cpu-data.info

DALAM era digital ini, kecerdasan artifisial atau artificial intelligence (AI) telah berkembang pesat menjadi penunjang efisiensi dalam berbagai aspek kehidupan kita.

Meski demikian, peran manusia tetap tidak tergantikan. Terutama untuk meningkatkan kualitas dalam rangka mewujudkan Responsible AI.

Baca juga: Responsible AI: Kecerdasan yang Bertanggung Jawab

Ketika membangun model AI, berbagai aspek dapat menjadi prioritas, mulai dari biaya, kecepatan hingga kecerdasan.

Namun, kualitas adalah satu-satunya hal yang tidak boleh dikorbankan. Itulah sebabnya presisi dan akurasi menjadi tujuan utama dalam pelatihan algoritma AI.

Dalam situasi di mana keselamatan adalah hal utama, campur tangan menjadi keharusan. Hal ini yang mendasari konsep yang disebut dengan "human-in-the-loop (HITL)"

Mesin AI mampu membantu pekerjaan manusia, sementara manusia memberikan kualitas. Dengan menggabungkan keduanya, hasil keseluruhan bisa diperkuat dan ditingkatkan.

Pada saat yang sama, pengetahuan domain yang mendalam juga sangat penting saat membangun algoritma AI.

Untuk merancang model yang memberikan keuntungan kompetitif, penting untuk memasukkan pengetahuan khusus dan unik yang hanya dimiliki oleh ahli domain manusia.

Hal ini terlihat dalam keputusan Nasdaq tahun 2019, yang pertama kalinya dalam sejarah, membangun sistem berbasis AI untuk memantau pasar saham Amerika Serikat.

Sistem ini menjadi sangat penting karena tim surveilans pasar Nasdaq harus meninjau lebih dari 750.000 peringatan setiap tahun.

Dari hasil pemantauan tersebut, Nasdaq masih harus mengidentifikasi pergerakan harga yang tidak biasa, kesalahan perdagangan, dan potensi manipulasi.

Nasdaq membutuhkan peran manusia untuk menjamin kualitas hasil analisis AI karena sangat kritikalnya sistem ini.

Contoh lain dari pengguaan HITL adalah UIPath. Perusahaan pionir dalam hal otomasi pekerjaan (office automation) ini masih melibatkan peran manusia dalam proses otomasinya.

Operator harus melakukan satu contoh langkah dalam melakukan tugas yang biasanya repetitif. Contoh dari operator ini kemudian menjadi masukan AI UIPath untuk dipelajari, diotomasikan, dan dilakukan berulang sesuai dengan kehendak operator.

Kemudian ada Midjourney dan DALL-E yang saat ini sedang naik daun. AI pembuat gambar dari masukan teks manusia ini masih harus melibatkan peran manusia.