Penerapan kecerdasan buatan: Perbedaan antara revisi
Impor teks terkontrol dari Wikipedia bahasa Indonesia; revisi 29435296; atribusi sumber disertakan. |
Presentation V4: sitasi, referensi, Math, Wikimedia Commons, dan atribusi |
||
| Baris 1: | Baris 1: | ||
'''Penerapan Kecerdasan Buatan ('''atau Penerapan '''''[[Kecerdasan buatan|AI]]'')''' merupakan program yang merekayasa kecerdasan manusia untuk dapat diterapkan pada [[Mesin|perangkat mesin]] atau [[sistem komputer]]. Tujuan kecerdasan buatan adalah memfasilitasi komputer agar memiliki kemampuan berpikir dan bertindak seperti manusia. Untuk mencapai kecerdasan tersebut, kecerdasan buatan dikembangkan melalui berbagi sub-bidang utama, termasuk Pembelajaran Mesin ''[[Machine learning|(Machine Learning)]]'', Pembelajaran Mendalam ''[[Deep learning|(Deep Learning)]]'', [[Pengolahan bahasa alami|Pemrosesan Bahasa Alami]] ''(Natural Language Processing/NLP)'', dan [[Visi komputer|Visi Komputer]] ''(Computer Vision)''. | [[File:Unraveling_AI_Complexity_-_A_Comparative_View_of_AI,_Machine_Learning,_Deep_Learning,_and_Generative_AI.png|thumb|right|280px|Unraveling AI Complexity - A Comparative View of AI, Machine Learning, Deep Learning, and Generative AI]] | ||
'''Penerapan Kecerdasan Buatan ('''atau Penerapan '''''[[Kecerdasan buatan|AI]]'')''' merupakan program yang merekayasa kecerdasan manusia untuk dapat diterapkan pada [[Mesin|perangkat mesin]] atau [[sistem komputer]].<ref name=":1">M. Sobron Yamin Lubis. ''Implementasi Artificial Intelligence pada Sistem Manufaktur Terpadu''. UISU Press. 2021. hlm. 1-7. ISBN 978-623-7297-39-0.</ref> Tujuan kecerdasan buatan adalah memfasilitasi komputer agar memiliki kemampuan berpikir dan bertindak seperti manusia. Untuk mencapai kecerdasan tersebut, kecerdasan buatan dikembangkan melalui berbagi sub-bidang utama, termasuk Pembelajaran Mesin ''[[Machine learning|(Machine Learning)]]'', Pembelajaran Mendalam ''[[Deep learning|(Deep Learning)]]'', [[Pengolahan bahasa alami|Pemrosesan Bahasa Alami]] ''(Natural Language Processing/NLP)'', dan [[Visi komputer|Visi Komputer]] ''(Computer Vision)''.<ref name=":1" /> | |||
== Pendidikan == | == Pendidikan == | ||
Dalam dunia [[pendidikan]], kecerdasan buatan telah memberikan peluang baru untuk meningkatkan efektivitas pendidikan. kecerdasan buatan dapat digunakan untuk menyediakan [[Pembelajaran|materi pembelajaran]] yang disesuaikan, mengidentifikasi pola belajar siswa, dan meningkatkan efisiensi proses evaluasi. | Dalam dunia [[pendidikan]], kecerdasan buatan telah memberikan peluang baru untuk meningkatkan efektivitas pendidikan. kecerdasan buatan dapat digunakan untuk menyediakan [[Pembelajaran|materi pembelajaran]] yang disesuaikan, mengidentifikasi pola belajar siswa, dan meningkatkan efisiensi proses evaluasi.<ref name=":0">vendoronline. [https://binus.ac.id/bandung/2023/11/13-kecerdasan-buatan-yang-kita-gunakan-sehari-hari/ 13 Kecerdasan Buatan yang Kita Gunakan Sehari-hari]. ''BINUS UNIVERSITY BANDUNG - Kampus Teknologi Kreatif''. 2023-11-21.</ref> | ||
Beberapa penerapan kecerdasan buatan dalam dunia pendidikan seperti ''[[ChatGPT|(Chatbot)]]'' [[program komputer]] yang mensimulasikan percakapan manusia baik tertulis atau lisan yang memungkinkan manusia berinteraksi dengan perangkat digital seolah-olah mereka sedang berkomunikasi dengan orang sungguhan; ''(Mentor Visual)'' Bertindak sebagai asisten belajar yang interaktif dengan mengembangkan keterampilan melalui [[gambar]], [[Grafika komputer|grafik]], [[animasi]], atau [[video]]. | Beberapa penerapan kecerdasan buatan dalam dunia pendidikan seperti ''[[ChatGPT|(Chatbot)]]'' [[program komputer]] yang mensimulasikan percakapan manusia baik tertulis atau lisan yang memungkinkan manusia berinteraksi dengan perangkat digital seolah-olah mereka sedang berkomunikasi dengan orang sungguhan; ''(Mentor Visual)'' Bertindak sebagai asisten belajar yang interaktif dengan mengembangkan keterampilan melalui [[gambar]], [[Grafika komputer|grafik]], [[animasi]], atau [[video]].<ref name=":0" /> | ||
== Bisnis E-Commerce == | == Bisnis E-Commerce == | ||
Kecerdasan buatan dengan segala kemampuannya dapat memproses dan menganalisis ''[[big data]]'' secara cepat dan akurat, membuka peluang bagi perusahaan [[e-commerce]] untuk meningkatkan strategi [[pemasaran]].<ref>Abdulaziz Aldoseri. [https://www.mdpi.com/2076-3417/13/12/7082 Re-Thinking Data Strategy and Integration for Artificial Intelligence: Concepts, Opportunities, and Challenges]. ''Applied Sciences''. 2023-06-13. Vol. 13 (12). hlm. 7082. doi:10.3390/app13127082.</ref> | |||
Evolusi kecerdasan buatan dalam e-commerce dimulai dengan penggunaan [[algoritma]] canggih sistem rekomendasi berdasarkan filter item, tahun 1990. Pada tahun 2000 melahirkan integrasi pemrosesan bahasa alami dengan visi komputer. Perkembangan berikutnya memanfaatkan ''big data'' dan [[Analitik prediktif|analisis prediktif]], memungkinkan e-commerce dapat memprediksi kebutuhan dan [[Perilaku konsumen|perilaku pelanggan]].<ref>Gede Surya Mahendra. ''TREN TEKNOLOGI AI (Pengantar dan Contoh Penerapan Artificial Intelligence di Berbagai Bidang)''. PT Sonpedia. 2024. ISBN 978-623-8598-77-9.</ref> | |||
Evolusi kecerdasan buatan dalam e-commerce dimulai dengan penggunaan [[algoritma]] canggih sistem rekomendasi berdasarkan filter item, tahun 1990. Pada tahun 2000 melahirkan integrasi pemrosesan bahasa alami dengan visi komputer. Perkembangan berikutnya memanfaatkan ''big data'' dan [[Analitik prediktif|analisis prediktif]], memungkinkan e-commerce dapat memprediksi kebutuhan dan [[Perilaku konsumen|perilaku pelanggan]]. | |||
Beberapa penerapan kecerdasan buatan dalam bisnis e-commerce seperti pencarian [[Komunikasi visual|visual]] dan ''[[Realitas berimbuh|fitur try-on virtual]]'' memungkinkan pengguna mencari [[produk]] dengan mengunggah gambar. NLP dan analisis sentimen untuk menggali dalam [[ulasan]] dan [[feedback]] pelanggan. | Beberapa penerapan kecerdasan buatan dalam bisnis e-commerce seperti pencarian [[Komunikasi visual|visual]] dan ''[[Realitas berimbuh|fitur try-on virtual]]'' memungkinkan pengguna mencari [[produk]] dengan mengunggah gambar. NLP dan analisis sentimen untuk menggali dalam [[ulasan]] dan [[feedback]] pelanggan. | ||
== Kesehatan == | == Kesehatan == | ||
Dalam 4 [[dekade]] terakhir, kecerdasan buatan dalam bidang [[kesehatan]] mengalami perkembangan diawali dengan kemunculan ''Machine Learning'' dan ''Deep Learning''. Tahun 1961 muncul pembuatan lengan [[robot]] yang mampu melakukan die casting otomatis. Kemudian tahun 1964, [[Joseph Weinberg|Joseph Weizenbaum]] memperkenalkan ELIZA yang memanfaatkan ''Natural Language Procesing'' yang mampu berkomunikasi atau meniru percakapan manusia. | Dalam 4 [[dekade]] terakhir, kecerdasan buatan dalam bidang [[kesehatan]] mengalami perkembangan diawali dengan kemunculan ''Machine Learning'' dan ''Deep Learning''. Tahun 1961 muncul pembuatan lengan [[robot]] yang mampu melakukan die casting otomatis. Kemudian tahun 1964, [[Joseph Weinberg|Joseph Weizenbaum]] memperkenalkan ELIZA yang memanfaatkan ''Natural Language Procesing'' yang mampu berkomunikasi atau meniru percakapan manusia.<ref name="Weizenbaum1966">Joseph Weizenbaum. [https://archive.org/details/sim_association-for-computing-machinery-communications_1966-01_9_1/page/36 ELIZA—A Computer Program for the Study of Natural Language Communication Between Man and Machine]. ''Communications of the ACM''. 1966. Vol. 9 (1). hlm. 36–45. doi:10.1145/365153.365168.</ref> | ||
Tahun 1966 di ''[[Stanford Research Institute]]'', muncul Robot Shakey. Pada tahun-tahun ini perkembangan kecerdasan buatan di bidang kesehatan masih bergerak pelan. Pada Tahun 1960, mengembangkan sistem analisis dan mesin pencarian berbasis web yang dibuat oleh ''[[National Library of Medicine]]'' dikenal dengan [[PubMed]]. PubMed menyimpan data informasi klinis dan sistem medis. | Tahun 1966 di ''[[Stanford Research Institute]]'', muncul Robot Shakey.<ref>S. R. I. International. [https://www.sri.com/hoi/shakey-the-robot/ Shakey the Robot]. ''SRI''. 1966-11-15.</ref> Pada tahun-tahun ini perkembangan kecerdasan buatan di bidang kesehatan masih bergerak pelan. Pada Tahun 1960, mengembangkan sistem analisis dan mesin pencarian berbasis web yang dibuat oleh ''[[National Library of Medicine]]'' dikenal dengan [[PubMed]]. PubMed menyimpan data informasi klinis dan sistem medis.<ref>[https://pubmed.ncbi.nlm.nih.gov/about/ About]. ''PubMed''.</ref> | ||
Tahun 1970, munculnya sistem kecerdasan buatan menggunakan algoritma ''backward chaining'' dikenal MYCIN. Aplikasi tersebut dikembangkan berdasarkan informasi pasien dan 600 aturan yang diinputkan oleh dokter. MYCIN mampu memberikan daftar bakteri patogen potensial serta memberikan rekomendasi obat yang digunakan sesuai dengan kondisi pasien.Pada tahun 2000 perusahaan [[IBM]] memperkenalkan ''Question-Answering'' (QA) bernama [[IBM Watson|Watson]]. Selanjutnya muncul Aplikasi bernama DeepQA menggunakan NLP untuk menganalisa data tidak terstruktur. | Tahun 1970, munculnya sistem kecerdasan buatan menggunakan algoritma ''backward chaining'' dikenal MYCIN.<ref>Edward H. Shortliffe. [https://archive.org/details/isbn_0444001808 Computer-Based Medical Consultations: MYCIN]. Elsevier. 1976. ISBN 978-0-444-00152-7.</ref> Aplikasi tersebut dikembangkan berdasarkan informasi pasien dan 600 aturan yang diinputkan oleh dokter. MYCIN mampu memberikan daftar bakteri patogen potensial serta memberikan rekomendasi obat yang digunakan sesuai dengan kondisi pasien.Pada tahun 2000 perusahaan [[IBM]] memperkenalkan ''Question-Answering'' (QA) bernama [[IBM Watson|Watson]].<ref>David Ferrucci. ''Building Watson: An Overview of the DeepQA Project''. ''AI Magazine''. 2010. Vol. 31 (3). hlm. 59–79. doi:10.1609/aimag.v31i3.2303.</ref> Selanjutnya muncul Aplikasi bernama DeepQA menggunakan NLP untuk menganalisa data tidak terstruktur. | ||
== Proses terjemahan bahasa == | == Proses terjemahan bahasa == | ||
'''Artikel utama:''' [[Terjemahan mesin]] | '''Artikel utama:''' [[Terjemahan mesin]] | ||
[[Teknologi terjemahan ucapan]] (''speech translation'') berupaya mengubah ucapan lisan dari satu bahasa ke bahasa lain. Hal ini berpotensi mengurangi hambatan bahasa dalam [[perdagangan internasional]] dan pertukaran antarbudaya, memungkinkan penutur dari berbagai bahasa berkomunikasi satu sama lain. | [[Teknologi terjemahan ucapan]] (''speech translation'') berupaya mengubah ucapan lisan dari satu bahasa ke bahasa lain. Hal ini berpotensi mengurangi hambatan bahasa dalam [[perdagangan internasional]] dan pertukaran antarbudaya, memungkinkan penutur dari berbagai bahasa berkomunikasi satu sama lain.<ref>Satoshi Nakamura. [https://files.core.ac.uk/download/236667511.pdf Overcoming the language barrier with speech translation technology]. ''Science & Technology Trends Quarterly Review''. 2009.</ref> | ||
Kecerdasan Buatan (''AI'') telah diterapkan untuk menerjemahkan [[Bahasa tertutur|bahasa lisan]] dan konten tekstual secara otomatis dalam berbagai produk terjemahan mesin, seperti ''[[Microsoft Translator]]'', ''[[Google Translate]]'', dan ''[[DeepL Translator|DeepL Translation]]''. Selain itu, penelitian dan pengembangan juga terus dilakukan untuk menguraikan dan melakukan terjemahan komunikasi hewan. | Kecerdasan Buatan (''AI'') telah diterapkan untuk menerjemahkan [[Bahasa tertutur|bahasa lisan]] dan konten tekstual secara otomatis dalam berbagai produk terjemahan mesin, seperti ''[[Microsoft Translator]]'', ''[[Google Translate]]'', dan ''[[DeepL Translator|DeepL Translation]]''.<ref>Jack Clark. [https://www.bloomberg.com/news/articles/2015-12-08/why-2015-was-a-breakthrough-year-in-artificial-intelligence Why 2015 Was a Breakthrough Year in Artificial Intelligence]. ''Bloomberg.com''. 2015-12-8.</ref> Selain itu, penelitian dan pengembangan juga terus dilakukan untuk menguraikan dan melakukan terjemahan komunikasi hewan.<ref>Elodie F. Briefer. [https://pmc.ncbi.nlm.nih.gov/articles/PMC8901661/ Classification of pig calls produced from birth to slaughter according to their emotional valence and context of production]. ''Scientific Reports''. 2022-03-07. Vol. 12 (1). hlm. 3409. doi:10.1038/s41598-022-07174-8.</ref><ref>Zoë Corbyn. [https://www.theguardian.com/science/2022/jul/31/can-artificial-intelligence-really-help-us-talk-to-the-animals Can artificial intelligence really help us talk to the animals?]. ''The Guardian''. 2022-07-31.</ref><ref>[https://english.cas.cn/newsroom/cas_media/202401/t20240115_655259.shtml Chinese Researchers Develop AI Tech to Help Interpret Animal Social Behavior----Chinese Academy of Sciences]. ''english.cas.cn''.</ref> | ||
Makna dalam komunikasi disampaikan tidak hanya melalui teks, tetapi juga melalui konteks dan cara penggunaan bahasa (lihat [[Semantika (linguistika)|semantik]] dan [[pragmatik]]). Dua pendekatan utama untuk kategorisasi terjemahan mesin adalah [[Terjemahan mesin statistik|terjemahan mesin statik]] (''statistical machine translation – SMT'') dan [[terjemahan mesin saraf]] (''neural machine translations – NMT''). Metode SMT terdahulu menggunakan metodologi statistik untuk memprediksi keluaran terbaik yang paling mungkin dengan [[algoritma]] tertentu. Sementara itu, pendekatan NMT menggunakan [[algoritma dinamis]] yang mencapai terjemahan yang lebih akurat dan baik berdasarkan konteks. | Makna dalam komunikasi disampaikan tidak hanya melalui teks, tetapi juga melalui konteks dan cara penggunaan bahasa (lihat [[Semantika (linguistika)|semantik]] dan [[pragmatik]]). Dua pendekatan utama untuk kategorisasi terjemahan mesin adalah [[Terjemahan mesin statistik|terjemahan mesin statik]] (''statistical machine translation – SMT'') dan [[terjemahan mesin saraf]] (''neural machine translations – NMT''). Metode SMT terdahulu menggunakan metodologi statistik untuk memprediksi keluaran terbaik yang paling mungkin dengan [[algoritma]] tertentu. Sementara itu, pendekatan NMT menggunakan [[algoritma dinamis]] yang mencapai terjemahan yang lebih akurat dan baik berdasarkan konteks.<ref>''Natural Language Processing in Artificial Intelligence (1st ed.)''. Apple Academic Press. 2020. ISBN 978-0-367-80849-5.</ref> | ||
Tingkat adopsi teknologi terjemahan ''AI'' di Indonesia tergolong tinggi. Bahasa Indonesia dilaporkan menjadi salah satu bahasa yang paling sering menggunakan layanan ''Google Translate'' di dunia, khususnya dalam terjemahan pasangan [[bahasa Inggris]] ke Indonesia. Selain mendukung komunikasi global, ''AI'' juga memberikan peluang baru dalam perlindungan dan [[revitalisasi]] bahasa daerah. ''AI'' juga dapat mendukung proses dokumentasi bahasa daerah, termasuk pemetaan bahasa, dan pengembangan alat penerjemah dari bahasa Indonesia ke bahasa daerah serta antarbahasa daerah. [[Badan Bahasa]] menyarankan pembangunan [[Korpus teks|korpus]] [[linguistik]] untuk mendukung pengembangan terjemahan antarbahasa ini. | Tingkat adopsi teknologi terjemahan ''AI'' di Indonesia tergolong tinggi. Bahasa Indonesia dilaporkan menjadi salah satu bahasa yang paling sering menggunakan layanan ''Google Translate'' di dunia, khususnya dalam terjemahan pasangan [[bahasa Inggris]] ke Indonesia.<ref>Wahyu Untara. [https://ejournal.uin-suka.ac.id/adab/Adabiyyat/article/view/1694 PROBLEMA MESIN PENERJEMAH BERBASIS AI DALAM PROSES PENERJEMAHAN BUKU INGGRIS-INDONESIA DAN SOLUSINYA]. ''Adabiyyāt: Jurnal Bahasa dan Sastra''. 2020-06-15. Vol. 4 (1). hlm. 92–115. doi:10.14421/ajbs.2020.04105.</ref> Selain mendukung komunikasi global, ''AI'' juga memberikan peluang baru dalam perlindungan dan [[revitalisasi]] bahasa daerah. ''AI'' juga dapat mendukung proses dokumentasi bahasa daerah, termasuk pemetaan bahasa, dan pengembangan alat penerjemah dari bahasa Indonesia ke bahasa daerah serta antarbahasa daerah.<ref>Riki Nasrullah. [https://badanbahasa.kemendikdasmen.go.id/resource/doc/files/risalah_nomor_7_rev.pdf RISALAH KEBIJAKAN Nomor 7, Agustus 2024. Revitalisasi Bahasa Daerah di Indonesia: Integrasi Teknologi AI dan Pendekatan Berbasis Komunitas].</ref> [[Badan Bahasa]] menyarankan pembangunan [[Korpus teks|korpus]] [[linguistik]] untuk mendukung pengembangan terjemahan antarbahasa ini. | ||
== Referensi == | == Referensi == | ||
<references /> | |||
== Sumber dan atribusi == | == Sumber dan atribusi == | ||
Konten artikel ini diadaptasi dari [https://id.wikipedia.org/w/index.php?title=Penerapan+kecerdasan+buatan&oldid=29435296 Wikipedia bahasa Indonesia], revisi 29435296 (2026-07-09T06:46:46Z), yang tersedia berdasarkan lisensi Creative Commons Atribusi-BerbagiSerupa (CC BY-SA). Gambar pada artikel ini bersumber dari Wikimedia Commons dan mengikuti ketentuan lisensi masing-masing berkas. Mohon gunakan konten dan media secara bijak serta sesuai dengan ketentuan lisensi yang berlaku. | |||
[https://id.wikipedia.org/w/index.php?title= | |||
revisi 29435296 (2026-07-09T06:46:46Z) | <!-- WIKI_UNISSULA_PRESENTATION_V4 --> | ||
Atribusi-BerbagiSerupa (CC BY-SA) pada | |||
Revisi terkini sejak 23 Agustus 2026 03.08
Penerapan Kecerdasan Buatan (atau Penerapan AI) merupakan program yang merekayasa kecerdasan manusia untuk dapat diterapkan pada perangkat mesin atau sistem komputer.[1] Tujuan kecerdasan buatan adalah memfasilitasi komputer agar memiliki kemampuan berpikir dan bertindak seperti manusia. Untuk mencapai kecerdasan tersebut, kecerdasan buatan dikembangkan melalui berbagi sub-bidang utama, termasuk Pembelajaran Mesin (Machine Learning), Pembelajaran Mendalam (Deep Learning), Pemrosesan Bahasa Alami (Natural Language Processing/NLP), dan Visi Komputer (Computer Vision).[1]
Pendidikan
Dalam dunia pendidikan, kecerdasan buatan telah memberikan peluang baru untuk meningkatkan efektivitas pendidikan. kecerdasan buatan dapat digunakan untuk menyediakan materi pembelajaran yang disesuaikan, mengidentifikasi pola belajar siswa, dan meningkatkan efisiensi proses evaluasi.[2]
Beberapa penerapan kecerdasan buatan dalam dunia pendidikan seperti (Chatbot) program komputer yang mensimulasikan percakapan manusia baik tertulis atau lisan yang memungkinkan manusia berinteraksi dengan perangkat digital seolah-olah mereka sedang berkomunikasi dengan orang sungguhan; (Mentor Visual) Bertindak sebagai asisten belajar yang interaktif dengan mengembangkan keterampilan melalui gambar, grafik, animasi, atau video.[2]
Bisnis E-Commerce
Kecerdasan buatan dengan segala kemampuannya dapat memproses dan menganalisis big data secara cepat dan akurat, membuka peluang bagi perusahaan e-commerce untuk meningkatkan strategi pemasaran.[3]
Evolusi kecerdasan buatan dalam e-commerce dimulai dengan penggunaan algoritma canggih sistem rekomendasi berdasarkan filter item, tahun 1990. Pada tahun 2000 melahirkan integrasi pemrosesan bahasa alami dengan visi komputer. Perkembangan berikutnya memanfaatkan big data dan analisis prediktif, memungkinkan e-commerce dapat memprediksi kebutuhan dan perilaku pelanggan.[4]
Beberapa penerapan kecerdasan buatan dalam bisnis e-commerce seperti pencarian visual dan fitur try-on virtual memungkinkan pengguna mencari produk dengan mengunggah gambar. NLP dan analisis sentimen untuk menggali dalam ulasan dan feedback pelanggan.
Kesehatan
Dalam 4 dekade terakhir, kecerdasan buatan dalam bidang kesehatan mengalami perkembangan diawali dengan kemunculan Machine Learning dan Deep Learning. Tahun 1961 muncul pembuatan lengan robot yang mampu melakukan die casting otomatis. Kemudian tahun 1964, Joseph Weizenbaum memperkenalkan ELIZA yang memanfaatkan Natural Language Procesing yang mampu berkomunikasi atau meniru percakapan manusia.[5]
Tahun 1966 di Stanford Research Institute, muncul Robot Shakey.[6] Pada tahun-tahun ini perkembangan kecerdasan buatan di bidang kesehatan masih bergerak pelan. Pada Tahun 1960, mengembangkan sistem analisis dan mesin pencarian berbasis web yang dibuat oleh National Library of Medicine dikenal dengan PubMed. PubMed menyimpan data informasi klinis dan sistem medis.[7]
Tahun 1970, munculnya sistem kecerdasan buatan menggunakan algoritma backward chaining dikenal MYCIN.[8] Aplikasi tersebut dikembangkan berdasarkan informasi pasien dan 600 aturan yang diinputkan oleh dokter. MYCIN mampu memberikan daftar bakteri patogen potensial serta memberikan rekomendasi obat yang digunakan sesuai dengan kondisi pasien.Pada tahun 2000 perusahaan IBM memperkenalkan Question-Answering (QA) bernama Watson.[9] Selanjutnya muncul Aplikasi bernama DeepQA menggunakan NLP untuk menganalisa data tidak terstruktur.
Proses terjemahan bahasa
Artikel utama: Terjemahan mesin
Teknologi terjemahan ucapan (speech translation) berupaya mengubah ucapan lisan dari satu bahasa ke bahasa lain. Hal ini berpotensi mengurangi hambatan bahasa dalam perdagangan internasional dan pertukaran antarbudaya, memungkinkan penutur dari berbagai bahasa berkomunikasi satu sama lain.[10]
Kecerdasan Buatan (AI) telah diterapkan untuk menerjemahkan bahasa lisan dan konten tekstual secara otomatis dalam berbagai produk terjemahan mesin, seperti Microsoft Translator, Google Translate, dan DeepL Translation.[11] Selain itu, penelitian dan pengembangan juga terus dilakukan untuk menguraikan dan melakukan terjemahan komunikasi hewan.[12][13][14]
Makna dalam komunikasi disampaikan tidak hanya melalui teks, tetapi juga melalui konteks dan cara penggunaan bahasa (lihat semantik dan pragmatik). Dua pendekatan utama untuk kategorisasi terjemahan mesin adalah terjemahan mesin statik (statistical machine translation – SMT) dan terjemahan mesin saraf (neural machine translations – NMT). Metode SMT terdahulu menggunakan metodologi statistik untuk memprediksi keluaran terbaik yang paling mungkin dengan algoritma tertentu. Sementara itu, pendekatan NMT menggunakan algoritma dinamis yang mencapai terjemahan yang lebih akurat dan baik berdasarkan konteks.[15]
Tingkat adopsi teknologi terjemahan AI di Indonesia tergolong tinggi. Bahasa Indonesia dilaporkan menjadi salah satu bahasa yang paling sering menggunakan layanan Google Translate di dunia, khususnya dalam terjemahan pasangan bahasa Inggris ke Indonesia.[16] Selain mendukung komunikasi global, AI juga memberikan peluang baru dalam perlindungan dan revitalisasi bahasa daerah. AI juga dapat mendukung proses dokumentasi bahasa daerah, termasuk pemetaan bahasa, dan pengembangan alat penerjemah dari bahasa Indonesia ke bahasa daerah serta antarbahasa daerah.[17] Badan Bahasa menyarankan pembangunan korpus linguistik untuk mendukung pengembangan terjemahan antarbahasa ini.
Referensi
- ↑ 1,0 1,1 M. Sobron Yamin Lubis. Implementasi Artificial Intelligence pada Sistem Manufaktur Terpadu. UISU Press. 2021. hlm. 1-7. ISBN 978-623-7297-39-0.
- ↑ 2,0 2,1 vendoronline. 13 Kecerdasan Buatan yang Kita Gunakan Sehari-hari. BINUS UNIVERSITY BANDUNG - Kampus Teknologi Kreatif. 2023-11-21.
- ↑ Abdulaziz Aldoseri. Re-Thinking Data Strategy and Integration for Artificial Intelligence: Concepts, Opportunities, and Challenges. Applied Sciences. 2023-06-13. Vol. 13 (12). hlm. 7082. doi:10.3390/app13127082.
- ↑ Gede Surya Mahendra. TREN TEKNOLOGI AI (Pengantar dan Contoh Penerapan Artificial Intelligence di Berbagai Bidang). PT Sonpedia. 2024. ISBN 978-623-8598-77-9.
- ↑ Joseph Weizenbaum. ELIZA—A Computer Program for the Study of Natural Language Communication Between Man and Machine. Communications of the ACM. 1966. Vol. 9 (1). hlm. 36–45. doi:10.1145/365153.365168.
- ↑ S. R. I. International. Shakey the Robot. SRI. 1966-11-15.
- ↑ About. PubMed.
- ↑ Edward H. Shortliffe. Computer-Based Medical Consultations: MYCIN. Elsevier. 1976. ISBN 978-0-444-00152-7.
- ↑ David Ferrucci. Building Watson: An Overview of the DeepQA Project. AI Magazine. 2010. Vol. 31 (3). hlm. 59–79. doi:10.1609/aimag.v31i3.2303.
- ↑ Satoshi Nakamura. Overcoming the language barrier with speech translation technology. Science & Technology Trends Quarterly Review. 2009.
- ↑ Jack Clark. Why 2015 Was a Breakthrough Year in Artificial Intelligence. Bloomberg.com. 2015-12-8.
- ↑ Elodie F. Briefer. Classification of pig calls produced from birth to slaughter according to their emotional valence and context of production. Scientific Reports. 2022-03-07. Vol. 12 (1). hlm. 3409. doi:10.1038/s41598-022-07174-8.
- ↑ Zoë Corbyn. Can artificial intelligence really help us talk to the animals?. The Guardian. 2022-07-31.
- ↑ Chinese Researchers Develop AI Tech to Help Interpret Animal Social Behavior----Chinese Academy of Sciences. english.cas.cn.
- ↑ Natural Language Processing in Artificial Intelligence (1st ed.). Apple Academic Press. 2020. ISBN 978-0-367-80849-5.
- ↑ Wahyu Untara. PROBLEMA MESIN PENERJEMAH BERBASIS AI DALAM PROSES PENERJEMAHAN BUKU INGGRIS-INDONESIA DAN SOLUSINYA. Adabiyyāt: Jurnal Bahasa dan Sastra. 2020-06-15. Vol. 4 (1). hlm. 92–115. doi:10.14421/ajbs.2020.04105.
- ↑ Riki Nasrullah. RISALAH KEBIJAKAN Nomor 7, Agustus 2024. Revitalisasi Bahasa Daerah di Indonesia: Integrasi Teknologi AI dan Pendekatan Berbasis Komunitas.
Sumber dan atribusi
Konten artikel ini diadaptasi dari Wikipedia bahasa Indonesia, revisi 29435296 (2026-07-09T06:46:46Z), yang tersedia berdasarkan lisensi Creative Commons Atribusi-BerbagiSerupa (CC BY-SA). Gambar pada artikel ini bersumber dari Wikimedia Commons dan mengikuti ketentuan lisensi masing-masing berkas. Mohon gunakan konten dan media secara bijak serta sesuai dengan ketentuan lisensi yang berlaku.