga terkait juga mendapatkan akses terhadap software dan pelatihan dengan potongan biaya guna membantu mempercepat adopsi platform open source dan teknologi-teknologi terkait. Saat ini, terdapat lebih dari 100 lembaga akademis di seluruh dunia yang merupakan anggota CAP, termasuk UMN dan Universitas Telkom di Indonesia.

Ilustrasi ARM Dynamiq 1

Pabrikan manufaktur chip ARM meluncurkan teknologi Dynamiq yang meningkatkan kinerja prosesor multicore dalam menangani kecerdasan buatan, komputasi awan, dan beberapa perangkat elektronik terbaru.

Perusahaan yang berbasis di Cambridge, Inggris ini akan membenamkan teknologi itu pada prosesor ARM Cortex-A yang akan hadir di pasar pada tahun ini untuk industri otomotif, jaringan, server, dan perangkat primary komputer.

Prosesor ARM terbaru itu memungkin pengelolaan proses multicore yang fleksibel dan mampu menyelesaikan berbagai tugas dalam waktu bersamaan.

“Chip ini dapat mendukung “heterogeneous compute” atau menggunakan berbagai prosesor dalam satu mesin,” kata Nandan Nayampally (General Manager, ARM Compute Products Group) seperti dikutip Venture Beat.

Ilustrasi ARM Dynamiq 2

Teknologi Dynamiq juga mampu menjalankan berbagai tugas besar yang mengombinasikan prosesor bertenaga dan hemat daya sehingga membuatnya sangat fleksibel.

ARM melihat Dynamiq akan menjadi pergeseran mikroarsitektur terbesar sejak ARM mengumumkan arsitektur komputasi 64-bit pada 2011. Dalam lima tahun mendatang, ARM memprediksi ARM Dynamiq akan mengirimkan sebanyak 100 miliar chip dibandingkan pengiriman 5 tahun lalu yang hanya 50 juta chip.

Teknologi Dynamiq juga akan meningkatkan kinerja kecerdasan buatan dan machine learning sampai lima puluh kali lipat dalam tiga hingga lima tahun ke depan.

Untuk jaringan, ARM akan menggunakan 8 cores di dalam satu klaster sehingga mengurangi latensi dan membuat komunikasi lebih efisien. Untuk otomotif, Dynamiq menjanjikan fitur keselamatan dan bantuan berbasis AI.

“Dynamiq akan membuat perusahaan lebih mudah mengadopsi teknologi bersama prosesor ARM,” pungkasnya.

Ilustrasi pencegahan bunuh diri.

Belum lama ini, masyarakat Indonesia dihebohkan dengan kasus seorang pria yang menyiarkan langsung proses bunuh dirinya lewat Facebook. Rupanya, kasus ini bukan pertama kalinya terjadi.

Pada bulan Januari lalu, seorang gadis 14 tahun gantung diri di rumahnya di Florida, AS, dan seorang pria 33 tahun menembak dirinya di dalam sebuah mobil di jalanan Los Angeles, seperti dilansir USA Today. Aksi keduanya disiarkan secara langsung di Facebook.

Sedangkan pada Oktober tahun lalu, seorang pria Turki menayangkan curahan hatinya di Facebook Live setelah diputuskan kekasihnya, sebelum akhirnya bunuh diri–motif yang mirip dengan kasus bunuh diri live di Jakarta akhir pekan silam.

Merespons fenomena tersebut, Facebook bertindak dengan mengintegrasikan perangkat pencegahan bunuh diri secara real-time di dalam Facebook Live. Mulai awal Maret lalu, Facebook menawarkan layanan live chat dari organisasi pencegahan krisis seperti National Suicide Prevention Lifeline dan Crisis Text Line melalui Facebook Messenger.

Facebook juga mengembangkan sistem kecerdasan buatan yang mampu membaca, menganalisis, dan mengenali post dan komentar di wall seorang pengguna untuk mengenali gejala-gejala kecenderungan bunuh diri. Jika seseorang dicurigai berpotensi melakukan bunuh diri, sistem akan mengirim sinyal bahaya kepada Facebook sehingga Facebook bisa menawarkan dukungan berupa konseling dan live chat.

Cara Facebook mencegah usaha bunuh diri.

Bukan hanya Facebook yang bereaksi menanggapi fenomena bunuh diri live. Wired melaporkan bahwa tim peneliti di Florida State University telah menguji sistem berbasis machine learning untuk mempelajari rekam medis dari 2 juta pasien di kota Tennessee, AS.

Hasil uji coba tersebut membuktikan bahwa algoritma yang digunakan pada sistem machine learning itu berhasil mencapai tingkat akurasi 80 sampai 90 persen. Algoritma ini menggabungkan berbagai faktor, seperti penggunaan obat pereda nyeri dan jumlah kunjungan ke UGD setiap tahun, untuk memprediksi apakah seseorang punya potensi bunuh diri atau tidak dalam dua tahun ke depan.

Sementara itu, Cogito, pengembang asal Boston, AS, sedang membuat aplikasi Companion yang dapat menggambarkan kesehatan mental seseorang dengan cara menganalisis suara orang tersebut.

Aplikasi itu ditanamkan di smartphone dan berjalan di latar belakang untuk merekam semua kata dan kalimat yang pengguna ucapkan. Aplikasi itu kemudian akan mencoba mengenali intonasi, energi, dan elemen-elemen vokal yang menyiratkan perasaan depresi dan perubahan mood lainnya sepanjang hari. Aplikasi itu juga memakai accelerometer pada ponsel untuk mendeteksi seberapa aktif pengguna yang bisa dijadikan indikator kondisi mentalnya.

Aplikasi Companion sedang diujicoba kepada para pasien dengan kelainan jiwa di sebuah rumah sakit di Boston. Jika aplikasi mendeteksi adanya kecenderungan depresi pada seorang pasien, dokter dan tenaga medis lainnya akan diberitahu agar mereka dapat segera mengecek kondisi pasien yang bersangkutan.

Ilustrasi IBM Watson

IBM Watson adalah machine learning tercerdas yang ada di pasar saat ini. Terbukti IBM Watson bisa memenangi kompetisi pengetahuan umum Jeopardy, main catur, bahkan menentukan pengobatan penderita kanker di Thailand.

Namun, Louis Richardson (IBM Watson Chief Storyteller) mengatakan bahwa IBM Watson tidak akan mampu mengalahkan kecerdasan manusia secara keseluruhan, mengingat IBM Watson hanya mendukung manusia dalam berbagai bidang.

“Watson memang memiliki kemampuan memahami data dan dapat lebih cerdas dibandingkan satu manusia. Tapi, Watson tidak akan pernah bisa mengalahkan kecerdasan umat manusia secara keseluruhan,” katanya di Jakarta.

Richardson mengatakan kehadiran Watson membantu manusia melakukan banyak hal dan memungkinkan penggunanya untuk bekerja lebih cerdas. Tetapi, kecerdasan Watson hanya sebatas menghadirkan informasi untuk mendukung proses pengambilan keputusan.

“Watson akan membantu manusia untuk mengeksplorasi data lebih jauh dan menemukan solusi terbaik untuk setiap permasalahan. Watson hanya membantu mempersingkat proses pengambilan keputusan tetapi tidak mungkin Watson bertindak sebagai pengambil keputusan,” ujarnya.

Karena itu, IBM Watson tidak bisa berdiri sendiri dan tetap membutuhkan bantuan serta kecerdasan manusia untuk memahami dan mempelajari data.

IBM Watson sendiri mengusung Cognitive Computing (CC) yang merupakan platform teknologi yang menggabungkan berbagai disiplin ilmu seperti machine learning, natural language processing (NLP), speech and image recognition, dan sebagainya.

Cognitive computing adalah cara memindahkan kemampuan kognitif manusia ke dalam komputer sehingga komputer dapat berpikir lebih cepat dan mendekati cara berpikir manusia. IBM telah memelopori hal ini dengan menghadirkan IBM Watson.

TERBARU

Pengguna Instagram asal Indonesia masuk ke dalam lima besar negara yang paling sering menggunakan Instagram sebagai akun bisnis.