Peranan Teknik Elektro dan Komputer untuk Teknologi AI dan Machine Learning

Seiring perkembangan teknologi yang sangat pesat dalam dekade terakhir, para Insinyur listrik dan komputer bekerja di garis terdepan dalam inovasi teknologi, berkontribusi pada desain, pengembangan, pengujian, dan proses manufaktur, untuk perangkat dan peralatan generasi terbaru. Karena para profesional ini berjuang untuk inovasi, pengejaran mereka mungkin akan tumpang tindih dengan aplikasi kecerdasan buatan yang berkembang pesat.

Kemajuan pesat di bidang-bidang seperti Machine Learning dan Artificial Neural Networks, telah mempengaruhi hampir setiap industri dan bidang penelitian ilmiah, termasuk teknik. Machine Learning dan profesional dari bidang teknik elektro memanfaatkan AI untuk membangun dan mengoptimalkan sistem, serta menyediakan teknologi AI dengan input data yang baru sebagai interpretasi. Misalnya, para insinyur membangun sistem sensor dan kamera yang terhubung untuk memastikan bahwa AI bagi kendaraan otonom agar dapat “melihat”. Mereka juga harus memastikan bahwa informasi yang dikomunikasikan dari sensor on-board dengan kecepatan kilat, karena keterlambatan dalam sebuah pemrosesan dapat berakibat fatal (kecelakaan parah).

Selain itu, memanfaatkan potensi kecerdasan buatan juga dapat mengungkapkan peluang untuk meningkatkan kinerja sistem sembari mengatasi masalah-masalah yang timbul secara lebih efisien. AI juga dapat digunakan untuk menandai kesalahan-kesalah atau penurunan kinerja secara otomatis, sehingga para insinyur dapat memperbaiki masalah tersebut lebih cepat. Para insinyur teknik listrik dan komputer juga memiliki peluang untuk menyelaraskan kembali sistem kerja tersebut, untuk kembali mengelola operasi harian yang akan terus bertumbuh seiring waktu.

Menemukan dan menerapkan aplikasi rekayasa terbaru dari kecerdasan buatan, mungkin terbukti menjadi jalan untuk kemajuan karir sebagai ujung tombak di lapangan.

Bagaimana Kecerdasan Buatan Digunakan dalam Teknik Elektro dan Teknik Komputer?

Istilah “kecerdasan buatan” menggambarkan berbagai macam sistem yang dibangun untuk meniru/mereplikasikan bagaimana pikiran manusia membuat sebuah keputusan dan memecahkan masalah. Selama beberapa dekade, para peneliti dan insinyur telah mengeksplorasi bagaimana berbagai jenis AI dapat diterapkan pada sistem kelistrikan dan komputer. Ini adalah beberapa bentuk AI yang paling umum dimasukkan ke dalam bidang keilmuan teknik listrik dan komputer:

1. Expert System – memecahkan masalah dengan mesin inferensi yang menarik data dari basis pengetahuan yang dilengkapi dengan informasi tentang domain khusus, terutama dalam bentuk aturan “jika-maka”. Digunakan sejak tahun 1970-an, sistem ini kurang fleksibel daripada bentuk AI yang terbaru, namun secara umum lebih mudah untuk diprogram dan dipelihara.

2. Fuzzy Logic Control Systems – memungkinkan untuk membuat aturan tentang bagaimana mesin merespons input dengan memperhitungkan kontinum (rangkaian kesatuan) dari kondisi yang lebih memungkinkan, daripada menggunakan biner secara langsung.

3. Machine Learning – mencakup berbagai algoritma dan model statistik yang memungkinkan sistem untuk menemukan pola, menarik kesimpulan, dan belajar melakukan tugas tanpa instruksi khusus.

4. Artificial Neural Network – adalah jenis khusus dari sistem machine learning yang terdiri dari sinapsis buatan yang dirancang untuk meniru struktur dan fungsi otak. Jaringan mengamati dan mempelajari saat sinapsis mengirimkan data satu sama lain, kemudian memproses informasi saat melewati beberapa lapisan.

5. Deep Learning – adalah bentuk pembelajaran mesin berbasis jaringan saraf tiruan. Arsitektur pembelajaran mendalam mampu memproses hierarki fitur yang semakin abstrak, menjadikannya sangat berguna untuk tujuan seperti pengenalan suara dan gambar, serta pemrosesan bahasa natural.

Banyak pencapaian paling menjanjikan terjadi di persimpangan antara AI dan teknik elektro yang berfokus pada sistem tenaga. Misalnya, Electric Power Research Institute melaporkan upayanya untuk membuat algoritma yang mampu mengidentifikasi malfungsi dalam infrastruktur transmisi, dan distribusinya berdasarkan gambar yang dikumpulkan oleh drone. Inisiatif lebih lanjut termasuk menggunakan AI untuk memperkirakan bagaimana kondisi cuaca akan mempengaruhi pembangkit listrik tenaga surya dan angin, serta menyesuaikannya untuk memenuhi berbagai permintaan.

Aplikasi AI lainnya yang diusulkan dalam sistem tenaga, termasuk penerapan Expert System yang mengurangi beban kerja operator manusia pada sektor pembangkit listrik, dengan mengambil tugas dalam pemeliharaan rutin, pemrosesan data, pelatihan, dan pengoptimalan jadwal. Atau, Fuzzy Logic Control System yang dapat berfungsi untuk meningkatkan kinerja, konsistensi, dan deteksi kesalahan dari sistem kontrol grid.

Rekayasa Gelombang Kecerdasan Buatan Berikutnya

Mengotomatiskan tugas melalui model machine learning, seperti artificial neural networks atau decision trees, akan menghasilkan sistem yang sering kali dapat membuat keputusan dan prediksi yang lebih akurat, daripada yang dapat dilakukan manusia. Karena sistem ini terus berkembang, kemungkinan besar mereka akan secara mendasar mengubah kemampuan kita untuk memanfaatkan informasi dalam skala yang jauh lebih besar.

Tetapi tugas-tugas yang terlibat dalam penerapan algoritma machine learning untuk aplikasi beragam yang jumlahnya terus bertambah, mulai dari pertanian hingga telekomunikasi, sangat membutuhkan lebih banyak sumber daya manusia. Dibutuhkan arsitektur jaringan yang kuat dan sesuai untuk mengoptimalkan kinerja algoritma Deep Learning yang mungkin mengandalkan miliaran contoh pelatihan. Selain itu, setelah algoritma dilatih, kemungkinan terus diperlukan untuk memproses volume data yang terus bertambah — beberapa sensor yang saat ini tertanam pada kendaraan otonom mampu menghasilkan 19 terabyte data/jam.

Insinyur listrik dan komputer memainkan peranan penting dalam memungkinkan evolusi AI ini untuk terus berkelanjutan, dengan mengembangkan komputer dan sistem komunikasi yang sesuai dengan pertumbuhan dan kekuatan Artificial Neural Network. Selain itu, menciptakan perangkat keras yang dapat dioptimalkan untuk melakukan tugas Machine Learning dengan kecepatan tinggi dan efisiensi, akan membuka pintu untuk kemungkinan terbaru dalam panduan bagi kendaraan otonom, manajemen hubungan pelanggan, deteksi penipuan, dan aplikasi lain yang tak terhitung jumlahnya.

Pemrosesan Sinyal dan Machine Learning untuk Teknik Elektro

Adopsi Machine Learning di bidang teknik sangat berharga untuk memperluas cakrawala pemrosesan sinyal. Sistem ini berfungsi secara efisien untuk meningkatkan akurasi dan kualitas subjektif ketika suara, gambar, dan input lainnya ditransmisikan. Algoritma Machine Learning memungkinkan untuk memodelkan sinyal, mendeteksi pola yang bermakna, mengembangkan inferensi yang berguna, dan membuat penyesuaian yang sangat tepat untuk keluaran sinyal.

Pada gilirannya, teknik pemrosesan sinyal juga dapat digunakan untuk meningkatkan data yang dimasukkan ke dalam sistem Machine Learning. Dengan menghilangkan banyak kebisingan yang seharusnya dimasukkan ke dalam input ini, para insinyur akan mencapai hasil yang lebih bersih dalam kinerja perangkat Internet-of-Things (IoT) dan sistem berkemampuan AI lainnya.

Departemen Teknik Elektro dan Komputer di MSU (Michigan State University) mendemonstrasikan beberapa kemungkinan inovatif, yang dapat mengubah hidup yang akan dihasilakn dari penerapan AI, hingga investigasi dalam pemrosesan sinyal. Peneliti multidisiplin mensintesis beragam konsep, baik dari teknik listrik dan komputer, kecerdasan buatan dan bidang lainnya, dalam upaya untuk mensimulasikan cara mata biologis memproses sebuah informasi visual. Upaya ini berfungsi untuk memperdalam pemahaman kita tentang bagaimana indera kita berfungsi, sembari mengarah pada kemampuan yang lebih besar untuk prosthetics visual, brain-computer interfaces, motion sensors, dan computer vision algorithms.

Demikianlah beberapa kemungkinan yang akan terjadi dari pengaplikasian AI dan Machine Learning bagi insinyur teknik elektro dan komputer, yang akan memiliki peranan penting sebagai garda terdepan kemajuan teknologi.

Artikel ini disadur dari: online.egr.msu.edu (dengan beberapa penyesuaian istilah dan bahasa).