Beberapa tanggapan terhadap blog pengantar saya tentang kecerdasan buatan tampaknya menyarankan upaya yang baik dari saya untuk menganugerahkan status kemanusiaan kepada Sophia. Beberapa orang bertanya-tanya (dalam semangat humor, saya kira) “apakah Sophia akan bertanggung jawab kepada Allah atas tindakannya dalam kehidupan selanjutnya?”. Selain itu, dia tidak dapat diperlakukan sebagai orang alami. Beberapa orang bertanya “apakah menikah dengan Sophia akan dihitung dalam kuota empat pasangan yang diizinkan?!” Oleh karena itu, izinkan saya memulai blog ini dengan pernyataan yang agak tidak menarik tetapi tidak ambigu; Sophia adalah mesin, tindakannya dipandu oleh program computer, dan program ini menggunakan data yang dibagi dalam jaringan Cloud yang memungkinkan input dan tanggapan dianalisis dengan teknologi blockchain. Itu tampaknya cukup rumit. Jadi, kita sekarang berada dalam kerangka ABCD (Artificial Intelligence – Blockchain – Cloud – Data) – wilayah yang sudah dikenal untuk para pendukung FinTech 2.0, tetapi mungkin asing bagi yang belum tahu. Saya akan mencoba untuk tidak meninggalkan yang belum tahu di belakang. Saya akan menyederhanakan dan memberikan pemahaman intuitif tentang beberapa ide dan konsep teknis utama.

Kecerdasan buatan adalah penggunaan komputer untuk meniru fungsi kognitif manusia; kita bisa melihat, kita bisa mendengar, kita bisa berhubungan, kita bisa menganalisis, kita bisa menghitung, kita bisa mengambil keputusan. Sistem komputer yang mampu melakukan hal-hal ini adalah (secara artifisial) cerdas. Izinkan saya memperkenalkan gagasan tentang data disini. Apa yang kita lihat adalah data, yang kita dengarkan adalah data. Data bukan hanya angka-angka. Data harus dilihat sebagai konsep yang jauh lebih luas. Data termasuk kata-kata, teks, gambar – apa pun yang menyampaikan informasi. Ketika kita mencoba menghubungkan data, menganalisis data, menghitung dan membuat keputusan, kita menggunakan algoritma.

Blok pembangun dasar dalam kecerdasan buatan adalah algoritma. Dengan risiko menyimpang sedikit ke dalam sejarah Islam, saya tidak dapat menahan godaan untuk pergi ke akar istilah ini. Algoritma adalah turunan latinisasi dari al-Khwarizmi (Muḥammad ibn Musa al-Khwarizmi) salah satu matematikawan terhebat sepanjang masa yang hidup di Persia abad ke-9 dan menghasilkan karya dalam matematika, astronomi, dan geografi. Risalah Al-Khwarizmi tentang Aljabar (The Compendious Book on Calculation by Completion and Balancing) menyajikan solusi sistematis pertama persamaan linear dan kuadratik.

Algoritma dalam kecerdasan buatan hanya berarti seperangkat / daftar aturan yang harus diikuti untuk menyelesaikan masalah. Kami membutuhkan kode untuk memberi tahu komputer apa yang harus dilakukan. Sebelum kita menulis kode, kita perlu algoritma. Misalnya, algoritma untuk estimasi kewajiban zakat sederhana dari seorang individu dapat muncul seperti ini:

Dapatkan nilai untuk

Asset kena Zakat (AZ) – Emas (E), Perak (P), Uang Tunai (U), Piutang (PI), Investasi di Asset kena Zakat (I), Saham Bisnis (S) – dan Kewajiban yang dapat Mengurangkan (KM)

Dapatkan harga (H) pasar emas pada saat itu (bisa per 1Kg)

Hitung Nisab (NB) = H*0.085

Cari jumlah dari semua Aset kena Zakat [AZ= E+P+U+PI+I+S]

Cari Asset kena Zakat Bersih (AZB) = AZ – KM

Bandingkan AZB dengan NB

Jika AZB < NB, Zakat yang harus dibayar = 0

Jika AZB >= Nisab, Zakat yang harus dibayar = AZB * 0.025

Ketika semua data input diberikan, hanya sedikit yang bisa dilakukan algoritma selain menghitung hasilnya. Itu diberikan. Kita dapat memperkenalkan beberapa “faktor kegembiraan” ke dalam skenario dengan memodifikasi masalahnya. Mari kita coba memprediksi kewajiban zakat individu untuk tahun depan. Tidak ada jawaban. Sekarang semua input akan menjadi nilai prediksi dari aset dan kewajiban. Patokan nisab juga akan tergantung pada nilai emas dimasa depan. Kami akan membutuhkan algoritma lain untuk memprediksi nilai emas dimasa mendatang (contohnya mengeksplorasi pola dalam nilai historis emas dan mengekstrapolasi yang sama ke masa depan). Atau, sebut saja kita memperkenalkan beberapa kriteria keputusan dinamis – niat individu untuk melikuidasi investasinya atau memegangnya untuk jangka panjang – berdasarkan hal tersebut zakat investasi akan memiliki nilai yang berbeda.

Kita akan melangkah ke area Mesin Pembelajar

Mesin pembelajar adalah kumpulan algoritma yang memiliki karakteristik bahwa mereka dapat dilatih dengan data masa lalu dalam hasil mereka sebelumnya untuk menghasilkan hasil yang lebih baik. Jadi, ini adalah jenis algoritma mandiri. Hasil pembelajaran mesin dapat terbagi menjadi dua jenis. Ini bisa berupa prediksi tentang masa depan, tentang hal-hal yang belum diketahui, tetapi data yang ada dapat menjelaskan. Misalnya, berapa harga emas bulan depan? Mengingat harganya dalam beberapa bulan terakhir, tidak ada satupun jawaban. Hasil mesin pembelajar juga bisa tentang menemukan pola dalam data yang tidak sepenuhnya jelas karena mereka implisit atau probabilistik. Sebagai contoh, disediakan dengan tanggapan Twitter dari pengunjung ke portal crowdfund zakat populer di Indonesia, yang hanya sekelompok teks. Apakah ada pola yang tersembunyi dalam respon semacam itu? Apakah crowdfund menyediakan apa yang diperlukan pengunjung untuk berubah menjadi donor? Bagaimana kemungkinan seorang pengunjung akan membayar zakat online melalui portal atau hanya akan berpaling? Sekarang mesin perlu menyimpulkan ide pengunjung yang “puas” dari banyak data tekstual.

Tapi tunggu. Kecerdasan buatan bukan hanya tentang memprediksi atau mengklasifikasikan, Kecerdasan buatan adalah konsep yang jauh lebih luas daripada pembelajaran mesin. Kita memiliki kategori-kategori khusus dari algoritma mesin pembelajar yang berada di bawah nama pembelajaran mendalam. Model pembelajaran yang dalam mencoba untuk mensimulasikan lebih dekat bagaimana otak manusia bekerja. Otak pada dasarnya adalah kumpulan neuron yang terhubung satu sama lain untuk membentuk sirkuit. Koneksi ini adalah sirkuit, membentuk ingatan dan pola pikir kita. Jadi secara setara, algoritma pembelajaran yang mendalam dibangun sebagai hierarki bertumpuk yang meningkatkan kompleksitas dalam abstraksi. Contoh algoritma pembelajaran mendalam adalah apa yang kami sebut jaringan saraf, yang melibatkan sejumlah besar prosesor yang beroperasi secara paralel dan mengatur tingkatan, meniru neuron di otak kita.

Dalam kecerdasan buatan, kami juga ingin mesin berinteraksi seperti manusia, sebagai contoh, banyak dari kita mungkin pernah didekati oleh orang asing yang mencari sumbangan sedekah kecil atau qard (pinjaman). Ketika manusia berusaha untuk bertindak dengan murah hati, kita  mencoba menyimpulkan beberapa hal dari penampilannya, mengajukan beberapa pertanyaan tentang kondisi keuangannya, membuatnya berbicara, mencari petunjuk dalam pakaiannya, wajah, dan ekspresi wajahnya. Data yang sama – piksel dalam gambar, teks dalam ucapan, semua angka dapat digunakan oleh mesin / komputer. Dibandingkan dengan kita, individu biasa, dana qard mungkin akan mencari data yang lebih sistematis. Ada Lembaga Keuangan Mikro (LKM) yang bersikeras bahwa klien harus shalat di masjid setempat, setidaknya tiga dari lima kali sehari dengan asumsi sisanya ia shalat di tempat kerjanya. Dengan visi komputer yang cepat menjadi bagian dari manajemen masjid yang baik, data tentang kehadiran di masjid harus tersedia untuk LKM dan juga untuk mesin kita. Data tambahan dapat disediakan dalam bentuk tagihan listrik, pembelian bahan makanan, jenis ponsel yang digunakan dan apa yang Anda miliki. Memang ada data di mana-mana.

Mesin yang digerakkan oleh kecerdasan buatan kami dapat dilatih dengan data tersebut untuk meningkatkan kecerdasannya dan setelah itu mengklasifikasikan individu tersebut sesuai dengan kriteria kita tentang individu yang benar-benar membutuhkan atau tidak. Misalnya, kecerdasan buatan dapat memberi tahu kita apakah individu tersebut termasuk salah satu dari delapan kategori mustahiq atau orang yang berhak menerima zakat dimata Syariah? Kecerdasan buatan dapat memprediksi, jika itu merupakan kasus qard, probabilitas bahwa peminjam dapat gagal atau menunda pembayaran. Kecerdasan buatan dapat mengklasifikasikan kegagalan sebagai tidak atau yang disengaja. Dalam kasus sebelumnya, orang yang gagal membayar mungkin membutuhkan bantuan tambahan. orang yang dengan sengaja gagal membayar akan mendapat hukuman.

Ada banyak cara dimana kecerdasan buatan dapat membantu manusia menganalisis lebih baik, memprediksi lebih baik, dan mengklasifikasikan lebih baik, yang perlu digarisbawahi disini adalah ini. Dalam kecerdasan buatan, tidak ada jawaban benar tunggal yang diketahui, kita harus menerima kemungkinan kesalahan. Ada empat kemungkinan hasil, misalnya, dalam hal masalah klasifikasi mustahiq di atas, mesin kita mungkin akan mengklasifikasikan (i) orang miskin sebagai orang miskin, (ii) orang tidak miskin sebagai orang tidak miskin, (iii) orang miskin sebagai orang tidak miskin dan (iv) non-miskin sebagai miskin. Dalam dua kasus pertama, kecerdasan buatan telah melakukan tugasnya dengan baik. Dalam kasus ketiga, itu akan menghilangkan mustahiq asli dari kesempatan menerima zakat. Dalam kasus keempat, itu akan memastikan non-mustahiq untuk menerima zakat. Kesalahan dalam kasus ketiga mungkin lebih serius. Bayangkan kesalahan klasifikasi yang sama dalam perawatan pasien – pasien kanker yang tidak didiagnosis sebagai pasien kanker dan tidak menerima perawatan! Untungnya, kita berada dalam wilayah keuangan Islam dan bukan dalam perawatan kesehatan. Kita memberikan komputer tujuan yang jelas dan kita menyatakannya sebagai masalah optimisasi, seperti meminimalkan kemungkinan kesalahan. Kita menyediakan data ke komputer dan kita meminta mesin kita untuk mengoptimalkan berdasarkan data ini, yang berisi petunjuk untuk menyelesaikan masalah kita.

(Bersambung)

(Diterjemahkan oleh:
Yusuf Ali, B.Ec | Qoriatul Hasanah, Lc. MIRK)

Tinggalkan Balasan

Isikan data di bawah atau klik salah satu ikon untuk log in:

Logo WordPress.com

You are commenting using your WordPress.com account. Logout /  Ubah )

Foto Google

You are commenting using your Google account. Logout /  Ubah )

Gambar Twitter

You are commenting using your Twitter account. Logout /  Ubah )

Foto Facebook

You are commenting using your Facebook account. Logout /  Ubah )

Connecting to %s

%d blogger menyukai ini: