Bagaimana Hasilnya Jika Kecerdasan Buatan dibuat Oleh Kecerdasan Buatan?

Pada umumnya Kecerdasan Buatan (Artificial Intelligence, AI) secara keseluruhan dirancang, diuji, dan dievaluasi oleh manusia. Nemun, berbeda dengan Kecerdaan Buatan yang dibuat oleh pihak Google yang mampu membuat Kecerdasan Buatan lainnya. Kecerdasan Buatan dari Google tersebut dinamai dengan AutoML (Auto Machine Learning) yang mampu membuat jaringan anak Kecerdasan Buatan (sebutan Kecerdasan Buatan yang dibuat oleh AutoML). Kecerdasan Buatan yang dibuat oleh AutoML dilakukan secara otomatis tanpa ada campur tangan dari manusia dan hasilnya pun setara atau bahkan lebih baik dari pada yang dibuat oleh para insinyur Google sendiri[1][2].

Baca juga Auto Machine Learning (AutoML): Sebuah Kecerdasan Buatan yang Mampu Membangun Kecerdasan Buatan Sendiri dari Google.

Gambar 1. Kecerdasan buatan yang dibuat oleh kecerdasan buatan digunakan untuk mengenali benda-benda seperti mobil, manusia, hewan, dll[3][7]

Para peneliti dari Google menggunakan AutoML untuk mengklasifikasi gambar ImageNet (sampai saat ini tersedia 14.197.122 database gambar yang disediakan oleh website ImageNet)[4] dan data yang telah terkumpul oleh peneliti sebelumnya yang disebut sebagai COCO (Commnon Objects in Context, yang merupakan sebuah database gambar terbesar untuk dunia pendidikan dan penelitian yang disediakan oleh website cocodataset)[5][6]. Dari kedua database itulah, kemudian AutoML dilatih untuk mengenali setiap gambar, namun hasilnya memerlukan waktu berbulan-bulan lamanya.

Pada tahap pengembangan selanjutnya para peneliti Google mendesain ulang untuk mendapatkan jaringan final dan mengambil arsitektur neuron terbaik dari hasil pengelanan dari AutoML sebelumnya. Kemudian, para peneliti dengan menggunakan AutoML menggabungkan kedua jaringan neuron tersebut untuk membentuk arsitektur baru yang disebut sebagai “NASNet“.

Gambar 2. Perbedaan arsitektur Neuron Normal (kiri) dengan Neuron baru hasil reduksi (sebelah kanan)[7]

NASNet sebagai anak Kecerdasan Buatan yang merupakan hasil dari Jaringan Saraf baru yang dibuat oleh AutoML digunakan kembali untuk mengklasifikasi dari gambar-gambar yang terdapat pada database citra ImageNet dengan hasil yang sangat menakjubkan yaitu mencapai tingkat akurasi prediksi sebesar 82,7%. Hasil tersebut lebih baik dari model-model jaringan saraf tiruan yang pernah dibuat oleh manusia. Dan, tidak hanya itu saja NASNet juga mampu melakukan lebih baik dari seluruh hasil penelitian sebelumnya dan setara dengan hasil terbaik yang sudah pernah dilakukan yaitu sebesar 1,2%. Kemudian, NASnet juga diterapkan untuk mendeteksi objek dengan menggunakan data dari database COCO yang hasilnya 4% lebih baik dari metode yang sebelumnya yaitu dengan menggunakan model prediksi yang diteliti oleh state-of-the-art. Sehingga dari hasil tersebut para peneliti dapat menggunakan sumber daya manusia dan komputasi yang rendah dan cepat untuk membuat sebuah jaringan saraf yang setara atau bahkan lebih baik dari yang sudah ada sebelumnya[7].

Gambar 3. Perbandingan mengenai tingkat akurasi dari NASNet dengan state-of-the-art, human-invented models dalam mengklasifikasi gambar[7]

Prestasi besar ini merupakan buah emas dari kerja keras para ilmuwan yang telah banyak meneliti dan mengembangkan berbagai macam algortima Kecerdasan Buatan. Dengan potensi baru yang dimiliki oleh AutoML dapat mempercepat proses penelitian-penelitian yang sulit untuk dilakukan oleh manusia pada saat ini. Tentunya AutoML hanya digunakan untuk tujuan damai saja bukan untuk kejahatan seperti pembuatan senjata perang. CEO Google, Sundar Pichai mengatakan bahwa Kecerdasan Buatan akan mengubah peradaban umat manusia seperti hal api dan listrik yang telah mengubah hidup umat manusia sampai hari ini[8].

 

Referensi:

  1. Dadang, Wayan. 2018. “Auto Machine Learning (AutoML): Sebuah Kecerdasan Buatan yang Mampu Membangun Kecerdasan Buatan Sendiri dari Google“. Warstek, 4 Februari 2018 (https://warstek.com/2018/02/04/automl/2/) diakses pada 12 Februari 2018
  2. Rogers, Shelby. 2017. “Google’s New AI Can ‘Engineer’ Better than Human Engineers”. Interesting Engineering, 20 Mei 2017 (https://interestingengineering.com/googles-new-ai-can-engineer-better-human-engineers) diakses pada tanggal 12 Februari 2018
  3. Owano, Nancy. 2017. “When AI is made by AI, results are impressive“. Tech Xplore, 7 Desember 2017 (https://techxplore.com/news/2017-12-ai-results.html) diakses pada 12 Februari 2018
  4. Stanford Vision Lab, Stanford University & Princeton University., IMAGENET (http://image-net.org/) diakses pada 12 Februari 2018
  5. COCO (Commnon Objects in Context), What is COCO? (http://cocodataset.org/#home) diakses pada 12 Februari 2018
  6. Lin, Tsung-Yi. 2015. “Microsoft COCO: Common Objects in Context”. Arxiv, 21 Februari 2015 (Revisi 3) (https://arxiv.org/abs/1405.0312)
  7. Zoph, Barret et al. 2017. “AutoML for large scale image classification and object detection”. Google Reasearch Blog, 2 November 2017 (https://research.googleblog.com/2017/11/automl-for-large-scale-image.html) diakses pada 12 Februari 2018
  8. Barnett, Taylor Donovan. 2018. “Google’s CEO Thinks AI Will Impact Humanity More than Fire and Electricity”. Interesting Engineering, 23 Januari 2018 (https://interestingengineering.com/googles-ceo-thinks-ai-will-impact-humanity-more-than-fire-and-electricity) diakses pada 12 Februari 2018
Nilai Artikel Ini
Artikel Berhubungan:

Sponsor Warstek.com:
Wayan Dadang

Wayan Dadang

Mahasiswa S1 Teknik Elektro Universitas Sriwijaya, menekuni Kecerdasan Buatan, Sistem Kontrol, dan Robotika. Mencintai kegiatan membaca Paper Sains, Belajar, Menulis, dan Riset.

Yuk Ajukan Pertanyaaan atau Komentar