Contoh AI / Kecerdasan Buatan Terbaru di Sebuah Industri

Assalamualaikum Wr. Wb, Salam Rahayu Wilujeng dan Salam Budaya

Artificial Intelligence (AI) atau kecerdasan buatan adalah sebuah mesin / platform yang terbuat dari simulasi kecerdasan yang dimiliki oleh manusia dari proses belajar dari pengalaman, menyesuaikan input-input baru dan melaksanakan tugas seperti manusia.

Saat ini hampir semua perangkat komputer atau teknologi modern banyak menerapkan teknologi AI. Sebagian besar contoh AI yang mungkin kamu dengar dewasa ini, yang dimulai dari komputer yang bermain catur hingga mobil yang mengendarai sendiri.

Tentu saja sebuah teknologi AI juga tak lepas dari sebuah data yang dikelola dan sangat mengandalkan pembelajaran mendalam atau deep learning atau pembelajaran yang biasa kita dengar dalam web blog ini, yaitu pembelajaran mesin atau dalam bahasa ilmiah adalah machine learning.

Pada saat ini, contoh penerapan AI terbanyak yaitu pada produk atau layanan teknologi terbaru, penelitian, analisis perilaku konsumen bagi perusahaan, mendeteksi penipuan, proyeksi pasar atau perkiraan penjualan, memantau keamanan di internet dan IT, serta mengotomatisasi pekerjaan.

Dalam sebuah Industri teknologi AI menjadi peran penting dalam jalannya bisnis tersebut. Tentu saja hal ini ditujukan untuk memudahkan pekerjaan dari Manusia itu sendiri.

Sebuah contoh kecerdesan buatan untuk meningkatkan kemampuan indoor positioning sedang dikembangkan oleh Internet Interdisciplinary Institude (IN3) di Universitas Oberta de Cataluna (UOC), Spanyol. Sedangkan yang dimaksud telnologi indoor positioning adalah salah satu pendorong utama transformasi digital di sekotor industri.

Contoh kecerdasan buatannya bernama DUNE ini menggabungkan kemampuan pembelaran mendalam dengan sistem komputasi terdistribusi (distributed computing system), baik cloud maupun edge computing. Maka karena itu, sistem ini dapat bekerja pada remote server maupun di dekat sumber data.

Aspek-Aspek Teknologi Dari DUNE

Assisted Positioning Menggunakan Deep Learning

Teknologi indoor asset location menggunakan point of view dari perangkat (receiving device) untuk menyimpulkan dari arah mana asal sinyal yang dipancarkan oleh objek, kemudian sistem menerjemahkan informasi menjadi estimasi posisi objek. Dengan begitu DUNE menggabungkan mekanisme positioning yang dibantu oleh pembelajaran mendalam.

Pembelajaran mendalam atau Deep Learning akan melibatkan algoritma machine learning yang dapay dilatih untuk belajar dari input, dan pengetahuan tersebut yang digunakan untuk memberi keputusan berdasarkan informasi yang baru.

Strategi Distributed Computing

Sistem ini sepenuhnya terdistribusi dan terdiri atas berbagai teknologi sensor dan lokasi yang ditempatkan pada objek-objek yang akan dideteksi posisinya. Perangkat-perangkat ini menghasilkan jejak data mentah (raw data) yang harus diproses untuk mendapatkan perkiraan posisi masing-masing. Pemrosesan data awal terjadi di "far-edge"(Factory Automation Edge Computing Operating).

FAR-EDGE adalah teknologi untuk otomatisasi pabrik berdasarkan arsitektur komputasi tepi dan teknologi IoT/CPS. FAR-EDGE akan memberikan implementasi referensi dari solusi berbasis standar yang muncul untuk otomasi industri (arsitektur referensi Konsorsium Internet Industri RAMI 4.0), bersama dengan layanan simulasi untuk memvalidasi arsitektur otomasi dan skenario penjadwalan produksi. Berikut contoh simulasi sederhana dari penggunaan FAR-EDGE

Sumber : https://www.rcrwireless.com/

Data is updated in real time

Dengan menerapkan pembelajaran mendalam deep learning akan mampu memperkirakan sudut yang menentukan arah sinyal dan memberikan pembaruan secara real-time dan mempu mendapatkan perkiraan posisi objek yang lebih akurat

Infrastruktur di cloud

Estimasi posisi yang didapat dari perangkat edge dikirimkan ke infrastrukur cloud secara real time. Infrastruktur cloud ini terhubung dengan sistem informasi di pabrik atau gudang logistik di mana proses berlangsung. Di cloud, metode artificial intelligence digunakan untuk remediasi, peningkatan, klasifikasi, deteksi anomali, dan optimalisasi operasi.

Pengalaman Edukasi