Kecerdasan Buatan : VISION - Pertemuan 9

 

VISION

MODEL-MODEL AI

1. Natural Language Processing (NLP)

2. Computer Vision

3. Robotika dan Sistem Navigasi

4. Game Playing

5. Sistem Pakar (expert system)

MATERI

1. Artificial Intelligence

2. Konsep Vision

3. Tugas Utama Vision

4. Masalah di Vision

5. Vision AI dan Penerapannya

6. Kiprah Vision AI di Indonesia

PENDAHULUAN

§ Salah satu implementasi komputer cerdas yang bisa dicermati di serial kartun “Spongebob Squarepants” adalah Karen.

§ Karen adalah contoh komputer cerdas yang jadi partner Plankton.

§ Sebuah komputer super yang mampu melakukan segala hal, mulai dari berkomunikasi, melakukan kalkulasi, menganalisis, hingga membuat perencanaan.

§ Plankton memanfaatkan kecerdasan Karen untuk mewujudkan ambisinya; mencuri resep rahasia dari Krusty Krab.

§ Hanya dengan pindaian sesaat, Karen mampu menganalisis komposisi berbagai benda di sekitarnya, termasuk burger legendaris tersebut.

§ Mengesampingkan komputer yang dapat beroperasi di dalam air, hal yang biasanya hanya jadi khayalan di film kartun seperti Spongebob Squarepants pun mulai dikembangkan di dunia nyata.

§ Meski masih jauh dari sempurna, teknologi kecerdasan buatan atau artificial intelligence (AI) mulai banyak diterapkan di kehidupan sehari-hari, meski belum secanggih Karen.

ARTIFICIAL INTELLIGENT

§ Secara sederhana, AI merupakan program yang memungkinkan komputer untuk berpikir cerdas seperti atau lebih dari manusia.

§ Dengan AI, komputer dapat berpikir, melakukan analisis, mengambil keputusan, hingga memecahkan masalah selayaknya manusia.

§ Seiring dengan teknologi komputer yang makin berkembang, kehadiran AI makin dekat dengan keseharian manusia.

§ Contoh Chatbot merupakan salah satu wujud terapan AI dari cabang natural language processing (NLP).

§ Penerapan AI bukan hanya chatbot semata.

§ AI juga hadir pada kemampuan mesin untuk “melihat”.

§ Contohnya bagaimana facebook mampu mengenali orang-orang dalam foto yang diunggah, serta menyarankan untuk memberikan tag pada orang bersangkutan.

§ Kemampuan ini merupakan penerapan dari cabang AI lainnya, yaitu Vision AI.

PENGERTIAN VISION

§ Vision merupakan suatu aplikasi komputer, dimana didalamnya dapat mencakup navigasi robot, tugas manufaktur yang rumit, analisis citra satelit, pemrosesan citra medis, dsb.

§ Vision (visi) dapat diartikan sebagai suatu cara/teknik untuk mentransfer sebuah citra menjadi informasi yang lebih berguna.

§ Citra (image) adalah apa yang ditangkap oleh suatu alat perekam gambar seperti kamera foto atau video.

§ Kamera video menyajikan komputer suatu citra yang direpresentasikan sebagai butiran (titik-titik) dua dimensi dengan tingkat intensitas (keabuan) yang berbeda-beda yang disebut pixel.

§ Tiap pixel dapat memiliki informasi tunggal (seperti hitam/putih) atau banyak informasi (seperti nilai sebenarnya dari intensitas dan informasi warna).

§ Sebuah citra visual dapat terdiri dari ribuan pixel.

TUGAS VISION

§ Beberapa hal yang dapat dilakukan terhadap citra (tugas pengolahan citra)

1. Signal Processing (pemrosesan sinyal), Mempertajam citra, baik untuk penglihatan manusia maupun sebagai input untuk proses yang lainnya.

2. Measurement Analysis (analisis ukuran), Untuk citra yang berisi object tunggal, menentukan perluasan dua dimensi dari object yang digambarkan.

§ Beberapa hal yang dapat dilakukan terhadap citra (tugas pengolahan citra)

3. Pattern Recognition (pengenalan pola), Untuk citra berisi object tunggal, mengklasifikasi object kedalam kategori dari beberapa kemungkinan yang ada.

4. Image Understanding (memahami citra), Untuk citra yang berisi banyak object, mendapatkan lokasi object dalam citra, mengklasifikasikannya, dan membentuk gambar model tiga dimensi.

MASALAH DI VISION

§ Dari semua tugas pengolahan citra, pemahaman citra adalah yang paling sulit, sehingga menjadi pembahasan pada banyak studi tentang AI.

§ Beberapa masalah yang dihadapi dalam pengolahan citra adalah :

1. Suatu citra adalah dua dimensi (2-D), sementara semua object didunia ini adalah tiga dimensi (3- D), sehingga sebagian informasi akan hilang pada saat kita merekam object (3-D) ke dalam citra (2- D).

2. Suatu citra mungkin berisi beberapa object, dan tiap object dapat terdiri dari beberapa bagian lagi.

3. Nilai dari tiap pixel dipengaruhi oleh banyak fenomena yang berbeda, seperti warna object, sumber cahaya, sudut pengambilan gambar, jarak kamera dari object, polusi udara dan lainnya. Dan sangat sulit untuk menghindari pengaruh tersebut terhadap object.

§ Pada dasarnya, citra 2-D sangat membingungkan karena dari suatu citra 2-D kita dapat membentuk beberapa gambaran 3-D yang akan meningkatkan citra tersebut.

INTERPRETASI CITRA RENDAH

§ Pada interpretasi citra tingkat rendah digunakan beberapa hal

1. Pengetahuan komponen citra tingkat rendah seperti bayangan, texture, warna dan pantulan cahaya, untuk menentukan gambaran interpretasi yang paling mendekati dari suatu citra.

2. Menggunakan lebih dari satu citra untuk object yang sama yang akan berguna dalam menyusun struktur 3-D.

3. Stereo Vision, yaitu penggunaan dua atau lebih kamera untuk menghasilkan banyak sudut pandang yang simultan terhadap suatu object.

4. Pengetahuan tentang bagaimana menbuat efek bergerak pada suatu citra juga akan membantu interpretasi citra.

INTERPRETASI CITRA TINGGI

§ Dilakukan dengan Ekspektasi Top-Down, yang terdiri dari langkah-langkah :

1. Mengkonversi sinyal analog video menjadi citra digital, proses ini menghasilkan citra yang terdiri dari pixel-pixel.

2. Deteksi tepian dan batas object. tepian dapat dideteksi dengan algoritma yang melihat sekumpulan pixel yang bernilai sama, batas dapat ditemukan dengan mengelompokkan pixel-pixel yang sejenis, proses ini akan menghasilkan garisgaris 2-D.

3. Orientasi 3-D. akan menghasilkan bentuk bentuk 2-D dari garis-garis 2-D.

4. Pengelompokan permukaan. akan menghasilkan bentuk-bentuk solid 3-D terpisah.

5. Pengelompokan bentuk. akan menghasilkan object 3-D yang utuh.

6. Pencocokan. mencocokkan object 3-D yang didapat dengan basis pengetahuan untuk mendapatkan interpretasi yang paling mendekati.

VISION AI DAN PENERAPANNYA

§ Untuk memahami Vision AI, kita tak boleh mengesampingkan lingkup area teknologi ini, yaitu computer vision.

§ Computer vision merujuk pada serangkaian teknologi yang memungkinkan komputer untuk menangkap, menganalisis, dan memproses gambar.

§ Vision AI merupakan computer vision yang diberdayakan oleh AI.

§ Salah satu kegunaan Vision AI yang paling banyak diterapkan saat ini adalah image recognition.

§ kemampuan mesin dalam menginterpretasikan input dan menggolongkan apa yang telah terdapat dalam gambar atau video.

§ Sederhananya, Vision AI mampu menganalisis objek dalam gambar yang tertangkap, untuk menghasilkan keputusan hingga mengambil tindakan.

§ Vision AI adalah bentuk inteligensi yang menggabungkan beberapa disiplin ilmu, yaitu computer vision dan machine learning yang merupakan bagian dari AI.

§ Machine learning sendiri secara sederhana merupakan teknik pembelajaran mesin yang membuatnya mampu belajar dan beradaptasi dari kumpulan data yang diproses.

§ Data memegang posisi penting dalam konteks AI. Data-data dibutuhkan oleh mesin sebagai bahan bakar untuk “belajar”, sehingga AI bisa menganalisis dan menemukan pemecahan masalah secara efektif.

§ Di ranah industri, adopsi teknologi AI menunjukkan tren yang terus meningkat.

§ Survei McKinsey Global Institute terhadap 3.000 eksekutif di 10 negara dan 14 sektor, menunjukkan bahwa 20 persen perusahaan telah mengadopsi teknologi AI untuk menunjang bisnis masingmasing.

§ Setidaknya, penerapan Vision AI di industri menawarkan beberapa manfaat berikut:

1. Pemrosesan lebih cepat,

2. Keandalan,

3. Akurasi,

4. Penerapan yang luas, dan

5. Efisiensi biaya.

§ Meski gaung Vision AI belum terdengar luas seperti chatbot, pengembangan dan adopsi teknologi ini menjanjikan bagi beberapa industri, mulai dari retail hingga manufaktur.

VISION AI DI KEUANGAN

§ Proses know your customer (KYC) merupakan salah satu prosedur yang wajib dilakukan oleh para penyedia layanan keuangan dalam menjaring nasabah.

§ Dengan mengetahui identitas konsumen, penyedia layanan keuangan bisa memantau aktivitas keuangan nasabah dan mencegah terjadinya transaksi mencurigakan.

§ Kini, AI memberikan sumbangsih terhadap proses KYC lewat jalur digital dengan mempercepat waktu verifikasi data.

§ Riset dari Ernst and Young, menyebutkan peran AI mampu mengurangi waktu dari yang awalnya 18 menit menjadi kurang dari 1 menit saja.

VISION AI DI RETAIL

§ Di industri retail, pelacakan produk yang dijual di toko-toko pengecer umumnya dilakukan secara manual.

§ Personel diterjunkan untuk berkeliling took, menghitung, mencatat stok produk, dan melaporkannya ke perusahaan untuk analisis lebih dalam.

§ Penerapan Vision AI memungkinkan proses ini berlangsung secara lebih cepat dan akurat.

§ Pengguna hanya perlu memotret rak produk dengan smartphone, mengunggahnya ke aplikasi, dan aplikasi akan membantu menganalisisnya.

§ Hasil analisis akan menjadi insight yang berguna bagi perusahaan.

§ Salah satu startup yang telah mengembangkan teknologi ini adalah Trax, startup asal Singapura yang baru-baru ini bergabung ke dalam daftar unicorn.

VISION AI DI KESEHATAN

§ Implementasi Vision AI di ranah kesehatan telah dikembangkan untuk beberapa hal, mulai dari mengoptimalkan diagnosis hingga memperkirakan darah yang hilang saat mengalami luka.

§ Adalah Gauss Surgical, perusahaan AI yang mengembangkan Triton OR, sebuah tool yang membantu memantau darah yang hilang selama operasi Caesar berlangsung.

§ Aplikasi yang dipasang pada iPad ini memperkirakan darah yang hilang dengan menganalisis spons operasi dan tabung suction.

§ Hasil analisis ini membantu dokter untuk mengambil keputusan atas tindakan selanjutnya, untuk proses persalinan yang lebih aman.

X-RAY (COMPUTER VISION)

VISION AI DI PERTANIAN

§ Di ranah pertanian, penerapan Vision AI dapat membantu melakukan manajemen pertanian dan menilai kualitas hasil pertanian dengan cara:

1. Mendeteksi penyakit pada tanaman,

2. Membantu memantau pertumbuhan dan mengidentifikasi sifat fenotipe tanaman,

3. Mengklasifikasikan dan menyortir tanaman berdasarkan kualitas,

§ SlantRange merupakan salah satu perusahaan yang melirik bidang ini.

§ Menggunakan kamera drone, perusahaan yang bermitra dengan Microsoft ini memadukan sistem kecerdasan yang terdiri dari sensor, prosesor, perangkat penyimpanan, jaringan, serta perangkat lunak analisis kecerdasan buatan untuk mengukur dan memantau kondisi tanaman.

DRONE (COMPUTER VISION)

VISION AI DI MANUFAKTUR

§ Salah satu pemanfaatan Vision AI di industri manufaktur adalah meningkatkan produktivitas lewat quality control.

§ Contohnya, di bidang tekstil.

§ Beberapa perusahaan teknologi telah mengembangkan Vision AI untuk mendeteksi kerusakan pada kain.

§ Langkah ini juga dilakukan oleh para peneliti di Hong Kong Polytechnic University.

§ Lewat proyek WiseEye, AI mampu mendeteksi hingga 40 cacat kain umum dengan resolusi akurasi 0,1 mm per piksel.

KIPRAH VISION AI DI INDONESIA

§ Sejalan dengan misi Indonesia mewujudkan industri 4.0, negara ini telah melahirkan sejumlah startup AI.

§ Di bidang Vision AI, pengembangan berbasis teknologi ini dimanfaatkan dalam berbagai keperluan, mulai dari sektor publik hingga sektor komersial.

§ Berbicara mengenai Vision AI dalam sektor publik, istilah smart city menjadi salah satu tren yang banyak disebut-sebut dalam beberapa tahun terakhir.

§ Teknologi ini memang membawa peranan penting terhadap smart city, seperti menyediakan solusi traffic management and surveillance, public safety, hingga water level monitoring.

§ Di Indonesia, Nodeflux hadir untuk mengembangkan Vision AI sebagai solusi di berbagai sektor, baik pemerintah maupun swasta.

§ Berdiri sejak tahun 2016, Nodeflux telah mengimplementasikan teknologinya secara nasional dan berpartisipasi dalam event internasional Asian Games 2018 lalu.

§ Menurut CTO Nodeflux, Faris Rahman, ada banyak solusi yang dapat diciptakan dari Vision AI.

§ Mereka kini tengah mencari general pattern untuk mewujudkan solusi market yang lebih beragam.

§ Pada September 2019, Nodeflux melakukan penandatanganan MoU bersama Pemerintah Provinsi DKI Jakarta sebagai wujud kontribusinya mendukung implementasi smart city berbasis AI.

§ Kerja sama ini mencakup beberapa pilar dari pembangunan kota pintar, seperti:

1. Smart mobility — optimalisasi pemanfaatan transportasi publik dan kendaraan pribadi di wilayah DKI Jakarta,

2. Smart governance — pengoptimalan penyelenggaraan pemerintahan dalam rangka transparansi penerimaan pemerintah Provinsi DKI Jakarta,

3. Smart living — memaksimalkan infrastruktur pemerintah dalam fungsi pengawasan terhadap volume air secara berkala dalam rangka pencegahan bencana banjir di wilayah DKI Jakarta, dan

4. Smart tourism — optimalisasi infrastruktur pemerintah dalam mengelola data dan informasi terkait kunjungan tempat wisata.