Kampus Times- Kecerdasan buatan atau AI (Artificial Intelligence) sering dianggap sebagai teknologi baru yang baru muncul setelah kehadiran ChatGPT. Padahal, sejarah AI telah berlangsung selama lebih dari tujuh dekade dan berakar pada perkembangan komputer digital setelah Perang Dunia II.
Perjalanan tersebut tidak selalu berjalan mulus. AI pernah mengalami periode stagnasi panjang, bahkan teknologi jaringan saraf sempat dianggap sebagai pendekatan yang tidak menjanjikan. Namun, kombinasi data dalam jumlah besar, peningkatan daya komputasi, GPU, dan arsitektur transformer akhirnya mengubah AI menjadi salah satu teknologi paling berpengaruh saat ini.
Gambaran perjalanan tersebut disampaikan Michael Wooldridge dalam ceramah TEDxManchester yang membahas sejarah dan perkembangan kecerdasan buatan dari era komputer awal hingga tantangan AI masa kini.
Awal Sejarah AI dari Komputer Digital
Akar sejarah kecerdasan buatan dapat ditelusuri hingga akhir 1940-an dan awal 1950-an, ketika komputer digital mulai berkembang. University of Manchester menjadi salah satu lokasi penting dalam perkembangan komputer generasi awal.
Pada 1950, matematikawan Inggris Alan Turing memperkenalkan gagasan yang kemudian dikenal sebagai Turing Test. Pengujian tersebut pada dasarnya mempertanyakan apakah sebuah mesin dapat menghasilkan perilaku komunikasi yang sulit dibedakan dari manusia.
Komputer masa itu memang sudah mampu melakukan kalkulasi matematika kompleks. Beberapa sistem bahkan dapat memainkan permainan seperti catur dan checkers. Namun, kemampuan tersebut belum berkembang menjadi kecerdasan umum seperti yang dibayangkan saat ini.
Selama beberapa dekade berikutnya, perkembangan AI berjalan relatif lambat. Keterbatasan perangkat keras dan metode komputasi menjadi salah satu penghalang utama.
Neural Networks dan Masa Sulit AI
Pada pertengahan 1980-an, penelitian mengenai neural networks kembali berkembang. Konsep ini terinspirasi dari cara sel saraf atau neuron pada otak manusia memproses informasi.
Jeff Hinton dan para peneliti lainnya berperan penting dalam pengembangan pendekatan tersebut. Neural networks memungkinkan komputer belajar mengenali pola berdasarkan data, bukan hanya mengikuti aturan yang ditulis secara eksplisit oleh programmer.
Namun, teknologi tersebut belum mendapatkan momentum besar. Komputer pada masa itu belum mempunyai kapasitas komputasi yang diperlukan untuk melatih jaringan saraf berukuran besar. Data yang tersedia juga jauh lebih terbatas dibandingkan era internet.
Akibatnya, memasuki awal abad ke-21, neural networks sempat kehilangan popularitas. Bahkan, menurut paparan Wooldridge, pendekatan tersebut pernah dipandang sebagai semacam pseudo-science oleh sebagian kalangan sehingga sejumlah proposal penelitian sulit memperoleh pendanaan.
Deep Learning Mengubah Arah Perkembangan AI
Sekitar 2005, istilah deep learning semakin digunakan untuk menggambarkan pendekatan neural networks dengan lapisan yang lebih dalam. Pergeseran istilah tersebut terjadi bersamaan dengan perubahan besar pada kemampuan perangkat keras dan ketersediaan data.
Deep learning kemudian mulai digunakan untuk berbagai persoalan nyata. Teknologi ini dapat membantu menganalisis citra medis, mendeteksi pola tertentu dalam pemeriksaan kesehatan, mengidentifikasi potensi kecurangan, hingga mendukung pengembangan sistem kendaraan otomatis.
Titik penting lainnya terjadi pada 2012 ketika para peneliti menyadari bahwa GPU (Graphics Processing Unit) sangat cocok digunakan untuk mempercepat proses pelatihan neural networks.
GPU awalnya dikembangkan untuk kebutuhan grafis, termasuk permainan komputer. Namun, kemampuan GPU melakukan banyak perhitungan secara paralel membuatnya sangat efektif untuk pekerjaan AI.
Perubahan tersebut memungkinkan neural networks dibuat lebih besar, dilatih lebih cepat, dan dengan biaya yang lebih efisien. Momentum ini turut memperkuat posisi Nvidia sebagai perusahaan penting dalam infrastruktur komputasi AI.
Transformer dan Lahirnya Era ChatGPT
Perkembangan AI kembali memasuki fase baru pada 2017 ketika Google memperkenalkan arsitektur transformer melalui makalah Attention Is All You Need.
Transformer memungkinkan model memproses hubungan antarkata dalam suatu urutan dengan cara yang sangat efektif. Pendekatan tersebut kemudian menjadi fondasi penting bagi perkembangan model bahasa modern.
OpenAI selanjutnya meningkatkan skala model, data, dan komputasi secara agresif. GPT-3 diperkenalkan pada 2020, sebelum ChatGPT diluncurkan secara publik pada 2022.
ChatGPT kemudian mempercepat adopsi AI secara global. Dalam waktu sekitar enam minggu, layanan tersebut mencapai sekitar 100 juta pengguna. Fenomena ini mendorong perusahaan teknologi besar untuk memasukkan kemampuan AI generatif ke berbagai produk dan layanan.
AI Masa Kini: Pintar, tetapi Belum Sepenuhnya Berguna
Perkembangan AI pada 2024–2026 menunjukkan peningkatan kemampuan yang sangat besar. Model AI modern dapat menjelaskan mekanika kuantum, mendiskusikan sejarah Kekaisaran Romawi, membantu pemrograman, hingga menyelesaikan persoalan matematika yang kompleks.
Namun, kemampuan tersebut menciptakan paradoks menarik.
AI dapat melakukan percakapan yang sangat canggih mengenai berbagai bidang akademik, tetapi masih menghadapi keterbatasan dalam melakukan pekerjaan fisik sederhana di dunia nyata. Misalnya, sistem AI belum secara umum dapat berjalan ke meja makan, mengambil piring, lalu memasukkannya ke mesin pencuci piring secara mandiri.
Wooldridge membedakan perkembangan AI menjadi kemampuan yang sangat cerdas atau clever AI, penggunaan AI yang lebih bersifat hiburan atau gimmicky AI, dan tantangan terbesar berupa useful AI.
Pertanyaan penting ke depan bukan lagi sekadar apakah AI dapat menjadi lebih pintar. Persoalannya adalah seberapa jauh AI dapat meningkatkan produktivitas manusia dan menyelesaikan pekerjaan nyata secara konsisten.
Investasi AI Terus Membesar
Besarnya peluang tersebut tercermin dari investasi global pada infrastruktur AI. Nvidia menjadi salah satu perusahaan yang paling diuntungkan dari lonjakan kebutuhan chip dan pusat data untuk menjalankan model AI berskala besar.
Kapitalisasi pasar perusahaan teknologi yang terkait dengan AI pun mengalami pertumbuhan luar biasa. Fenomena tersebut menunjukkan bahwa AI tidak lagi hanya menjadi topik penelitian laboratorium, tetapi telah berubah menjadi bagian penting dari ekonomi digital.
Kesimpulan
Sejarah AI menunjukkan bahwa revolusi teknologi jarang terjadi secara instan. Dari komputer Manchester, Uji Turing, neural networks, deep learning, GPU, hingga transformer dan ChatGPT, setiap tahap dibangun dari perkembangan teknologi sebelumnya.
AI modern merupakan hasil pertemuan antara algoritma, data, dan komputasi berskala besar. Namun, tantangan terbesar berikutnya adalah mengubah kecerdasan digital menjadi kemampuan yang benar-benar berguna dalam pekerjaan dan kehidupan sehari-hari.
Dengan demikian, masa depan AI kemungkinan tidak hanya ditentukan oleh siapa yang mampu membuat model paling pintar, tetapi juga oleh siapa yang mampu membuat AI paling berguna, dapat diandalkan, dan mampu menyelesaikan persoalan nyata.
FAQ
- Kapan sejarah AI dimulai? Sejarah AI modern berakar pada perkembangan komputer digital pada akhir 1940-an dan awal 1950-an.
- Apa itu Turing Test? Turing Test adalah gagasan Alan Turing untuk menguji apakah perilaku komunikasi mesin dapat sulit dibedakan dari manusia.
- Mengapa GPU penting bagi perkembangan AI? GPU mampu melakukan banyak perhitungan secara paralel sehingga mempercepat proses pelatihan neural networks dan model AI berskala besar.
- Apa hubungan transformer dengan ChatGPT? Transformer menjadi arsitektur penting dalam perkembangan model bahasa modern yang kemudian digunakan dalam berbagai generasi model GPT.
- Apa tantangan AI berikutnya? Tantangan utamanya adalah menghasilkan AI yang tidak hanya cerdas dalam percakapan, tetapi juga benar-benar berguna untuk meningkatkan produktivitas dan menyelesaikan pekerjaan nyata.
