Bisakah kecerdasan buatan melampaui bukan hanya pemikiran logis manusia tetapi juga kreativitas? Kemunculan AlphaGo membuat kita memikirkan kembali potensi dan keterbatasan AI di luar sekadar inovasi teknologi. Mari kita jelajahi perubahan yang dibawa oleh pembelajaran mendalam dan masa depan AI bersama-sama.
Pada tahun 2016, AlphaGo, sebuah program Go yang dikembangkan oleh Google DeepMind, menciptakan peristiwa penting secara global. AlphaGo mencapai rekor 4 kemenangan dan 1 kekalahan dalam pertandingannya melawan Lee Sedol, pemain Go legendaris peringkat 9-dan. Ini menandai pertama kalinya dalam sejarah Go bahwa AI mengalahkan pemain profesional. Go dianggap sebagai permainan di mana AI akan kesulitan mengalahkan pemain profesional dibandingkan dengan catur. Alasannya adalah, sementara catur dimainkan di papan 8x8 yang terbatas dengan bidak tetap, Go membutuhkan pertimbangan kemungkinan yang tak terhitung jumlahnya pada grid 19x19 yang luas. Menghitung semua kemungkinan gerakan pada 361 kotak ini membutuhkan upaya komputasi yang sangat besar, sebuah tugas yang mustahil bagi algoritma sederhana.
Namun, AlphaGo berhasil mengatasi tantangan ini berkat algoritma AI (Kecerdasan Buatan) baru yang disebut pembelajaran mendalam (deep learning), yang memungkinkannya mengalahkan pemain Go terkuat di dunia. Pembelajaran mendalam adalah hasil dari sekitar 50 tahun pengembangan AI, yang menggunakan metode inovatif yang tidak tertandingi oleh algoritma yang ada. Sejarah AI dapat ditelusuri kembali ke pertengahan abad ke-20, berawal dari konsep kecerdasan buatan yang diusulkan oleh Alan Turing. Teori Turing, yang terkenal terkait dengan Tes Turing, kemudian menjadi landasan penelitian AI awal, termasuk program untuk pembuktian matematika dan program bermain catur. Namun, komputer pada saat itu kekurangan daya komputasi yang memadai, sehingga mau tidak mau mencapai batasnya dengan algoritma yang hanya menghitung setiap skenario yang mungkin terjadi.
Untuk mengatasi keterbatasan ini, para peneliti mengeksplorasi berbagai pendekatan, salah satunya adalah algoritma yang dikenal sebagai pembelajaran mesin. Tidak seperti algoritma tradisional yang berurusan dengan hubungan tetap antara input dan output, pembelajaran mesin mengadopsi metode di mana program belajar dari beragam data untuk menemukan aturan dan pola sendiri. Secara khusus, pengembangan berbagai metode pembelajaran—seperti pembelajaran terawasi, pembelajaran tak terawasi, dan pembelajaran penguatan—secara dramatis meningkatkan kinerja AI.
Dalam kasus AlphaGo, ia mempelajari Go dengan menganalisis sekitar 30 juta catatan permainan profesional. Selama proses ini, ia mempelajari aturan dasar Go dari catatan tersebut melalui pembelajaran terawasi dan secara mandiri memperoleh langkah standar dan strategi respons untuk setiap situasi melalui pembelajaran mandiri. Akhirnya, melalui pembelajaran penguatan, ia memperoleh kemampuan untuk mengevaluasi tingkat kemenangan setiap langkah dan memilih langkah dengan probabilitas kemenangan tertinggi. Berkat proses pembelajaran ini, AlphaGo mencapai level yang mampu mengalahkan Lee Sedol, seorang pemain profesional peringkat 9-dan.
Deep learning adalah bentuk lanjutan dari algoritma jaringan saraf tiruan yang didasarkan pada pembelajaran mesin. Algoritma jaringan saraf tiruan meniru cara neuron biologis terhubung, menghasilkan hasil melalui berbagai proses. Meskipun jaringan saraf awal memiliki keterbatasan, deep learning meningkatkan fleksibilitas dengan menumpuk proses-proses ini ke dalam beberapa lapisan. Lebih lanjut, kemajuan dalam daya komputasi modern memungkinkan tuntutan komputasi yang sangat besar dari deep learning, menjadikan algoritma ini sebagai teknologi inti dalam penelitian AI.
Kebangkitan kembali pembelajaran mendalam telah mengantarkan era keemasan baru bagi AI. Dahulu menonjol tetapi segera memasuki era gelap, AI kini menunjukkan harapan baru. Keberhasilan AlphaGo menunjukkan kemampuan AI untuk memecahkan masalah kompleks, membuka cakrawala baru bagi penelitian AI. Muncul prospek bahwa hari ketika AI memiliki kemampuan kognitif seperti manusia mungkin tidak jauh lagi. Kemunculan AlphaGo merupakan tonggak penting, menunjukkan bahwa kecerdasan buatan telah maju ke tingkat di mana ia benar-benar dapat bersaing dengan manusia, jauh melampaui sekadar mengubah dunia Go.
Dengan demikian, AlphaGo tetap menjadi entitas simbolis yang mewujudkan potensi AI yang telah lama diimpikan umat manusia, melampaui sekadar pencapaian teknis. Mengingat bahwa pengembangan kecerdasan buatan baru saja dimulai, dampak yang akan ditimbulkan AI pada masyarakat kita di masa depan hampir tak terbayangkan.
Ekspektasi terus meningkat mengenai sejauh mana perpaduan kreativitas manusia dan teknologi dapat berkembang, dan perubahan apa yang akan dibawanya bagi kehidupan manusia. Masa depan AI sedang dibentuk bahkan saat ini, dan kita berada di pusat transformasi ini.
