WEBINAR LPDP: Community of Practice in Technology / Artificial Intelligence

 

WEBINAR LPDP
Community of Practice in Technology / Artificial Intelligence

Oleh:
Lembaga Pengelola Dana Pendidikan (LPDP)


Rabu, 12 Maret 2024
via Live Youtube




Community of Practice in Technology/Artificial Intelligence adalah wadah kolaborasi bagi individu yang memiliki minat, pengalaman, atau keahlian dalam bidang teknologi dan kecerdasan buatan. Komunitas ini bertujuan untuk berbagi pengetahuan, memecahkan tantangan, dan mendukung pengembangan inovasi melalui diskusi, pelatihan, serta proyek bersama. Dengan terhubungnya para profesional, peneliti, dan pelajar di komunitas ini, diharapkan lahir solusi dan teknologi baru yang relevan untuk menjawab kebutuhan masa depan. Bergabung dalam komunitas semacam ini juga membuka peluang belajar dan jaringan yang lebih luas bagi anggotanya.



PERKEMBANGAN DAN PEMANFAATAN AI:
PERSPEKTIF PRAKTISI

Perkembangan kecerdasan buatan (AI) telah membawa transformasi besar di berbagai bidang, mulai dari kesehatan, pendidikan, hingga bisnis. Praktisi AI terus memanfaatkan teknologi ini untuk menciptakan solusi inovatif seperti analitik data canggih, otomatisasi proses, hingga pengembangan asisten virtual yang semakin cerdas. Perspektif praktisi menyoroti pentingnya kolaborasi dalam Community of Practice (CoP) untuk berbagi pengetahuan dan pengalaman. Dengan pendekatan ini, pemanfaatan AI dapat dioptimalkan untuk menghadapi tantangan kompleks dan menciptakan dampak positif yang signifikan dalam kehidupan sehari-hari.



Perkembangan kecerdasan buatan (AI) dari masa ke masa, dimulai dari periode awal hingga era modern. Pada era 1950-1970, AI diperkenalkan dengan konsep seperti Turing Test dan konferensi Dartmouth, yang menjadi landasan awal AI. Selanjutnya, era 1980-1990 diwarnai oleh sistem pakar (expert systems) yang dirancang untuk meniru pengambilan keputusan manusia. Pada 2000-2010, teknologi pembelajaran mesin (machine learning) mulai mendominasi dengan kemampuan menganalisis data secara lebih efektif. Era 2011-2020 adalah saat AI bertumbuh pesat melalui deep learning yang memungkinkan pemrosesan bahasa alami dan pengenalan gambar. Kini, kita berada di era AI generatif, yang merevolusi cara AI digunakan untuk menciptakan konten dan ide baru. Perjalanan ini mencerminkan dampak besar AI dalam kehidupan manusia dan potensinya di masa depan.


Perkembangan kecerdasan buatan (AI) di Indonesia dari tahun 2010 hingga 2024, dimulai dengan pengenalan awal teknologi hingga menjadi pilar utama industri nasional. Pada awalnya, AI diperkenalkan melalui pendidikan tinggi, kemudian mendukung pertumbuhan startup teknologi dan diterapkan di sektor bisnis, seperti e-commerce dan fintech. Perkembangan lebih lanjut ditandai oleh strategi nasional dan inovasi AI generatif di industri kreatif. Kini, AI telah diintegrasikan dalam sektor manufaktur dan pertanian, menjadikan Indonesia sebagai salah satu pusat regional AI, dengan dampak signifikan terhadap produktivitas dan inovasi nasional.


Pemanfaatan AI dalam berbagai industri, yaitu keuangan, manufaktur, dan e-commerce. Di sektor keuangan, AI diterapkan untuk mendeteksi penipuan (fraud) dengan machine learning, mencapai tingkat deteksi 90% (Sumber: ACFE, 2022). Pada manufaktur, AI digunakan untuk otomatisasi proses produksi dengan robot, meningkatkan efisiensi hingga 20% (Sumber: Deloitte, 2023). Sementara itu, di e-commerce, AI mengoptimalkan personalisasi rekomendasi produk, yang terbukti meningkatkan penjualan sebesar 35% (Sumber: McKinsey, 2021). Penerapan AI ini menggarisbawahi peran penting teknologi dalam mendorong inovasi dan efisiensi di berbagai sektor industri.

Tren terbaru dalam kecerdasan buatan (AI), termasuk AI generatif seperti DALL-E dan ChatGPT, yang mampu menciptakan berbagai konten kreatif. Selain itu, AI untuk keamanan siber telah membantu mendeteksi dan mencegah ancaman, dengan rata-rata waktu deteksi pelanggaran mencapai 277 hari. Di bidang kesehatan, AI telah meningkatkan akurasi diagnosis hingga 30%, mempercepat proses identifikasi penyakit, dan memungkinkan perawatan yang lebih personal. Gambar ini mencerminkan bagaimana AI terus berkembang dan memberikan dampak signifikan di berbagai industri penting.

10 cara pemanfaatan Generative AI dalam kehidupan sehari-hari. Contohnya meliputi penulisan konten kreatif seperti artikel atau cerita, kreasi visual seperti gambar dan ilustrasi, coding untuk membantu pemrograman, dan pembuatan presentasi yang efisien. Selain itu, AI digunakan untuk personalisasi pengalaman pengguna, penerjemahan bahasa, komposisi musik, ringkasan informasi, analisis data, hingga edukasi interaktif. Pemanfaatan ini menunjukkan fleksibilitas dan potensi Generative AI dalam mendukung berbagai aktivitas, baik personal maupun profesional.


12 tools generative AI populer di Indonesia, seperti ChatGPT, Midjourney, Canva, Grammarly, dan lainnya. Setiap tool disertai informasi terkait kegunaan, harga, website, dan jumlah pengguna di Indonesia. Data ini menyoroti berbagai alat AI generatif yang digunakan untuk mendukung kreatifitas, produktivitas, hingga analisis di berbagai bidang. Informasi ini relevan untuk memahami pilihan tools yang tersedia dan kelebihan masing-masing dalam memenuhi kebutuhan teknologi lokal.


Tiga tantangan utama dalam implementasi kecerdasan buatan (AI): Kualitas Data, Privasi Data, dan Keterampilan. Tantangan kualitas data menyoroti pentingnya data yang akurat dan relevan untuk memastikan hasil yang optimal. Privasi data menjadi perhatian utama, dengan kebutuhan akan perlindungan data untuk mencegah kebocoran informasi sensitif. Selain itu, keterampilan pekerja menekankan perlunya pelatihan berkelanjutan untuk menghadapi perkembangan teknologi AI. Ilustrasi di gambar tersebut mencerminkan kompleksitas teknologi dan urgensi untuk mengatasi hambatan ini demi penerapan AI yang efektif.


Dampak AI generatif terhadap beberapa profesi di Indonesia, meliputi profesi seperti penulis konten, desainer grafis, penerjemah, operator input data, dan customer service. Dengan teknologi seperti ChatGPT, DALL-E, dan chatbot AI, pekerjaan ini mengalami pergeseran karena otomatisasi yang semakin canggih. Misalnya, AI dapat menghasilkan artikel, desain visual, hingga menjawab pertanyaan pelanggan dengan cepat dan efisien. Selain itu, data dalam tabel mencantumkan estimasi gaji profesi tersebut dan tingkat dampak dari adopsi AI. Sumber data berasal dari LinkedIn Salary Indonesia, BPS, dan Asosiasi HR Indonesia, yang menyoroti perubahan signifikan di pasar kerja lokal akibat perkembangan teknologi.


Peluang karir baru yang muncul di era AI generatif, yaitu Prompt Engineer, AI Ethics Officer, AI Quality Assurance, AI Content Curator, dan AI Implementation Consultant. Masing-masing profesi memiliki kisaran gaji yang bervariasi, mulai dari Rp10 juta hingga Rp35 juta per bulan, sesuai dengan tugasnya. Misalnya, Prompt Engineer bertanggung jawab merancang prompt untuk mengoptimalkan hasil AI, sementara AI Ethics Officer memastikan kepatuhan terhadap etika dan regulasi. Sumber data berasal dari IDN Research Institute, Glints, dan Kalibrr Indonesia, menunjukkan relevansi informasi untuk pasar kerja lokal. Hal ini mencerminkan bagaimana AI menciptakan peluang kerja baru dan kebutuhan akan keahlian khusus di bidang ini.


Tren utama dalam kecerdasan buatan (AI) yang meliputi Generative AI, Edge AI, dan AI Ethics. Generative AI, seperti GPT-3, memiliki kemampuan menghasilkan konten kreatif dengan 175 miliar parameter. Edge AI memproses data langsung pada perangkat untuk mengurangi latency hingga 60%, sehingga lebih efisien. Sementara itu, AI Ethics menekankan pentingnya transparansi dan akuntabilitas dalam pengembangan AI untuk memastikan solusi yang adil dan dapat dijelaskan. Data ini diambil dari Gartner Research 2023, mencerminkan fokus terbaru dan masa depan teknologi AI yang semakin maju.


Gambar ini menjelaskan tiga peran utama praktisi dalam era kecerdasan buatan (AI): Pembelajaran, Kolaborasi, dan Etika. Dalam pembelajaran, praktisi diharapkan terus mengikuti perkembangan teknologi terkini untuk mendukung inovasi. Kolaborasi menjadi kunci untuk memadukan berbagai keahlian lintas disiplin guna menghasilkan solusi yang relevan. Selain itu, etika memainkan peran penting dalam memastikan bahwa pengembangan dan penerapan AI dilakukan secara bertanggung jawab, mempertimbangkan dampak sosial, dan menjunjung prinsip-prinsip keadilan. Ketiga aspek ini mencerminkan fondasi penting bagi keberhasilan penerapan AI secara berkelanjutan.



WHAT IS INTELLEGENCE


Asal-usul istilah Artificial Intelligence (AI) yang pertama kali diperkenalkan oleh John McCarthy pada tahun 1956. Definisi yang diangkat adalah kemampuan mesin untuk melakukan tugas-tugas yang mencerminkan kecerdasan manusia, seperti pengambilan keputusan, pemecahan masalah, dan pembelajaran. Ilustrasi jaringan saraf buatan yang disertai wajah manusia dalam gambar menunjukkan hubungan erat antara teknologi dan elemen manusia dalam pengembangan AI. Slide ini memberikan pemahaman dasar tentang sejarah dan pentingnya AI sebagai pilar inovasi modern.


Perbedaan utama antara Narrow AI dan General AI. Narrow AI adalah kecerdasan buatan yang dirancang untuk menyelesaikan tugas spesifik, seperti asisten virtual atau sistem rekomendasi, yang sudah banyak digunakan saat ini. Sementara itu, General AI adalah kecerdasan yang memiliki kemampuan serbaguna seperti manusia, meskipun pengembangannya masih dalam tahap penelitian. Pertanyaan tentang "Singularitas" juga diangkat, yang merujuk pada kemungkinan AI melampaui kecerdasan manusia di masa depan. Slide ini memberikan gambaran tentang arah perkembangan teknologi AI dan dampaknya bagi manusia.

Evolusi teknologi kecerdasan buatan yang dimulai dari era AI pada tahun 1950-an hingga 1970-an, dilanjutkan dengan perkembangan Machine Learning pada tahun 1980-an hingga 2000-an, dan akhirnya mencapai puncak inovasi melalui Deep Learning pada tahun 2010-an. Perkembangan ini menunjukkan transformasi besar dalam cara komputer belajar dan menangani data, serta bagaimana setiap era membawa pendekatan baru yang merevolusi aplikasi teknologi di dunia nyata.


Pentingnya memiliki data set yang lengkap dan spesifik untuk aplikasi computer vision, di mana jumlah besar video dan foto objek harus dikumpulkan dan diberi label serta anotasi dengan cermat. Meskipun sebagian data set umum telah tersedia, tantangan muncul untuk mendapatkan data set khusus karena adanya batasan peraturan dan masalah privasi, terutama terkait informasi rahasia seperti data karyawan, pelanggan, atau siswa.


Artikel XINHUANET berjudul "China Focus: Data-labeling: the human power behind Artificial Intelligence" yang mengungkap peran krusial pelabelan data dalam menggerakkan kemajuan AI. Artikel ini menyoroti kisah Zhang Yuen, seorang lulusan sekolah kejuruan berusia 22 tahun yang bekerja di sebuah gedung lima lantai di pinggiran Beijing, yang bertugas menggambar kotak dan mobil di foto jalanan sebagai bagian dari proses pelabelan data. Selain itu, ilustrasi di sebelah kanan menginformasikan tentang ImageNet, basis data visual raksasa yang dilatih melalui upaya kolaboratif hampir 50.000 orang di 167 negara selama lebih dari tiga tahun untuk membersihkan dan melabeli hampir satu miliar gambar. Slide ini menekankan bahwa di balik kecanggihan AI terdapat daya kerja manusia yang teliti dan kolaboratif, yang menyediakan fondasi data berkualitas untuk pengembangan teknologi masa depan.


Kebutuhan utama dalam pengembangan kecerdasan buatan (AI), yang meliputi empat elemen penting. Pertama, infrastruktur komputasi, terutama GPU dalam jumlah besar untuk proses learning dan training, dengan solusi kolaborasi dengan penyedia jasa komputasi. Kedua, data set yang dapat diperoleh melalui peneliti di kampus, perusahaan AI, atau SMK AI. Ketiga, arsitektur dan algoritma pembelajaran yang dirancang oleh peneliti untuk memastikan efisiensi teknologi. Terakhir, aplikasi AI yang diciptakan oleh para pengembang AI untuk memenuhi kebutuhan praktis. Elemen-elemen ini merupakan fondasi penting untuk mendukung kemajuan teknologi AI.


Isu-isu utama dalam kecerdasan buatan (AI). Pertama, pentingnya AI bagi negara, termasuk keuntungan dalam bidang ekonomi, politik, keamanan nasional, dan kemandirian teknologi. Selanjutnya, tantangan yang dihadapi AI seperti transparansi, bias, dan etika. Terakhir, pertanyaan reflektif diajukan: "Apakah manusia melayani mesin, bukan kemanusiaan?" Materi ini mengundang diskusi tentang bagaimana AI dapat dimanfaatkan secara bertanggung jawab untuk kesejahteraan manusia tanpa mengorbankan nilai-nilai etis.


Dampak signifikan AI dalam berbagai bidang dengan beberapa poin utama. AI telah membawa gangguan besar di berbagai sektor, menciptakan kebutuhan akan platform komputasi berkinerja tinggi untuk mendukung teknologinya. Meski begitu, masih banyak tantangan teknis dan etika yang harus diselesaikan melalui penelitian mendalam. Dengan pandangan bahwa ini bukan lagi tentang "Manusia vs. AI," melainkan "Manusia vs. Manusia + AI," slide ini menutup dengan refleksi penting melalui pertanyaan: "Are we ready?" yang mengajak audiens untuk menilai kesiapan menghadapi perkembangan AI.



POSSIBLE COLLABORATIONS

Topik "Recent Trends on AI and Applications: Possible Collaborations" yang disampaikan oleh Assoc. Prof. Dr.Eng. Khoirul Anwar, ST., M.Eng., seorang ahli dalam bidang komunikasi cerdas lanjutan. Presentasi ini membahas peluang kolaborasi AI dan aplikasinya dari perspektif teknologi mutakhir seperti Beyond 5.5G dan Quantum Technology. Sebagai Direktur AICOMS di Telkom University dan Wakil Ketua AWG, beliau memberikan wawasan mendalam tentang pengembangan AI di tingkat internasional. Presentasi ini disampaikan secara virtual dalam acara Community of Practice di Jakarta pada 12 Maret 2025.


Visi dan misi AICOMS (Advanced Intelligent Communication Systems) yang bertujuan menjadi pusat penelitian terkemuka di dunia dalam bidang Komunikasi Cerdas Lanjutan. Diagram pohon mencerminkan berbagai bidang penelitian, seperti Elektromagnetik Klasik (75%) dan Kuantum (15%), yang melibatkan cabang ilmu seperti Optik, Molekul, Teori Informasi, Pembelajaran Mesin, hingga Teori Kode. Selain itu, terdapat empat tingkat pengaruh: mulai dari penelitian dasar hingga skala internasional. Tujuannya mencakup pengembangan model penelitian kolaboratif, peningkatan kualitas penelitian menuju pengakuan dunia, dan kolaborasi dengan universitas, industri, dan pemerintah untuk membangun pusat penelitian global yang inovatif.


Timeline perjalanan PUI PT AICOMS sejak didirikan pada tahun 2016 hingga 2024. Mulai dari awal berdirinya dengan nama AdWiTech, AICOMS berhasil mendapatkan berbagai pendanaan nasional dan internasional, termasuk dari EPSRC UK, ASEAN IVO, Huawei, LPDP Rispro, dan BRIN. Tiap tahunnya ditandai dengan pencapaian signifikan, seperti pendanaan sebesar Rp4 miliar pada tahun 2020 dan mencapai Rp6,5 miliar pada tahun 2023. Dukungan ini mencerminkan komitmen AICOMS dalam penelitian dan pengembangan teknologi cerdas lanjutan, yang terus berkembang untuk menjawab tantangan global di berbagai bidang.


Pencapaian AICOMS dalam pembelajaran mesin, di mana makalah berjudul "Deep Learning-Based Demapper for Multiuser Detection" karya Alifia Safrida Arini, Khoirul Anwar, dan Gelar Budiman berhasil meraih Best Paper Award pada konferensi IEEE APACE 2024 di Langkawi, Malaysia. Ilustrasi diagram jaringan saraf dalam gambar menunjukkan metode deep learning yang digunakan untuk meningkatkan kinerja deteksi multiuser. Prestasi ini menegaskan kontribusi AICOMS dalam inovasi teknologi cerdas berbasis AI di tingkat internasional.


Evolusi teknologi dari era pertanian hingga era kecerdasan buatan (AI), yang menunjukkan peningkatan produktivitas setiap era. Grafik ini menghubungkan tiga aspek utama dalam ekonomi digital: ilmu pengetahuan dan teknologi, penerapan industri, dan tata kelola sosial. Persamaan 

C=[E+I+f(E×I)]C = \sum \left[ E + I + f(E \times I) \right]

menggambarkan bagaimana kombinasi energi (E) dan informasi (I), bersama fungsi pertumbuhannya, menjadi fondasi peradaban modern. Informasi ini, berdasarkan laporan ITU Juli 2023, menekankan pentingnya sinergi antara teknologi dan sosial untuk menghadapi tantangan era digital.



Perkembangan Artificial Superintelligence (ASI) dari tahun 1998 hingga 2023, menunjukkan peningkatan kinerja AI yang melampaui kemampuan manusia di berbagai bidang. Grafik mencakup kemampuan AI dalam pemahaman bacaan, pengenalan gambar, pemecahan masalah matematika, hingga pengujian prediktif, yang telah mengalami kemajuan signifikan. Selain itu, dijelaskan karakteristik utama ASI, yaitu supremasi kognitif, kemampuan untuk memperbaiki diri, dan pemecahan masalah kompleks, berdasarkan data dari Kiela et al. (2023). Potensi ASI ini dapat merevolusi sains, kedokteran, dan ekonomi dengan efisiensi yang luar biasa. Data ini relevan untuk memahami dampak besar ASI terhadap masa depan.


Evolusi teknologi jaringan seluler dari 1G hingga 8G, yang menyoroti peningkatan kecepatan, kecerdasan, dan keamanan. Perkembangan ini mencakup inovasi seperti Digital Radio, Software Defined Radio, Photonics Defined Radio, hingga Quantum Radio. Google juga mencatat bahwa mesin Quantum Sycamore mampu menyelesaikan tugas dalam 200 detik, yang biasanya membutuhkan 10.000 tahun oleh superkomputer. Selain itu, gambar ini menekankan potensi teknologi kuantum dalam menyelesaikan masalah kompleks secara efisien, dengan target Indonesia Emas pada tahun 2045 sebagai puncak pencapaian nasional dalam teknologi komunikasi.


Skenario penggunaan dan peningkatan kemampuan teknologi 6G dari IMT-2020 ke IMT-2030. Enam skenario baru, seperti Konektivitas Ubiquitous, Integrasi AI dan Komunikasi, serta Sensing-Komunikasi Terintegrasi, ditekankan bersama empat aspek utama: keberlanjutan, koneksi global, kecerdasan ubiquitous, dan keamanan. Diagram menunjukkan bagaimana IMT-2030 menggabungkan kapabilitas baru dan meningkatkan kemampuan sebelumnya untuk mendukung berbagai aplikasi inovatif, menjadikan 6G sebagai fondasi teknologi masa depan yang lebih tangguh dan inklusif.


Kolaborasi antara teknologi 5G, 5G-Advanced (5G-ADV), dan 6G dengan integrasi teknologi kuantum dalam jaringan Radio Access Network (RAN). Pada 5G, kecerdasan buatan (AI) menjadi komponen utama, sedangkan pada 6G, terdapat penggabungan AI dan kriptografi kuantum. Teknologi kuantum diterapkan pada berbagai aspek, seperti pemrosesan data fisik, deteksi anomali otomatis, prediksi kualitas pengalaman pengguna, hingga pencarian basis data dengan algoritma canggih seperti Grover. Informasi ini menunjukkan potensi teknologi kuantum dalam meningkatkan kinerja dan keamanan jaringan komunikasi di masa depan.


Evolusi dan hierarki teknologi AI, mulai dari Machine Learning (ML) dengan teknik seperti PCA dan SVM, lalu ke Deep Learning (DL) dengan metode DNN, DRL, dan LSTM, hingga Generative AI yang mencakup GAN, VAE, Diffusion Models, dan Transformer. Di pusat hierarki, terdapat LLM (Large Language Models) seperti ChatGPT, yang menjadi inti inovasi AI generatif. Selain itu, kemampuan Generative AI dijelaskan dalam tiga aspek utama: pembuatan konten (gambar, teks, suara, dll.), penerjemahan (antara bahasa alami atau bahasa alami dan mesin), dan pembuatan kode. Diagram ini merefleksikan hubungan antar teknologi dan aplikasi AI dalam inovasi modern, berdasarkan laporan ITU, Juli 2023.


Prinsip dasar jaringan saraf tiruan (neural networks) yang digunakan dalam pembelajaran mesin. Diagram menunjukkan struktur lapisan input, lapisan tersembunyi, dan lapisan output, serta fungsi logika seperti AND, OR, dan XOR. Selain itu, ilustrasi visual meliputi neuron dengan elemen seperti sinaps dan fungsi aktivasi, beserta persamaan 

xw=yxw = y dan x1w1+x2w2+x3w3=yx_1 w_1 + x_2 w_2 + x_3 w_3 = y

yang menyajikan solusi linear sebagai w=x1yw = x^{-1}y. Informasi ini memberikan gambaran tentang proses pelatihan jaringan saraf untuk mempelajari pola dari data input dan output.



Konsep non-linearitas dalam machine learning dengan menggunakan contoh hasil pertandingan sepak bola di Grup E Piala Dunia 2022 dan masalah klasik XOR. Pada bagian atas, kita melihat hasil pertandingan yang menunjukkan bahwa tidak ada pola linear yang jelas (misalnya, Jepang menang melawan Jerman dan Kosta Rika, tetapi kalah melawan Jerman). Di bagian bawah, kita melihat representasi grafis dari operasi logika AND, OR, dan XOR. AND dan OR dapat dipisahkan secara linear, sementara XOR tidak bisa, yang mengilustrasikan tantangan yang dihadapi machine learning pada tahun 1969 ketika model linear tidak dapat menyelesaikan masalah non-linear seperti XOR. Contoh Piala Dunia 2022 menunjukkan bahwa masalah non-linearitas juga relevan dalam konteks yang lebih luas, seperti prediksi hasil olahraga.


Filosofi pembelajaran mesin sebagai proses optimasi yang digambarkan melalui diagram "parameterised model family" menuju "effective model family" dengan berbagai fungsi loss, seperti square loss, ℓ₁ loss, hinge loss, dan logistic loss, masing-masing memiliki rumus matematisnya. Slide ini juga menampilkan ilustrasi metaforis Nasruddin Hodja dengan cerita kunci yang hilang untuk menggambarkan pentingnya memilih model dan fungsi loss yang tepat dalam pembelajaran mesin, sehingga optimasi dapat memberikan hasil yang efektif dan relevan.


Visi kolaborasi KOMINFO dan AICOMS untuk mencapai Visi Indonesia Digital 2045 sebagai bagian dari Visi Indonesia Emas 2045. Pilar utama yang mendukung visi ini meliputi Pemerintahan Digital, Ekonomi Digital, dan Masyarakat Digital, dengan teknologi masa depan seperti Artificial Intelligence, Internet of Things, Blockchain, dan Quantum Computing. Ekosistem pendukung mencakup SDM Digital, Riset dan Inovasi, serta Regulasi. Pada tahun 2045, konektivitas diproyeksikan mencapai jaringan 6G dan 7G, dengan akses internet rumah hingga 1 Tbps, yang akan menggerakkan inovasi seperti quantum computing dan perangkat wearable canggih, mendukung pertumbuhan produktivitas dan daya saing bangsa.



MEMBANGUN MODEL PENGATURAN AI INDONESIA

Kurva difusi inovasi yang diusulkan oleh Everett M. Rogers, yang menggambarkan pola adopsi teknologi baru dalam masyarakat. Kurva ini terbagi menjadi lima kelompok: Innovators (2.5%), Early Adopters (13.5%), Early Majority (34%), Late Majority (34%), dan Laggards (16%). Tantangan utama terletak pada "The Chasm" antara Early Adopters dan Early Majority, yang sering menjadi hambatan signifikan dalam mengadopsi inovasi baru. Informasi ini relevan untuk memahami bagaimana teknologi seperti AI dapat diadopsi secara luas dan strategi apa yang diperlukan untuk melewati hambatan tersebut.


Enam tantangan utama terkait sistem kecerdasan buatan (AI), yaitu transparansi dan kemampuan penjelasan (explainability), bias dan manipulasi, profilasi dan pengawasan, pelanggaran privasi serta data pribadi, fasilitasi tindak pidana, serta kontrol dan pengawasan oleh manusia. Diagram piramida di sudut kanan bawah menunjukkan tingkatan risiko sistem AI berdasarkan EU AI Act, mulai dari "Minimal or No Risk AI Systems" hingga "Unacceptable Risk AI Systems," dengan contoh konkret untuk setiap tingkat. Slide ini menyoroti pentingnya regulasi untuk memastikan penerapan AI yang aman dan bertanggung jawab.


Perbedaan pendekatan terhadap regulasi AI oleh Amerika Serikat, Uni Eropa, Tiongkok, dan wilayah lainnya (Rest of the World). Uni Eropa berfokus pada penguatan pasar internal dan nilai-nilai persatuan, sementara Tiongkok menekankan nilai-nilai inti sosialisme dalam pengembangan AI. Amerika Serikat dan negara lainnya mencerminkan pendekatan yang menekankan kebebasan, hak asasi manusia, dan penghormatan terhadap martabat manusia. Slide ini menyoroti ketegangan geopolitik, perbedaan standar, serta ketidakseimbangan kekuasaan antara pemerintah dan perusahaan AI, menggambarkan pentingnya tata kelola yang inklusif dan beretika di seluruh dunia.


Pengaturan Artificial Intelligence (AI) dengan dua aspek utama. Pertama, pemahaman tentang AI mencakup aspek teknis dan teknologi, hukum, serta dampak sosialnya. Kedua, pendekatan model regulasi dibahas, dengan fokus pada pilihan antara pendekatan yang komprehensif atau sektoral. Ilustrasi yang digunakan dalam slide, seperti gambar penyelaman, mungkin melambangkan eksplorasi mendalam dalam memahami dan mengatur AI, menekankan perlunya keseimbangan antara inovasi teknologi dan tanggung jawab hukum serta sosial.


Regulasi dan kebijakan terkait Artificial Intelligence (AI) yang dibagi menjadi dua kategori: regulasi spesifik dan regulasi umum. Regulasi spesifik mencakup Surat Edaran (SE) Kominfo Nomor 9/2023 tentang Etika Kecerdasan Artifisial, sedangkan regulasi umum meliputi sejumlah undang-undang seperti UU Informasi dan Transaksi Elektronik, UU Pelindungan Data Pribadi, UU Perindustrian, dan UU Sistem Nasional Ilmu Pengetahuan dan Teknologi. Materi ini menekankan pentingnya kerangka hukum yang komprehensif untuk mendukung pengembangan dan penerapan AI secara bertanggung jawab di Indonesia.


Strategi Nasional Artificial Intelligence (Stranas AI) Indonesia untuk periode 2020–2045 yang berfokus pada lima elemen utama: Etika & Kebijakan, Riset & Inovasi Industri, Talenta, Infrastruktur & Data, dan Area Fokus. Diagram juga menunjukkan lima bidang prioritas yaitu Kesehatan, Mobilitas & Kota Pintar, Ketahanan Pangan, Pendidikan & Riset, serta Bidang Prioritas utama lainnya. Strategi ini bertujuan untuk membangun ekosistem AI yang berkelanjutan dan relevan dengan kebutuhan Indonesia, mendorong inovasi, dan meningkatkan daya saing bangsa secara global hingga tahun 2045.


Dua pendekatan regulasi dalam teknologi, yaitu Sandbox dan Heuristic. Pendekatan Sandbox menawarkan fleksibilitas melalui uji coba prototipe, evaluasi, dan pengambilan keputusan baru secara dinamis. Sementara itu, pendekatan Heuristic menggunakan informasi dan fakta yang sudah ada, bersifat tidak holistik, serta lebih progresif dengan opsi default. Ilustrasi kotak pasir dan diagram langkah pemecahan masalah dalam slide ini memperkuat konsep bagaimana kedua pendekatan ini dapat diterapkan untuk menyelesaikan tantangan teknologi secara adaptif dan efisien.


Strategi pengembangan model pengaturan AI di Indonesia dengan tiga poin kunci. Pertama, pengembangan model pengaturan membutuhkan waktu untuk menemukan pendekatan yang kontekstual dan sesuai dengan kebutuhan. Kedua, proses tersebut memerlukan pendekatan heuristik yang progresif, bukan pendekatan yang komprehensif. Ketiga, setiap sektor perlu merancang dan mengembangkan kebijakan secara spesifik untuk membangun arah regulasi AI yang optimal. Ilustrasi seorang pelari dari partikel kecil melambangkan dinamisme dan proses bertahap dalam mencapai tujuan tersebut.

Komentar