Telset.id, Jakarta – Saat ini semakin banyak perangkat yang online atau Internet of Thing (IoT) yang masing-masing menghasilkan data. Ini membuat cara informasi dianalisis dan digunakan untuk memfasilitasi pembelajaran mesin juga berubah.
Data adalah kunci untuk meningkatkan akurasi dan prediksi pembelajaran mesin dan sistem kecerdasan buatan (AI).
Misalnya semakin banyak gambar apel dan jeruk yang diberikan, maka semakin baik dia membedakan keduanya.
“Kecerdasan dari sebuah mesin itu disokong oleh jumlah data,” kata, wakil presiden dan CTO komputasi kinerja tinggi dan AI, Hewlett-Packard Enterprise (HPE) Goh Eng Lim, seperti dilansir zdnet.com, Minggu (5/8/2018).
Namun dia menekankan bahwa perusahaan tidak boleh hanya berfokus pada retensi data karena membangun volume saja tidak memadai. Data juga perlu dikuratori, diberi label dan digabungkan.
Baca juga: Awas! Serangan Siber Masuk dari Perangkat IoT
Goh mencatat bahwa jika terlalu sering organisasi mengoperasikan data dalam silo, maka departemen sumber daya manusia (SDM) menghasilkan data yang tidak terintegrasi dengan data ada pada tim penjualan.
Untuk membuat prediksi yang lebih baik, sistem pembelajaran mesin dinilai masih diperlukan untuk dapat menarik data di seluruh perusahaan secara mulus.
Mereka, kata dia, juga perlu bekerja pada data yang diberi label dan dikurasi dengan benar untuk memastikan keputusan dibuat berdasarkan data yang akurat dan berkualitas.
Dia mengakui booming IoT yang diantisipasi kemudian akan membawa komplikasi lebih lanjut dan bisa memperburuk situasi.
Gartner memprediksi jumlah perangkat yang terhubung telah melampaui populasi global tahun lalu yang mencapai 8,4 miliar unit dan akan terus naik menjadi 20,4 miliar unit pada 2020.
Baca juga: Perkuat Ekosistem IoT, Telkomsel Luncurkan Pusat Inovasi
Karena itu, Goh mencatat, tidak akan mungkin untuk mendorong semua data yang dihasilkan oleh setiap perangkat yang terhubung kembali ke pusat data untuk dianalisis.
“Jaringan tidak bisa mengikuti. Oleh karena itu, Anda perlu perangkat IoT menjadi lebih pintar sehingga dapat membuat keputusan cerdas di tepi, misalnya, hanya mengirim kembali informasi yang dibutuhkan kembali ke jaringan,” kata dia.
Perangkat IoT dapat memastikan apakah data berkualitas tinggi dan harus didorong kembali ke jaringan untuk memfasilitasi pembelajaran mendalam atau untuk memproses pembelajaran di tepi dan mengirim kembali hanya yang berisi pengetahuan ketimbang data murni.
“Tepi atau perangkat IoT perlu memperoleh lebih banyak kecerdasan untuk melaksanakan keputusan dan tugas tersebut, kata Goh.
Dalam laporan ZDNet 2016, para peneliti di A * Star’s Institute for Infocomm Research di Singapura mengatakan mereka telah mulai mengeksplorasi teknologi, khususnya analisis data terdistribusi, yang akan memungkinkan data dianalisis secara lebih efisien dalam ukuran terbatas dan kekuatan komputasi perangkat IOT.
Dia juga menyambut baik langkah Singapura untuk membentuk dewan penasehat untuk menilai penggunaan AI dan data secara etis dan legal.
Dengan memperhatikan bahwa jalur yang sama diperlukan ketika inisiatif genome dimulai, dia mengatakan teknologi sering bergerak maju dari kebijakan dan yang terakhir diperlukan untuk mengejar ketinggalan.
Baca juga: 83 Persen Bisnis di Indonesia Mulai Jalankan IoT
Dan saat ini teknologi robot sudah maju secara signifikan, tambahnya, menunjuk pada kemajuan yang dicapai oleh Boston Dynamics, lini binid SoftBank.
“Manusia tumbuh melihat dunia [mengembangkan] dan [belajar] untuk menilai apa yang benar dan salah. Kami masih harus menjadi pengawas keputusan robot untuk, setidaknya, bertahun-tahun lagi. Ini adalah mengapa studi dalam humaniora dan ilmu sosial masih penting,”pungkas dia.
Sumber: ZDNet
