Machine Learning Berpotensi Jadi Teknologi Paling Berperan

Machine learning adalah salah satu teknologi yang digadang-gadang sebagai masa depan. Kemampuan “belajar” yang diberikan ke mesin atau sistem membawa kesempatan yang cukup luas bagi teknologi untuk bisa membantu manusia, dan terus berkembang dari hari ke hari. Bahkan menurut Oracle teknologi machine learning akan menjadi teknologi yang terpenting setelah internet.

Machine learning, kecerdasan buatan dan robot banyak digambarkan sebagai teknologi yang bisa menggantikan posisi manusia di lapangan pekerjaan. Namun Menurut Oracle kehadiran teknologi seperti machine learning justru menandakan sebuah kemajuan yang juga akan membawa pekerjaan baru, model bisnis baru, dan industri baru. Bukannya membuat manusia tersingkirkan machine learning justru akan memudahkan manusia dan menjadikan manusia lebih efektif.

Saat ini kehadiran machine learning mulai marak dan merambah ke teknologi di sekitar manusia, seperti perangkat lunak di smartphone, di mobil atau di beberapa perangkat canggih lainnya. Perangkat lunak (yang sudah mengadopsi machine learning) bisa membantu manusia untuk mengakses informasi dan menghasilkan keputusan yang lebih baik bahkan lebih cepat. Oracle percaya perusahaan yang memanfaatkan keunggulan machine learning akan maju dengan pesat karena mereka mampu mengambil keputusan yang lebih cepat dan efisien.

“Pengadopsian machine learning tumbuh bersama dengan komputasi awan, untuk alasan yang bagus. Integrasi aplikasi, platform dan infrastruktur komputasi awan yang mulus itu penting untuk pertumbuhan dan keefektifan machine learning. Integrasi yang mulus ini akan membuka akses machine learning ke kolam data yang lebih luas, menyingkirkan silos dan menggambar data dari seluruh perusahaan serta jaringannya,” Group Vice President and Chief Architect, Core Technology and Cloud, Oracle Asia Pacific Chris Chelliah.

Big data dan cloud akan menjadi kolaborasi sempurna bagi machine learning. Karena semakin banyak data yang diolah maka semakin cerdas machine learning sehingga keputusan yang diambil pun bisa lebih baik dan terus berkembang. Big data menjanjikan banyak hal di dalam transformasi digital dan cloud menyediakan fondasi untuk transformasi digital maka machine learning merupakan alat pertama untuk membuat semua hal tersebut berkembang. Machine learning memiliki banyak kegunaan tanpa batas selama ada proses analisis dan pemahaman data yang cepat di situlah machine learning diperlukan.

Saat ini machine learning didorong untuk merevolusi di bagian pelayanan pelanggan atau disebut customer service. Salah satu bentuk nyata hadir dalam teknologi chatbot yang bisa menggantikan peran manusia dalam melayani pelanggan. Selain memberikan respons cepat teknologi chatbot juga bisa terus berkembang seiring banyaknya data yang dikumpulkan.

Bing Kini Dapat Menyajikan Rangkuman Jawaban dari Beberapa Sumber Sekaligus

Pekan lalu, Microsoft menghelat sebuah event yang secara khusus membahas mengenai perkembangan teknologi artificial intelligence (AI), plus upaya mereka untuk mengintegrasikannya ke dalam berbagai produknya. Sejauh ini kita sudah melihat versi baru aplikasi Seeing AI, yang sekarang bisa membaca tulisan tangan, lalu ada juga fitur berbasis AI untuk Office 365.

Dalam kesempatan yang sama, Microsoft turut mengumumkan sejumlah penyempurnaan untuk mesin pencarinya, Bing, yang terus bertambah cerdas berkat peran AI yang kian besar. Fitur yang pertama dijuluki Intelligent Answers, yang memanfaatkan AI untuk menganalisis miliaran situs demi memberikan jawaban yang akurat dan cepat bagi pengguna.

Dalam mencari jawaban yang tepat, seringkali kita harus mengunjungi beberapa situs sekaligus. Fitur Intelligent Answers milik Bing pada dasarnya bakal menghemat waktu pengguna dengan menyuguhkan rangkuman jawaban dari beberapa sumber sekaligus.

Andaikata jawabannya terbagi menjadi dua perspektif yang berlawanan, seperti misalnya manfaat dan efek buruk meminum kopi, Bing bakal menyajikannya di hasil pencarian yang paling atas. Hal yang sama juga berlaku untuk pertanyaan yang biasanya memiliki lebih dari satu jawaban.

Pembaruan ini juga membuat Bing makin efektif dalam membandingkan dua objek atau topik yang berbeda, semisal yoga dan pilates, di mana jawabannya bakal disuguhkan dalam bentuk tabel yang mudah dibaca. Menutup semua itu, Bing kini juga dapat langsung menampilkan jawaban yang berasal dari forum Reddit.

Bagi yang sering kesulitan mencantumkan kata kunci pencarian yang tepat, Bing kini dapat membantu dengan menyajikan rekomendasi kata kunci yang relevan berdasarkan pencarian-pencarian sebelumnya.

Microsoft tidak lupa menyempurnakan fitur pencarian gambar Bing. Pengguna sekarang bisa mencari objek spesifik yang ada di dalam gambar, semisal lampu gantung yang ada di foto sebuah ruangan atau tas yang sedang dibawa oleh seorang model wanita.

Fitur ini pada dasarnya mirip seperti yang dilakukan oleh Pinterest, di mana Bing bisa mendeteksi dan menyoroti produk yang berbeda di dalam suatu gambar. Lebih lanjut, fitur pencarian gambar ini juga bisa dimanfaatkan untuk mempelajari lokasi-lokasi populer yang tersebar di berbagai belahan dunia.

Sumber: Microsoft.

Office 365 Makin Efektif Berkat Integrasi AI yang Terus Diperdalam

Kabar gembira bagi para pelanggan Office 365, Microsoft telah menyiapkan kado akhir tahun yang cukup istimewa bagi Anda sekalian. Kado ini bisa terwujud berkat investasi dan visi besar Microsoft akan perkembangan teknologi artificial intelligence (AI).

Yang pertama adalah fitur bernama Insights untuk Excel, yang untuk sekarang masih berstatus preview. Kita semua tahu bahwa Excel merupakan tempat berpusatnya semua data untuk suatu proyek, dan fitur Insights ini dimaksudkan untuk memberikan rangkuman secara instan dari data-data yang tercantum.

Dengan memanfaatkan teknologi machine learning, Insights akan mengidentifikasi tren dan beragam perspektif lainnya terhadap data yang tercantum, lalu menyuguhkannya dalam bentuk tabel, grafik, bagan, skema, diagram dan lain sebagainya. Dengan satu klik, objek visualisasi itu bisa langsung Anda tambatkan ke dokumen.

Beralih ke Word, fitur berbasis AI yang Microsoft rancang adalah Acronyms. Dijadwalkan hadir mulai tahun depan, fitur ini pada dasarnya akan memeriksa email dan dokumen yang bersirkulasi di perusahaan pengguna guna mengidentifikasi akronim-akronim yang umum digunakan di perusahaan tersebut.

Deretan akronim akan disajikan di sebelah kanan dokumen, sehingga pengguna bisa dengan mudah ‘berkonsultasi’ dengannya ketika menghadapi akronim yang dirasa asing dalam suatu dokumen. Karena yang menjadi rujukan bukanlah internet, tentu saja penjelasannya lebih relevan dengan konteks masing-masing perusahaan.

Akhir Desember nanti, pelanggan Office 365 bisa melakukan pencarian teks yang terdapat dalam suatu gambar. OneDrive dan SharePoint sebelumnya sudah bisa mengenali konten di dalam gambar, screenshot, faktur dan sebagainya, dan kini teksnya bisa langsung dicari tanpa harus mengingat letak gambar disimpan.

Terakhir, untuk pengguna Outlook versi iOS, Microsoft bakal memperdalam integrasi asisten virtual-nya, Cortana, pada aplikasi email tersebut. Salah satu manfaat yang bisa didapat adalah, Outlook bakal mengirim notifikasi saat sudah tiba waktunya untuk bertemu seseorang sesuai data kalender, lengkap dengan petunjuk arahnya di peta.

Sumber: Microsoft.

Kata.ai Hadirkan Produk Baru “Kata Bot Platform”, Bantu Startup Miliki Chatbot Sendiri

Kata.ai, startup yang bergerak di bidang kecerdasan buatan (AI), meresmikan produk baru Kata Bot Platform untuk membantu developer startup miliki chatbot sendiri. Tidak hanya untuk startup, platform ini juga disasar untuk developer dari perusahaan skala besar.

“Bila diibaratkan kami membuat rel yang bisa dipakai untuk bangun chatbot sendiri oleh para developer, bisa berkreasi semau mereka. Platform ini memenuhi standar industri, aman, serta dapat menangani perkembangan skala setinggi apapun,” terang CEO Kata.ai Irzan Raditya, Selasa (12/12).

Menurut Irzan, chatbot itu sendiri sebenarnya bisa dibuat oleh siapapun, hanya saja ada tantangan tersendiri saat hendak membawanya ke tingkat lebih lanjut. Apalagi saat harus menciptakan percakapan yang menarik dengan pelanggan. Antara lain, manajemen konteks, manajemen saluran, dan pengolahan bahasa secara alami.

Kata Bot Platform diklaim menangani seluruh tantangan tersebut dan menyajikannya dalam platform yang rapi. Sehingga memungkinkan developer untuk berkonsentrasi dan memastikan pengguna chatbot bisa menikmati pengalaman yang mulus.

Di dalam Kata Bot Platform, Kata.ai menyediakan kerangka kerja yang mengintegrasikan pengelolaan infrastruktur dan machine learning untuk proses pengembangan chatbot dari awal hingga akhir.

Developer pun juga dibebaskan untuk mengembangkan kemampuan chatbot hingga level tiga. Pengembangan chatbot, menurut Irzan, memiliki tiga level tingkatan. Pada level pertama, chatbot bottom based, kemudian disusul chatbot dengan Natural Language Processing (NLP) yang dapat memahami percakapan sehari-hari.

Terakhir, di level tertinggi chatbot dengan kemampuan personalisasi atas big data konsumen yang dikumpulkan brand.

“Developer startup dapat mengembangkan platform chatbot yang sudah mereka buat, tidak hanya dari level pertama saja tapi sampai ke level ketiga. Inilah yang membedakan kami dengan produk lainnya yang sudah beredar di pasaran.”

Kehadiran platform ini, diharapkan dapat membantu pelaku bisnis lebih cepat dalam meluncurkan chatbot mereka sendiri. Di saat yang bersamaan, mereka dapat menurunkan biaya investasi untuk penelitian dan pengembangan teknologi dari nol.

Kata Bot Platform sendiri baru resmi dihadirkan untuk publik pada hari ini, (12/12). Sejauh ini produk tersebut sudah diuji coba 20 perusahaan startup.

Sebelumnya, startup pengembang kecerdasan buatan lainnya BangJoni juga membuka mesinnya BJtech ke publik. Hal ini membuka kesempatan kepada pelaku bisnis atau individu mengembangkan chatbot sendiri dalam aplikasi, situs, atau platform lainnya.

Pencapaian dan rencana Kata.ai

Selain mengumumkan produk baru, Kata.ai juga mengungkapkan kinerjanya setahun setelah pivot dari YesBoss yang lebih menyasar pengguna dari kalangan B2C. Kata.ai diklaim mengalami pertumbuhan revenue hingga 34 kali lipat dibandingkan tahun sebelumnya, tanpa menyebutkan nominal.

Dilihat dari jumlah klien, Kata.ai telah bermitra dengan 10 perusahaan. Mulai dari Telkomsel (Veronika), Unilever (Jemma), Microsoft Indonesia (Rinna), Infomedia, Qiscus, Skyshi, Prism, Codigo, dan lainnya. Dilihat dari total pengguna dari seluruh platform, pengguna yang memakai Kata.ai mencapai 26 juta pengguna dengan 200 juta perputaran pesan.

Tahun depan Kata.ai akan tetap fokus pada pengembangan chatbot berbasis pesan teks, sambil mempersiapkan chatbot berteknologi baru lainnya. Salah satu teknologi yang kemungkinan akan dikembangkan adalah chatbot berbasis suara.

Menurut CMO Kata.ai Reynir Fauzan, tahun depan Kata.ai akan mengumumkan berbagai inisiasi baru dengan berbagai perusahaan untuk terus membawa teknologinya agar dapat diimplementasikan ke berbagai sektor bisnis. Salah satunya, mengumumkan kemitraan dengan BRI.

Adobe Gunakan AI untuk Memisahkan Subjek Foto dari Latarnya dengan Satu Klik Saja

Menjelang bulan terakhir tahun 2017 ini, kita sudah melihat bagaimana istilah machine learning atau artificial intelligence (AI) diasosiasikan dengan banyak hal, seakan-akan semuanya bisa jadi lebih baik dengan keterlibatan AI. Pada kenyataannya, penerapan AI memang bisa membawa dampak yang signifikan, seperti yang Adobe buktikan berikut ini.

Mereka baru saja mengumumkan fitur baru bernama “Select Subject” yang bakal meluncur ke Photoshop CC. Fitur ini pada dasarnya memanfaatkan kapabilitas AI Adobe Sensei untuk memisahkan subjek foto dari latarnya hanya dengan satu klik saja.

Selama ini, cara yang pengguna pakai biasanya melibatkan tool Quick Selection, Magic Wand, Pen atau Lasso. Semuanya terbukti cukup efektif, hanya saja ketika dihadapkan dengan detail-detail kompleks pada subjek seperti rambut atau bayangan, pengguna jadi harus melakukan langkah editing ekstra.

Select Subject bermaksud untuk menyederhanakan proses editing secara keseluruhan, di mana dengan satu klik pengguna sudah bisa menyeleksi subjek secara maksimal, dan kalau pun diperlukan langkah ekstra, tetap tidak sebanyak dan serumit menggunakan tool lainnya.

Adobe mengklaim bahwa detail-detail kompleks di sekitar subjek bukanlah masalah besar berkat kemampuan Sensei mengenali masing-masing subjek dalam foto. Fitur ini sejatinya bisa menjadikan hampir semua kalangan sebagai ahli dalam urusan cropping subjek dari latarnya.

Meski Adobe menjanjikan kehadiran fitur ini di Photoshop CC, sejauh ini masih belum ada jadwal rilis pasti yang mereka berikan terkecuali “dalam update yang akan datang”.

Sumber: PetaPixel.

Google Lens Kini Terintegrasi ke Google Assistant di Semua Smartphone Pixel

Setelah menjalani debutnya bersama Pixel 2 dan Pixel 2 XL pada bulan Oktober lalu, Google Lens akhirnya terintegrasi secara penuh ke Google Assistant dan sudah siap untuk dinikmati oleh para pengguna smartphone Pixel yang berbahasa Inggris, termasuk generasi yang pertama.

Sekadar mengingatkan, Google Lens yang memanfaatkan teknologi computer vision dan machine learning ini memungkinkan pengguna untuk melakukan pencarian informasi hanya dengan memotret menggunakan ponselnya. Semisal pengguna menjumpai poster sebuah film, mereka tinggal mengarahkan kamera ponsel untuk mengakses informasi macam trailer sampai ulasan lengkapnya.

Sebelum ini, Google Lens hanya bisa diakses lewat aplikasi galeri foto di Pixel 2. Jadi, caranya bukan yang paling mudah; pengguna harus mengambil foto, membuka aplikasi galeri, lalu mengklik icon Google Lens. Sekarang semuanya jadi jauh lebih mudah berkat integrasinya pada Google Assistant.

Jadi ketika pengguna membuka Google Assistant, mereka akan menjumpai icon baru Google Lens di ujung kanan bawah. Klik icon tersebut, maka kamera ponsel akan aktif. Jepret suatu gambar, maka Assistant akan langsung menyajikan informasi-informasi yang relevan. Semuanya berlangsung secara real-time.

Ada cukup banyak skenario penggunaan Google Lens yang menarik. Yang pertama adalah untuk menyimpan informasi dari sebuah kartu nama secara instan. Lens juga dapat dipakai untuk membuka alamat suatu lokasi di Google Maps, untuk langsung dilanjutkan ke mode navigasi.

Skenario lain diperuntukkan bagi turis, di mana mereka bisa memanfaatkan Google Lens untuk mempelajari berbagai monumen bersejarah maupun koleksi karya seni di suatu museum, semuanya hanya dengan mengarahkan kamera ponsel. Terakhir, Lens juga bisa digunakan untuk mencari informasi suatu produk dengan memotret barcode-nya.

Seperti yang saya bilang di awal, integrasi Google Lens pada Assistant ini bakal tersedia di semua smartphone Pixel. Google bakal merilisnya dalam beberapa minggu ke depan di Amerika Serikat, Kanada, Inggris, Australia, India dan Singapura.

Sumber: Google.

Memahami Dasar-dasar “Data Science” untuk Bisnis (Bagian 4)

Machine Learning (ML) menjadi salah satu teknologi yang akhir-akhir ini banyak diperbincangkan. Perannya bisa bermacam-macam, salah satu yang sudah mulai banyak realisasinya ialah untuk membangun sebuah sistem dengan kecerdasan buatan, misalnya layanan chatbot. Dalam praktik Data Science, konsep ML turut diberlakukan. Pengertian ML di sini adalah penerapan model algoritmik terhadap data, dengan cara yang iteratif, sehingga komputer dapat menemukan pola tersembunyi atau tren yang dapat digunakan untuk membuat prediksi.

Beberapa contoh pemanfaatan ML dalam kebutuhan proyeksi data yang saat ini ada misalnya untuk kebutuhan real-time internet advertising, spam filtering, search egine, recommendation engine, dan sebagainya. Pada dasarnya gambaran untuk proses sederhana ML dalam data ada tiga tahapan, yakni penyiapan data, pembelajaran data, dan aplikasi data. Sistem bergerak secara berkelanjutan mempelajari setiap masukan data, dengan memvalidasi dan menguji hingga menghasilkan akurasi data untuk proyeksi.

Konsep ilmu dasar dalam implementasi ML adalah statistik dan ilmu komputer. Lalu kedua konsep tersebut disusun dengan berbagai model, ada tiga tepatnya yang populer saat ini, yaitu Supervised Algorithms, Unsupervised Algorithms, dan Semi-Supervised/Reinforcement Algorithms. Perbedaan antara ketiganya ialah pada pelabelan masukan data, karena ini menjadi salah satu kunci pada pemrosesan berikutnya. Komputer harus mampu memahami dan memilah tipikal data tersebut dan mengelompokkan sesuai kategori yang ditunjuk.

Model Roinforcement menjadi yang paling relasional, sistem mempelajari tingkah laku secara komprehensif. Model ini mencoba mengadopsi cara berpikirnya manusia untuk belajar yang saat ini masih terus dieksplorasi untuk penerapan dan studi kasusnya.

Apa yang bisa dilakukan dengan data dan Machine Learning?

Peruntukan konsep ML sangat bergantung dengan pendekatan algortima yang digunakan. Saat ini ada banyak sekali temuan algoritma untuk pembelajaran mesin tersebut. Masing-masing dapat diterapkan pada fungsionalitas khusus. Sehingga sebelum menerapkan suatu konsep ML, pastika untuk terlebih dulu memahami tentang masing-masing pendekatan algoritma yang tersedia, agar mendapati proses yang lebih optimal.

Sebagai contoh untuk pengguna aplikasi Gmail di ponsel, ada yang namanya fitur Smart Reply. Sebuah opsi tombol yang berisi balasan muncul ketika ada email masuk di aplikasi. Misalnya emailnya seputar ajakan untuk melakukan sesuatu, sistem akan melihat kalender yang terintegrasi lalu mengusulkan waktu yang tepat. Apa yang dilakukan oleh sistem ialah mempelajari secara mendalam susunan kata dan maknanya yang ada di dalam badan email tersebut, sehingga dapat disimpulkan tipikal email tersebut apakah sebuah informasi, undangan, atau lain sebagainya.

Fitur Smart Reply di Gmail Apps / Google

Contoh lain penerapan fitur ini adalah pada layanan Facebook. Ketika mengunggah sebuah foto bersama teman-teman, biasanya secara otomatis Facebook sudah memberikan rekomendasi orang-orang yang di-tag di foto tersebut. Fitur ini bernama DeepFace. Sama, menggunakan metode Deep Learning untuk menemukan sebuah keluaran prediktif. Deep Learning ini merupakan model ML yang menggunakan hierarchical neural network untuk mempelajari data pada cara yang iteratif dan adaptif. Cara ini efektif untuk mempelajari pola data yang tidak memiliki label atau tidak terstruktur.

Masih banyak algoritma lain yang dapat diterapkan untuk pemecahan kasus berbeda. Namun pada dasarnya semua akan bergantung pada satu masukan yang disebut dengan data. Semakin detail dan banyak data yang diberikan, sistem akan mempelajari lebih banyak hal.

Pada penerapannya Machine Learning tidak akan berjalan secara standalone. Berbagai konsep lain dalam Data Science seperti Big Data masih akan terlibat, misalnya untuk membuat analisis real-time dalam pembelajaran data –salah satunya menggunakan Apache Spark. Sehingga dapat disimpulkan bahwa pembelajaran tentang Data Science sangatlah luas. Data sendiri masih banyak potensi untuk dieksplorasi. Ke depan diyakini masih akan banyak konsep baru yang lahir terkait dengan pengelolaan data, khususnya guna menunjang kebutuhan bisnis.

–
Baca juga seri tulisan sebelumnya:

Memahami Teknologi di Balik Chatbot

Percakapan dengan robot seolah menjadi tren belakangan ini. Atas nama pengalaman pengguna yang lebih baik banyak perusahaan atau bisnis mulai mengembangkan chatbot untuk berbagai macam keperluannya. Mulai dari pelayanan pengguna hingga memberikan pelayanan mandiri lainnya.

Chatbot menjelma menjadi inovasi paling banyak diminati. Chatbot juga menyimpan banyak potensi dengan berbagai macam teknologi mutakhir di belakangnya, mulai dari AI (Artificial Intelligence), Machine Learning, Deep Learning, dan NLP (Natural Language Processing).

Chatbot bekerja untuk menggantikan peranan manusia dalam melayani pembicaraan melalui aplikasi pesan. Ia menjawab kalimat demi kalimat yang dituliskan orang yang berada di ujung satunya. Tentu jika orang diujung lainnya merasa dirinya dilayani manusia, itu artinya kesuksesan bagi chatbot.

Chatbot memungkinkan komputer atau mesin menggantikan peran manusia dalam membalas percakapan di sisi satunya. Chatbot memahami, belajar, dan berinteraksi layaknya manusia. Semua itu berkat kemampuannya berevolusi dan berkembang.

Fondasi teknologi chatbot

AI atau dikenal juga sebagai kecerdasan buatan merupakan cabang ilmu komputer yang diciptakan sekitar tahun 1960an. Cabang ilmu ini berkaitan dengan pemecahan masalah-masalah seperti layaknya manusia. Seperti berbicara, kreatif, mengenali benda, dan menerjemahkan sesuatu.

Kecerdasan buatan kini tak lagi teori seperti waktu pertama kali dicetuskan. Terus berkembang dan berkembang bahkan hingga saat ini. AI berkembang seperti layaknya manusia belajar. Mengenali, membangun, tumbuh, menemukan cacat, memperbaiki dan begitu seterusnya.

Sementara itu teknologi NLP (Natural Language Processing) yang paling banyak digunakan di dalam chatbot fungsinya memahami percakapan yang dilakukan. NLP secara sederhana memahami setiap kalimat yang dikirimkan oleh pengguna, kemudian mengenalinya sebagai sebuah perintah dengan mengambil makna dari kalimat tersebut. Kemudian melalui teknologi NLP juga chatbot bisa mengirimkan kalimat yang bisa dipahami manusia, layaknya bercakap-cakap dengan manusia.

Teknologi selanjutnya adalah Machine Learning. Sebuah teknologi yang memungkinkan mesin belajar dan memecahkan sendiri permasalahan yang ditemui. Semua dilakukan berkat mempelajari data-data yang ada. Teknologi dengan sengaja memprogram mesin untuk belajar dan memberikan respons. Sedangkan Deep Learning adalah bagian lebih dalam dari Machine Learning. Dengan algoritma yang lebih kompleks sistem bisa lebih dalam mempelajari dan berinovasi lebih jauh lagi sehingga mendekati layaknya manusia.

Bagaimana chatbot menjadi lebih pintar

Dengan kemajuan dalam kecerdasan buatan dan pesatnya pertumbuhan aplikasi pesan instan, pertumbuhan chatbot menjadi semakin penting di banyak industri. Sebenarnya teknologi bot sendiri sudah ada sejak beberapa dekade, namun dengan kecerdasan buatan yang semakin berkembang bot tumbuh lebih dramatis.

Hadirnya pemahaman bahasa manusia di dalam chatbot membuat komunikasi menjadi lebih intim. Kemudian di dalam sistem terdapat analisis prediktif yang menggunakan statistik, permodelan, data mining dan lainnya untuk menghasilkan informasi yang lebih proaktif.

AI adalah fondasi dari berkembangnya chatbot. Dengan pemahaman bahasa yang terus membaik melalui NLP, chatbot bisa menjadi lebih baik memahami kebutuhan manusia. Machine learning dan Deep Learning adalah modal selanjutnya untuk perkembangan chatbot.

Dua teknologi yang serupa tersebut mampu menjadikan chatbot pembelajar yang baik melalui data. Ia membantu chatbot memperkaya respons atau tanggapan, dengan demikian kedinamisan percakapan semakin meningkat seiring dengan meningkatnya jumlah percakapan yang diperoleh.

Selanjutnya, analisis sentimen menggunakan analisis bahasa untuk menentukan sikap atau keadaan emosional orang-orang di ujung satunya. Hal ini menjadi tantangan sendiri bagi chatbot. Oleh karena itu pengembang menciptakan chatbot yang mengotomatisasi proses yang lebih luas dengan cara yang manusiawi, terus belajar dan berkembang dari waktu ke waktu.

Situs Ini Manfaatkan AI untuk Memperbesar dan Mempertajam Gambar Seperti di Film-Film

Anda yang gemar menonton film action atau yang menampilkan lakon seorang mata-mata maupun agen rahasia pastinya ingat dengan adegan dimana seorang karakter sedang menunjuk ke gambar tangkapan kamera pengawas, lalu menyeletukkan kata “enhance“. Setelahnya, adegan biasanya akan berlanjut menampilkan versi beresolusi lebih tinggi dari gambar tersebut.

Pertanyaan kita sebagai penonton umumnya, “apakah hal seperti itu masuk akal di dunia nyata?” Gambar yang tadinya tampak kabur atau pixelated, seketika juga menjadi sangat tajam sampai-sampai wajah seseorang yang tengah diincar sang lakon bisa langsung dikenali.

Kalau Anda pernah mencoba memperbesar ukuran gambar, pastinya Anda tahu bahwa hal semacam ini hanya bisa terjadi di film. Akan tetapi perkembangan pesat teknologi artificial intelligence alias AI berkata sebaliknya, seperti yang dibuktikan oleh situs bernama Let’s Enhance berikut ini.

Tampilan minimalis situs Let's Enhance / Let's Enhance — Tampilan minimalis situs Let’s Enhance / Let’s Enhance

Let’s Enhance dirancang untuk memperbesar suatu gambar tanpa berakibat pada pixelation pada hasilnya. Dengan mengadopsi teknologi neural network dan machine learning, sistem sanggup mengolah gambar, memperbesar ukurannya hingga empat kali lipat, lalu menghasilkan gambar baru yang kelihatan tajam, kurang lebih seperti yang kita dapati di film-film itu tadi.

Pengembangnya mengklaim teknologi yang mereka ciptakan sanggup “menghalusinasikan” detail dan tekstur yang absen pada gambar aslinya. Tentu saja hasilnya tidak akan setajam gambar yang dijepret menggunakan kamera beresolusi tinggi, akan tetapi masih jauh lebih baik ketimbang hasil perbesaran menggunakan Photoshop maupun software sejenis lainnya.

Contoh yang disuguhkan PetaPixel berikut mampu menggambarkan dengan jelas kapabilitas Let’s Enhance, dan ini barulah menggunakan generasi pertama dari sistem yang dibuat. Gambar pertama adalah gambar asli, gambar kedua adalah hasil perbesaran menggunakan Photoshop, sedangkan gambar ketiga adalah hasil Let’s Enhance.

Hasil perbesaran Let's Enhance / PetaPixel — Hasil perbesaran Let’s Enhance / PetaPixel

Situsnya sengaja dibuat dengan tampilan yang seminimal mungkin. Tanpa harus membayar biaya apa-apa, siapapun bisa mengunggah gambar untuk diperbesar menggunakan sistem Let’s Enhance. Setelah mengunggah, Anda akan diminta untuk membuat akun gratisan untuk bisa mengunduh hasil pemrosesannya.

Silakan Anda coba sendiri dengan mengunjungi situs Let’s Enhance kalau penasaran. Setiap foto yang diunggah akan diproses menjadi tiga file yang berbeda: Anti-JPEG untuk menghapuskan artifact hasil kompresi format JPEG, Boring untuk memperbesar selagi mempertahankan detail yang ada, sedangkan Magic untuk menghalusinasikan detail yang sebelumnya tidak ada itu tadi.

Sumber: PetaPixel via Mashable.

Google Diam-Diam Tanamkan Chipset Buatannya Sendiri ke Pixel 2 dan Pixel 2 XL

Tahun 2015 lalu, sempat beredar rumor bahwa Google tertarik untuk mengembangkan prosesor smartphone-nya sendiri, macam yang sudah dilakukan Apple selama beberapa tahun terakhir. Perlahan rencana itu tampaknya mulai terwujudkan, tepatnya ketika Google berhasil ‘menculik’ Manu Gulati, salah satu engineer senior di divisi pengembangan prosesor Apple, pada bulan Juni kemarin.

Investasi besar Google itu sepertinya mulai terbayarkan secara perlahan. Belum lama ini, Google mengumumkan bahwa Pixel 2 dan Pixel 2 XL rupanya mengemas sebuah chipset hasil rancangan mereka sendiri yang bernama Pixel Visual Core. Chipset ini berperan sebagai co-processor untuk Snapdragon 835 yang tertanam di jantung Pixel 2.

Tugas utama Pixel Visual Core adalah mendongkrak kinerja dan kualitas kamera Pixel 2. Di dalamnya terdapat 8-core image processing unit (IPU), yang diklaim mampu mengatasi lebih dari 3 triliun pengoperasian setiap detiknya, tanpa mengonsumsi energi secara berlebihan.

Pada prakteknya, Pixel Visual Core dapat mempercepat proses pengambilan gambar HDR+ pada Pixel 2 hingga 5x lipat selagi mengonsumsi sepersepuluh daya yang dibutuhkan apabila prosesnya ditangani oleh prosesor bawaan. Dilihat dari kacamata sederhana, Pixel Visual Core memungkinkan kamera Pixel 2 untuk menghasilkan foto yang lebih berkualitas secara lebih cepat dan efisien.

Perbandingan gambar yang diambil menggunakan HDR+ (kanan) dan tidak (kiri) / Google

Menariknya, untuk sekarang chipset ini masih dalam keadaan nonaktif di semua unit Pixel 2 dan Pixel 2 XL yang akan dipasarkan. Google berencana mengaktifkannya lewat sebuah software update yang akan dirilis dalam waktu dekat.

Di samping itu, Google juga berencana memberikan aplikasi pihak ketiga akses ke fitur HDR+, yang berarti pengguna Pixel 2 dan Pixel 2 XL bisa mendapatkan kualitas foto yang paling maksimal tanpa harus menggunakan aplikasi kamera bawaan.

Mempercepat kinerja HDR+ dan membuka aksesnya ke aplikasi pihak ketiga baru sebagian dari cerita Pixel Visual Core. Google rupanya juga punya visi besar untuk memanfaatkan potensi chipset tersebut pada penerapan fitur berbasis machine learning lain ke depannya.

Sumber: Google.