Jensen Huang: Sang Visioner di Balik Revolusi Teknologi Grafis dan Kecerdasan Buatan

Jensen Huang: Sang Visioner di Balik Revolusi Teknologi Grafis dan Kecerdasan Buatan

Jensen Huang adalah nama yang tak asing lagi di dunia teknologi. Sebagai pendiri dan CEO Nvidia, Huang telah memimpin perusahaan ini menjadi raksasa teknologi yang terkenal dengan inovasi di bidang grafis komputer dan kecerdasan buatan (AI). Artikel ini akan mengupas perjalanan hidup Huang, kiprahnya di Nvidia, dan pengaruhnya terhadap perkembangan teknologi modern.

Karier Awal dan Pendirian Nvidia

Setelah menyelesaikan pendidikannya, Huang bekerja sebagai insinyur di beberapa perusahaan teknologi ternama seperti LSI Logic dan AMD. Pada tahun 1993, Huang bersama Chris Malachowsky dan Curtis Priem mendirikan Nvidia.

Revolusi Industri Game PC & Pelopor Kecerdasan Buatan Modern

Salah satu pencapaian terbesar Huang adalah perannya dalam merevolusi industri game PC. Pada tahun 1999, Nvidia meluncurkan GPU GeForce 256, yang merupakan GPU pertama yang dirancang khusus untuk game. GPU ini membawa perubahan besar dalam dunia grafis komputer, memungkinkan game dengan visual yang lebih realistis dan kompleks.

GPU Nvidia tak hanya unggul dalam urusan grafis. Kemampuannya dalam memproses data paralel menjadikannya sangat cocok untuk menjalankan algoritma pembelajaran mesin yang menjadi dasar AI modern. Nvidia pun menjadi pemain kunci dalam perkembangan AI.

Jensen Huang Forbes Thailand

Kepemimpinan Visioner

Huang dikenal sebagai pemimpin yang visioner dan berpikiran jauh ke depan. Di bawah kepemimpinannya, Nvidia terus berinovasi dan berkembang, memperluas jangkauannya ke berbagai bidang seperti mobil self-driving, realitas virtual, dan komputasi awan.

Huang telah menerima berbagai penghargaan atas kontribusinya di bidang teknologi. Ia dinobatkan sebagai CEO of the Year oleh Fortune Magazine pada tahun 2018 dan 2019. Ia juga masuk dalam daftar Time 100: The Most Influential People in the World pada tahun 2020.

Jensen Huang adalah sosok inspiratif yang telah memberikan kontribusi besar terhadap perkembangan teknologi modern. Visi dan kepemimpinannya telah mengantarkan Nvidia menjadi perusahaan teknologi terdepan dan membuka jalan bagi masa depan yang lebih cerdas dan terkoneksi. 

 

5 Tokoh Paling Berpengaruh dalam Perkembangan Artificial Intelligence

5 Tokoh Paling Berpengaruh dalam Perkembangan Artificial Intelligence

Artificial Intelligence atau AI telah mengubah lanskap teknologi dalam beberapa dekade terakhir, dan semakin hari AI semakin canggih dan digunakan dalam berbagai aspek kehidupan.

Namun dibalik kecanggihan dan keandalannya, AI menempuh jalan yang panjang dan berkelok. Pengembangan AI sudah diupayakan bahkan sejak era 90-an.

Kini di era teknologi, buah manis dari upaya ilmuwan dalam menciptakan AI sudah bisa dipetik. Hadirnya tools AI seperti ChatGPT dan lainnya sangat membantu manusia dalam melakukan kegiatan sehari-hari, mulai bekerja hingga berekreasi.

Dibalik kemajuan AI yang sangat pesat seperti sekarang ini, ternyata terdapat tokoh-tokoh berpengaruh yang memberikan kontribusi besar dalam upaya pengembangan AI.

Lalu, siapa saja tokoh-tokoh yang berpengaduh dan punya kontribusi besar dalam upaya pengembangan AI? Berikut ulasannya:

Alan Turing

Alan Turing

Alan Turing, seorang matematikawan dan ahli komputer asal Inggris, dikenal sebagai salah satu tokoh paling berpengaruh dalam sejarah komputasi dan AI. Salah satu kontribusi terbesarnya adalah pengembangan konsep Mesin Turing pada tahun 1936. Mesin Turing adalah model teoretis untuk komputer modern yang membuka jalan bagi pengembangan AI.

Turing juga merumuskan Tes Turing, sebuah konsep untuk menentukan apakah sebuah mesin dapat menunjukkan perilaku yang dapat dianggap sebagai “cerdas”. Kontribusinya tidak hanya membuka jalan bagi perkembangan teknologi komputer, tetapi juga menginspirasi banyak ahli AI untuk mengeksplorasi potensi mesin untuk “berpikir” seperti manusia.

Marvin Minsky

Marvin Minsky

Marvin Minsky, seorang ilmuwan komputer dan salah satu pendiri Laboratorium Kecerdasan Buatan di MIT, memiliki dampak yang signifikan dalam pengembangan jaringan saraf tiruan. Pada tahun 1951, Minsky bersama dengan Dean Edmonds mengembangkan SNARC (Stochastic Neural Analog Reinforcement Calculator), yang merupakan salah satu jaringan saraf tiruan pertama.

Kontribusi Minsky terhadap pengembangan jaringan saraf tiruan membantu membuka jalan bagi penelitian lebih lanjut dalam pemodelan struktur dan fungsi otak manusia. Jaringan saraf tiruan telah menjadi fondasi dari banyak aplikasi AI modern, termasuk pengenalan wajah, pemrosesan bahasa alami, dan mobil otonom.

John McCarthy

John McCarthy

Marvin Minsky, seorang ilmuwan komputer dan salah satu pendiri Laboratorium Kecerdasan Buatan di MIT, memiliki dampak yang signifikan dalam pengembangan jaringan saraf tiruan. Pada tahun 1951, Minsky bersama dengan Dean Edmonds mengembangkan SNARC (Stochastic Neural Analog Reinforcement Calculator), yang merupakan salah satu jaringan saraf tiruan pertama.

Kontribusi Minsky terhadap pengembangan jaringan saraf tiruan membantu membuka jalan bagi penelitian lebih lanjut dalam pemodelan struktur dan fungsi otak manusia. Jaringan saraf tiruan telah menjadi fondasi dari banyak aplikasi AI modern, termasuk pengenalan wajah, pemrosesan bahasa alami, dan mobil otonom.

Herbert Simon

Herbert Simon

Herbert Simon, seorang ilmuwan kognitif dan ekonom, bersama dengan Allen Newell, mengembangkan program komputer pertama yang disebut Logic Theorist pada tahun 1956. Program ini menggunakan metode pemecahan masalah untuk menyelesaikan teorema matematika, meniru proses berpikir manusia.

Kontribusi Simon membantu memperluas pemahaman tentang bagaimana manusia menyelesaikan masalah, dan memberikan wawasan berharga bagi pengembangan sistem AI yang mampu memodelkan proses kognitif manusia. Ini telah mendorong penelitian lebih lanjut dalam bidang-bidang seperti pemahaman bahasa alami dan pemecahan masalah.

Frank Rosenblatt

Frank Rosenblatt

Frank Rosenblatt adalah ilmuwan komputer yang mengembangkan model komputasi yang dikenal sebagai perceptron pada tahun 1957. Perceptron adalah model jaringan saraf tiruan sederhana yang terdiri dari satu lapisan neuron yang dapat memproses input dan menghasilkan output.

Meskipun perceptron memiliki keterbatasan dalam pemecahan masalah yang kompleks, kontribusi Rosenblatt menjadi fondasi bagi pengembangan jaringan saraf tiruan yang lebih kompleks di masa mendatang. Penggunaan perceptron telah membantu dalam pengembangan teknik-teknik pembelajaran mesin, terutama dalam pengenalan pola dan klasifikasi data.

Sejarah dan Evolusi Artificial Intelligence atau AI dari Masa ke Masa

Sejarah dan Evolusi Artificial Intelligence atau AI dari Masa ke Masa

Artificial Intelligence atau AI menjadi salah satu teknologi yang sangat populer akhir-akhir ini. Dengan hadirnya AI, berbagai pekerjaan manusia menjadi semakin mudah. Tentu hal ini terjadi karena kecanggihan Artificial Intelligence atau AI itu sendiri.

Namun siapa sangka, ternyata Artificial Intelligence atau AI yang sekarang banyak digunakan telah menempuh perjalanan yang cukup jauh. Tidak serta merta dengan kecanggihan yang sangat tinggi, ternyata AI juga melewati berbagai proses yang memang sudah lama dirancang untuk menjadi AI seperti sekarang ini.

Ada berbagai era sejarah dan evolusi AI dari masa ke masa, dan ternyata konsep AI sudah dicanangkan sejak tahun 1940 silam.

Sejarah dan evolusi Artificial Intelligence atau AI dari masa ke masa.

Untuk menjadi salah satu teknologi tercanggih masa kini, AI ternyata melewati perjalanan yang cukup panjang dan berliku. Ada beberapa nama ilmuwan dari berbagai era yang dianggap berpengaruh dalam evolusi AI. Artificial Intelligence atau AI diawali dengan era pembentukan konsep awal yakni tahun 1940 hingga 1950 an.

evolusi AI dari masa ke masa

1. Era Pembentukan Konsep Awal (1940-an – 1950-an)

AI memiliki akar yang dalam dalam sejarah komputasi modern.

Pada tahun 1940-an, tokoh seperti Alan Turing mengusulkan konsep dasar AI dan bahkan memperkenalkan Tes Turing pada tahun 1950 sebagai tolak ukur untuk menentukan kecerdasan mesin.

Selama periode ini, konsep-konsep awal AI, seperti pemrosesan simbolik dan logika formal, mulai berkembang.

2. Perkembangan Metode Simbolik dan Pemrosesan Bahasa (1950-an – 1980-an)

Pada tahun 1956, istilah “kecerdasan buatan” pertama kali diperkenalkan oleh John McCarthy dan rekan-rekannya dalam konferensi Dartmouth.

Metode AI pada periode ini lebih difokuskan pada pengembangan aturan-aturan dan representasi pengetahuan simbolik.

Pada tahun 1960-an, mulai muncul pendekatan untuk pemrosesan bahasa alami, meskipun masih dalam tingkat awal.

3. Krisis Kepercayaan dan Revolusi Neural Networks (1980-an – awal 2000-an)

Pada akhir 1980-an, AI menghadapi “krisis kepercayaan” karena kemajuan yang lebih lambat dari yang diharapkan.

Namun, pada awal 2000-an, terjadi revolusi dalam penggunaan neural networks, terutama deep learning.

Kemampuan deep learning untuk memproses data yang kompleks dan tidak terstruktur membuatnya menjadi salah satu terobosan paling penting dalam sejarah AI.

Perkembangan dalam perangkat keras juga berkontribusi pada percepatan penggunaan neural networks.

4. Penerapan AI dalam Berbagai Industri dan Bidang (Sekarang)

Dengan kemampuan yang semakin meningkat, AI telah menjadi kekuatan pendorong di banyak industri dan bidang.

Dari kendaraan otonom hingga sistem pelayanan kesehatan yang cerdas, AI digunakan untuk mengoptimalkan proses, meningkatkan efisiensi, dan menghadirkan solusi inovatif. Penggunaan Big Data dan teknologi cloud telah memperluas kemampuan AI, memungkinkan analisis yang lebih mendalam dan prediksi yang lebih akurat.

5. Tren Masa Depan AI: Integrasi IoT, AI Edge, dan AI untuk Kesejahteraan

Tren masa depan AI akan lebih difokuskan pada integrasi dengan Internet of Things (IoT), di mana AI akan menjadi inti dari sistem yang terhubung, memungkinkan interaksi yang lebih kompleks dan otomatisasi yang lebih besar.

Selain itu, AI Edge, di mana pemrosesan dilakukan di ujung jaringan (edge), akan semakin penting untuk aplikasi real-time dan privasi data.

Terakhir, pengembangan AI untuk kesejahteraan manusia, seperti dalam bidang kesehatan dan pendidikan, akan menjadi fokus utama dalam upaya mewujudkan manfaat positif dari teknologi AI.

5 Perusahaan yang Implementasikan AI, dari Netflix hingga Alibaba

5 Perusahaan yang Implementasikan AI, dari Netflix hingga Alibaba

Artificial Intelligence atau AI mulai dikenal masyarakat luas setelah munculnya ChatGPT. Banyak orang yang memanfaatkan AI untuk kehidupan sehari-hari. Namun ternyata kemampuan AI lebih dari itu, AI bisa dimanfaatkan di tingkat industri atau perusahaan.

AI Generatif tidak hanya sebatas chatbot saja, namun AI generatif kini sudah sampai bidang lainnya mulai dari tugas-tugas seperti virtual meeting, pembuatan konten, hingga menjaga keamanan siber.

Menurut AI Readiness Index yang dirilis oleh Cisco, hanya sebanyak 20% organisasi di Indonesia yang sepenuhnya siap untuk menerapkan dan memanfaatkan teknologi yang didukung Artificial Intelligence atau AI.

Teknologi AI terbukti efektif untuk proses bisnis sebuah perusahaan. Penelitian terbaru menemukan bahwa pengadopsian AI kurang berkembang selama puluhan tahun, namun dengan adanya AI Generatif mendorong perhatian lebih besar terhadap tantangan, perubahan, dan peluang yang dimunculkan oleh teknologi ini.

Ada banyak perusahaan besar di dunia yang mengimplementasikan AI, berikut penjelasannya:

ilustrasi unilever

Unilever

Unilever merupakan perusahaan raksasa yang menaungi lebih dari 400 merek. Untuk mengelola produknya, Unilever tentu membutuhkan sumber daya manusia yang banyak pula. Dalam proses perekrutan karyawan, Unilever mengimplementasikan AI dimana lebih dari 30.000 orang per tahun mendaftarkan diri di perusahaan raksasa ini. AI akan memproses sekitar 1,8 juta lamaran pekerjaan yang masuk ke Unilever.

Ilustrasi netflix

Netflix

Netflix merupakan salah satu digital streaming platform yang cukup sukses dan banyak dikenal di kalangan pecinta film. Netflix menggunakan data untuk lebih memahami konsumen, seperti apa yang ditonton, apa yang dijelajahi, dan apa yang dilewati oleh konsumen.

Selain menggunakan data, Netflix juga menggunakan AI dan Big Data untuk memberikan rekomendasi film dan program TV baru untuk ditonton. Menariknya, sebanyak 80% dari apa yang ditonton konsumen adalah dorongan dari rekomendasi Netflix. Hal ini tentunya akan meningkatkan pengalaman pengguna, sehingga konsumen tidak mudah pindah ke platform lain.

ilustrasi tesla

Tesla

Tesla menggunakan kecerdasan buatan (AI) untuk berbagai aspek operasional mereka, terutama dalam pengembangan mobil otonom dan optimalisasi proses produksi.

Tesla menggunakan pembaruan perangkat lunak melalui udara (OTA) untuk meningkatkan kemampuan mobil mereka seiring waktu. Dengan bantuan AI, Tesla dapat menyematkan perbaikan dan fitur baru ke dalam mobil secara terus-menerus tanpa memerlukan kunjungan ke bengkel. Proses ini memungkinkan mobil untuk terus berkembang dan memperbaiki diri sendiri.

ilustrasi alibaba

Alibaba

Alibaba, sebagai perusahaan teknologi terkemuka di Tiongkok, menggunakan kecerdasan buatan (AI) untuk berbagai aspek operasional mereka

Alibaba menggunakan AI untuk mengoptimalkan rantai pasokan mereka. Hal ini melibatkan pemantauan inventaris, peramalan permintaan, dan manajemen persediaan untuk memastikan ketersediaan produk yang tepat pada waktu yang tepat.

Alibaba juga menggunakan chatbot berbasis AI untuk menyediakan dukungan pelanggan yang lebih efisien. Chatbot ini dapat memberikan jawaban cepat atas pertanyaan pengguna, memandu mereka dalam proses pembelian, dan memberikan informasi terkait produk atau layanan.

Ilustrasi Airbnb

Airbnb

Airbnb menggunakan kecerdasan buatan (AI) untuk berbagai aspek operasional perusahaannya dengan tujuan meningkatkan pengalaman pengguna, personalisasi layanan, dan efisiensi operasional.

Airbnb menggunakan algoritma rekomendasi berbasis AI untuk menyajikan properti dan pengalaman yang lebih relevan kepada pengguna berdasarkan preferensi sebelumnya, perilaku pencarian, dan profil pengguna.

Selain itu, Airbnb juga telah mengadopsi chatbot berbasis AI untuk memberikan dukungan pelanggan. Chatbot ini dapat memberikan jawaban cepat atas pertanyaan umum, membantu dalam proses pemesanan, dan memberikan informasi tentang aturan penginapan.

Apa Itu TinyML? Machine Learning Berukuran Kecil yang Tetap Powerful

Apa Itu TinyML? Machine Learning Berukuran Kecil yang Tetap Powerful

Perkembangan teknologi yang terus berkembang juga mendorong perkembangan machine learning. Teknologi dan metodologi baru telah muncul untuk menyelesaikan berbagai kasus. Salah satunya adalah TinyML.

TinyML sendiri adalah bidang baru yang berfokus pada pengembangan dan penerapan model machine learning pada perangkat yang berdaya rendah dan sumber daya terbatas.

Perangkat ini sering ditemukan pada aplikasi Internet of Things atau IoT, wearable devices, dan embedded sistem lainnya dimana perangkat-perangkat tersebut tidak bisa mendukung model machine learning dengan komputasi tinggi.

TinyML dirancang dengan ukuran yang lebih kecil, namun tetap cepat dan hemat energi. Hal ini memungkinkannya untuk beroperasi pada sumber daya dan perangkat keras yang terbatas tanpa mengorbankan performa.

Ini dilakukan dengan berbagai cara seperti pemangkasan model, kuantisasi, dan distilasi pengetahuan. Dengan begitu, TinyML memungkinkan aplikasi AI ada di area yang kecil dan tidak bisa dijangkau oleh machine learning konvensional.

Ilustrasi

Small Data: Mengekstrak nilai dari kumpulan data terbatas

Berbeda dengan big data yang berfokus pada pemanfaatan sejumlah besar data untuk membuat model yang kompleks, small data menekankan pada pentingnya penggunaan dataset yang terbatas yang sudah dikurasi untuk mengembangkan model machine learning.

Teknik small data biasanya melibatkan data augmentation, transfer learning, dan few-shot learning yang memungkinkan untuk membuat model machine learning yang efektif meskipun data sangat minim.

Small data mendemokratisasikan machine learning dengan berfokus pada penggalian wawasan berharga dari kumpulan data yang lebih kecil, sehingga lebih mudah diakses oleh organisasi dan individu dengan data yang minim.

Ilustrasi TinyML

Pentingnya TinyML dan Small Data

1. Aksesibilitas

Dengan mengurangi sumber daya yang digunakan untuk model machine learning seperti daya komputasi dan data, hal ini membuat AI lebih mudah diakses oleh pengguna dan organisasi yang lebih luas.

2. Privasi dan keamanan

TinyML memungkinkan on-device processing, sehingga bisa membantu dalam menjaga privasi dan keamanan data dengan menyimpan informasi sensitif di perangkat alih-alih mengirimkannya ke server pusat untuk diproses.

3. Efisiensi energi

Model TinyML dirancang dengan energi yang cukup sedikit, maka akan sangat hemat energi. Hal ini menjadikan TinyML ideal untuk perangkat bertenaga baterai dan dapat mengurangi konsumsi energi secara keseluruhan.

4. Serbaguna 

Pendekatan Small Data memungkinkan untuk dikembangankan dengan model yang disesuaikan dengan kasus penggunaan tertentu, bahkan ketika data terbatas atau kualitasnya berbeda-beda.

5. Latensi rendah

Pemrosesan pada perangkat dengan TinyML akan mengurangi latensi, sehingga waktu respons akan lebih cepat untuk aplikasi real-time seperti pengenalan suara dan gerakan.

Mengenal Fitur Tableau yang Mempermudah Visualisasi Data

Mengenal Fitur Tableau yang Mempermudah Visualisasi Data

Data menjadi salah satu hal yang sangat penting di era digital seperti sekarang, namun bagaimana cara agar data menjadi lebih mudah dipahami?

Data memang bisa menjadi insight yang berharga untuk sebuah organisasi, namun memerlukan proses analisis data. Tidak cukup hanya proses analisis data saja, data perlu divisualisasikan agar mudah dipahami oleh orang-orang yang berkepentingan.

Visualisasi data adalah proses untuk membuat data yang kompleks menjadi lebih mudah dipahami. Dalam visualisasi data, ada banyak model yang bisa digunakan seperti grafik, diagram, dan lain-lain. Hal ini akan mempermudah pemahaman yang lebih cepat, intuitif bahkan bagi mereka yang tidak memiliki latar belakang analisis data yang kuat.

Dalam proses visualisasi data, diperlukan tools untuk memproses data menjadi grafik yang mudah untuk dipahami. Salah satu tools visualisasi data yang mudah digunakan adalah Tableau.

Tableau

Tableau merupakan salah satu tools yang digunakan untuk visualisasi data. Tableau memungkinkan pengguna untuk mengkonversi data yang kompleks menjadi visualisasi yang mudah dipahami.

Dikembangkan oleh perusahaan yang bernama Tableau Software, platform ini dirancang untuk membantu individu dan organisasi dalam menganalisis, memahami, dan menyajikan data dengan cara yang lebih visual dan intuitif.

Kelebihan Tableau

Antarmuka yang intuitif 

Salah satu keunggulan utama Tableau adalah antarmuka pengguna yang ramah pengguna. Dengan drag-and-drop yang mudah, bahkan pengguna tanpa latar belakang teknis yang kuat dapat membuat visualisasi data yang menarik dan informatif.

Visualisasi yang interaktif

Tableau memungkinkan pembuatan visualisasi data yang interaktif. Pengguna dapat mengeksplorasi data dengan melakukan drill-down, filtering, dan memilih berbagai opsi tampilan, memberikan pengalaman pengguna yang mendalam dan terlibat.

Kompatibilitas dengan berbagai jenis data

Tak peduli seberapa besar atau kompleksnya data Anda, Tableau dapat menangani semuanya. Dengan mendukung berbagai jenis data termasuk data geografis, waktu, dan hierarki, Tableau menyajikan kebebasan dalam menggali wawasan dari data yang beragam.

Kemampuan kustomisasi

Tableau memberikan tingkat kustomisasi yang tinggi dalam desain visualisasi. Pengguna dapat dengan mudah mengubah warna, tata letak, dan elemen-elemen lainnya sesuai dengan preferensi dan kebutuhan spesifik mereka.

Kolaborasi yang mudah

Tableau memfasilitasi kolaborasi antara tim. Dengan fitur berbagi dan kolaborasi bawaan, pengguna dapat berkolaborasi dalam menciptakan visualisasi yang lebih baik dan berbagi wawasan dengan tim mereka.

Ingin menggunakan Tableau untuk proses visualisasi data di organisasi Anda?

Ikuti Exclusive Class Data Visualization with Tableau with DMBOK, KLIK DISINI

DTAC - Cyber Security Governance with ISO 27001