Intisari Penting dari Laporan AI Index 2022 Stanford

Institut HAI Stanford bertujuan meneliti AI dengan pendekatan berpusat pada manusia, terinspirasi oleh kedalaman dan keragaman pemikiran manusia serta memperhatikan dampak etikanya bagi masyarakat di setiap tahap; misi mereka adalah menggunakan AI untuk meningkatkan kemampuan manusia, bukan menggantikannya. 

Ditulis dan diteliti oleh para pakar terkemuka di dunia akademik dan bisnis, edisi kelima laporan AI Index menampilkan data di balik tren terbaru di bidang AI sepanjang tahun lalu. Laporan ini setebal 230 halaman. Dalam artikel ini, kami merangkum poin-poin penting dari setiap bab dalam laporan tersebut. 

Teruskan membaca untuk mengetahui negara mana yang mencatat lompatan terbesar dalam AI, lokasi teratas untuk pekerjaan AI di seluruh dunia, kondisi regulasi AI, dan lainnya.

Bab 1: Riset dan Pengembangan

Ringkasan Bab

AI sedang naik daun, sehingga beragam riset dan pengembangan terjadi sepanjang tahun lalu. Bab ini berupaya mengukur riset dan pengembangan di lembaga akademik, organisasi pemerintah, dan industri. 

Laporan ini mengumpulkan kumpulan data dari sumber terbuka seperti makalah konferensi, artikel jurnal, kertas riset, dan paten. Laporan juga menelusuri jumlah bintang GitHub pada repositori open source dan bahkan kehadiran konferensi. Hal ini memungkinkan pandangan menyeluruh tentang bagaimana R&D AI berkembang di seluruh dunia.  

Sorotan Utama

AS dan Tiongkok adalah Rekan AI

Dalam menelaah kerja sama internasional di bidang AI, AS dan Tiongkok memiliki jumlah kolaborasi publikasi AI paling signifikan dari 2010 hingga 2021, meningkat lima kali lipat sejak 2010 meskipun ada perbedaan politik di antara keduanya. Kemitraan terdekat kedua adalah antara Inggris dan Tiongkok.

Tiongkok Memimpin dalam Publikasi 

Dengan jumlah publikasi, jurnal, konferensi, dan repositori terbanyak, Tiongkok saat ini memimpin aktivitas riset AI. 

Jurnal Terbit Mencapai Titik Tertinggi Sepanjang Masa

Pada 2021, 51,5% dari semua dokumen AI yang diterbitkan adalah jurnal (yaitu kertas riset). Secara umum, jurnal dan repositori AI berada pada titik tertinggi sepanjang masa. Namun, jumlah konferensi yang diselenggarakan menurun sejak 2018.

Bidang Studi yang Tumbuh Paling Cepat

Publikasi dalam pengenalan pola dan pembelajaran mesin meningkat lebih dari dua kali lipat sejak 2015. Sekitar 52.000 dan 40.000 makalah riset masing-masing diterbitkan pada 2021 di tiap bidang tersebut. 

Kolaborasi Lintas Sektor

LSM dan institusi pendidikan menghasilkan jumlah publikasi AI lintas sektor tertinggi dari 2010 hingga 2021. Berikutnya adalah kolaborasi antara sektor swasta dan institusi pendidikan, disusul pemerintah dan institusi pendidikan. 

Paten AI pada Titik Tertinggi Sepanjang Masa

Seiring percepatan perkembangan AI, semakin banyak peneliti dan ilmuwan berlomba melindungi karya mereka, dengan pengajuan paten tumbuh majemuk pada tingkat 76,9% per tahun. 

Repositori AI: Cara Baru Berbagi Riset AI

Menerbitkan riset pra-tinjauan sejawat di arXiv dan SSRN menjadi metode populer di kalangan peneliti AI untuk berbagi temuan mereka. Selama 12 tahun terakhir, jumlah publikasi di repositori AI meningkat hampir 30 kali lipat.

Pustaka AI Open Source Populer

Laporan membandingkan total jumlah bintang GitHub untuk pustaka AI open source populer selama tujuh tahun terakhir. TensorFlow memiliki bintang GitHub terbanyak, diikuti OpenCV, Keras, dan PyTorch. Pustaka populer lain di bawah 40 ribu bintang antara lain faceswap, 100-Days-Of-ML-Code, dan AiLearning. 

Bab 2: Kinerja Teknis

Ringkasan Bab

Bab ini menelusuri kemajuan berbagai model dalam computer vision, pemrosesan bahasa alami, ucapan, rekomendasi, reinforcement learning, perangkat keras, dan robotika. Bab ini berupaya mengukur kinerja model-model tersebut menggunakan tolok ukur yang lazim dipakai dan survei profesional selama periode 10 tahun. Beberapa tolok ukur yang digunakan dalam laporan dapat dilihat di bawah ini:

Sorotan Utama

Data Besar adalah Kunci Keberhasilan

Dataset pelatihan berukuran besar adalah kunci membangun model sukses dengan akurasi tinggi. Hampir semua model mutakhir dengan jutaan parameter dilatih secara eksklusif pada dataset besar untuk mencapai hasil unggul. Di sini, perusahaan teknologi besar unggul karena mereka memiliki banyak data.

AI Terjangkau

Tahun-tahun inovasi ini membuahkan hasil, karena kini masyarakat umum dapat dengan mudah membangun model skala besar. Sejak 2018, biaya melatih pengklasifikasi gambar turun 63,6%. Selain itu, waktu yang dibutuhkan untuk melatih model membaik 95%. Peningkatan waktu pelatihan menjadi salah satu alasan turunnya biaya. Faktor lain seperti layanan cloud khusus, paket open source yang efisien, dan ketersediaan talenta juga menekan biaya.

Lengan Robotik Semakin Murah

Berdasarkan survei yang dikembangkan tim AI Index, terdapat tren penurunan harga lengan robotik. Harga median lengan robotik sebesar $42.000 pada 2017, namun pada 2021 turun hampir 50% menjadi $22.600. 

Fokus pada Citra Medis

Menurut laporan, riset computer vision bergerak ke aplikasi yang lebih berorientasi pada use case seperti pencitraan medis. Dari dataset mereka, AI Index menemukan peningkatan signifikan pada riset yang menggunakan dataset pencitraan medis Kvasir-SEG dan CVC-ClinicDB—pada 2020 hanya ada tiga makalah yang menggunakan dataset ini, sedangkan pada 2021 ada 25 publikasi relevan.

AI Masih Kurang Cakap Berbahasa

Meski model seperti SuperGLUE dan SQuAD telah melampaui kemampuan manusia pada tugas yang relatif sederhana seperti pemahaman bacaan, untuk tugas linguistik yang lebih kompleks seperti abductive natural language inference (aNLI), model AI masih jauh dari kemahiran setingkat manusia.

Peningkatan dalam Reinforcement Learning Umum

Dalam 10 tahun terakhir, AI telah mahir pada tugas reinforcement learning yang sempit seperti bermain catur. Namun, pada 2021 muncul tren signifikan dalam peningkatan tugas reinforcement learning yang lebih umum seperti Procgen, lingkungan reinforcement learning yang menguji kemampuan AI mempelajari keterampilan yang dapat digeneralisasi dan dirilis OpenAI pada 2019.

Bab 3: Etika Teknis AI

Ringkasan Bab

Tak diragukan, AI telah menghasilkan nilai besar bagi bisnis dalam beberapa tahun terakhir. Namun, ketika model pembelajaran mesin ini diproduksi untuk penggunaan nyata, penerapannya mengungkap beberapa kekurangan paling signifikan terkait bias dalam AI. Dalam banyak kasus, model AI menggunakan data dunia nyata untuk pelatihan yang mengandung bias sosial tertentu. Bias tersebut kian teramplifikasi ketika model pembelajaran mesin dibangun di atas data yang cacat.

Bab ini berupaya mengukur kemajuan dalam menghilangkan bias dengan menyediakan tolok ukur mendalam untuk domain terkait seperti bahasa alami dan computer vision. Beberapa tolok ukur yang digunakan dapat dilihat di bawah ini:

Sorotan Utama

Etika AI Menjadi Arus Utama

Riset tentang keadilan model AI meningkat berkali-kali lipat—sejak 2014, jumlah publikasi tumbuh 71% dari tahun ke tahun. Bias pada keluaran berbagai model komersial menyebabkan model tersebut secara tidak adil mendiskriminasi subkelompok tertentu dalam aplikasi dunia nyata seperti penilaian kartu kredit. Karena itu, muncul minat besar dari peneliti akademik dan perusahaan komersial untuk memfokuskan model pembelajaran mesin pada aspek keadilan.

Model Bahasa Besar Memiliki Bias

Model bahasa mutakhir dengan ratusan miliar parameter seperti GPT-3 sangat berhasil pada tugas berbasis bahasa. Inovasi teknis di balik model ini adalah menerapkan pelatihan dua arah pada transformer dengan attention. Namun, data baru menunjukkan model besar ini lebih rentan menyerap bias dari data pelatihannya yang sangat luas.

Model Multimodal Cenderung Lebih Bias

Serupa dengan model bahasa besar, model bahasa-vision multimodal seperti DALL·E 2 menunjukkan beragam kapabilitas berkat pelatihan skala besar pada teks dan gambar sebagai satu aliran data. Ini menghasilkan tidak hanya gambar fotorealistik kelas atas dari prompt teks, tetapi juga keluaran yang mencerminkan stereotip dan bias sosial.

Bab 4: Ekonomi dan Pendidikan

Ringkasan Bab

Bab ini menelaah dampak AI terhadap ekonomi dan pendidikan. Laporan ini mengumpulkan data terbuka dari Linkedin, Computing Research Association, McKinsey, Netbase Quid, dan EMSI Burning Glass. Laporan juga melihat dampak AI terhadap pekerjaan, termasuk perekrutan, permintaan tenaga kerja, dan penetrasi keterampilan.

Sorotan Utama

AI Menjadi Prioritas Investasi

Pada 2021, startup AI menghimpun $93,5 miliar, dua kali lipat dari jumlah pada 2020. Namun, jumlah startup AI yang baru mendapat pendanaan turun dari 1.051 pada 2019 menjadi 746 perusahaan pada 2021. Pada 2021 terdapat 15 putaran investasi senilai $500 juta atau lebih.

AS Mengandalkan Inovasi AI

Amerika Serikat mencatat investasi swasta terbesar dalam AI dan jumlah perusahaan AI baru yang didanai terbanyak, masing-masing hampir dua dan tiga kali lebih tinggi daripada Tiongkok di peringkat kedua.

Cloud Diprioritaskan dalam Investasi

Perusahaan di sektor pengelolaan dan pemrosesan data cloud, seperti Databricks, menerima pendanaan swasta terbanyak. Peringkat berikutnya adalah layanan kesehatan dan fintech.

Wilayah Teratas untuk Pekerjaan AI

Selandia Baru, Hong Kong, Irlandia, Luksemburg, dan Swedia mencatat pertumbuhan tertinggi dalam lowongan pekerjaan AI dari 2016 hingga 2021. 

Cakupan Pekerjaan AI di AS

Negara bagian California, rumah bagi Silicon Valley, memiliki jumlah lowongan pekerjaan terbanyak, 2,3 kali lebih banyak daripada Texas di peringkat kedua. Namun, Washington DC memiliki proporsi lowongan pekerjaan AI tertinggi dibandingkan total lowongan pekerjaan di AS.

AI adalah Spesialisasi Terpopuler di Kalangan PhD Ilmu Komputer

Spesialisasi terpopuler di kalangan PhD Ilmu Komputer selama dekade terakhir adalah pembelajaran mesin/kecerdasan buatan. Satu dari setiap lima mahasiswa CS yang lulus dengan gelar PhD pada 2020 mengambil spesialisasi AI.

Bab 5: Kebijakan dan Tata Kelola AI

Ringkasan Bab

Bab ini mengurai undang-undang dan regulasi yang memengaruhi kecerdasan buatan di seluruh dunia. Bab ini melihat bagaimana negara dan kawasan berbeda berupaya mengakomodasi teknologi AI dengan tetap menempatkan kesejahteraan masyarakat sebagai fokus utama. Para peneliti menelaah pembuatan kebijakan di seluruh dunia dan mengukur rancangan dan undang-undang yang diajukan serta disahkan yang menyebut kecerdasan buatan. 

Sorotan Utama

Semakin Banyak Negara Mengatur Penggunaan AI

Laporan menganalisis jumlah RUU terkait AI (yang memuat kata kunci Artificial Intelligence) yang disahkan di 25 negara dari 2016 hingga 2021. Laporan menunjukkan lonjakan tajam dalam jumlah RUU terkait AI yang disahkan dalam dua tahun terakhir. Spanyol, Inggris, dan Amerika Serikat memiliki jumlah RUU terkait AI yang disahkan menjadi undang-undang terbanyak, masing-masing 3.

AS Memimpin dalam Pengajuan RUU Terkait AI

Catatan legislatif AS menunjukkan lonjakan tajam dalam jumlah RUU yang diajukan untuk mengatur AI. Pada 2021, lembaga legislatif di AS mengajukan 130 RUU. Namun, hanya 2% yang disahkan menjadi undang-undang.

Legislasi AI di Tingkat Negara Bagian di Amerika Serikat

Di AS, legislasi terkait AI dipertimbangkan secara nasional, dengan 41 dari 50 negara bagian mengajukan setidaknya satu RUU terkait AI antara 2012 dan 2021. Tiga negara bagian teratas dengan RUU AI terbanyak yang diajukan:

• Massachusetts (40)
• Hawaii (35)
• New Jersey (32)

Demokrat vs. Republik dalam Urusan AI

Di AS, data tingkat negara bagian tentang pembuatan undang-undang AI dapat diurai lebih lanjut berdasarkan sponsor partai, dan data menunjukkan bahwa Demokrat lebih mendukung pembuatan undang-undang terkait AI dibandingkan Republik. Kesenjangan ini semakin melebar dari tahun ke tahun. Pada 2021, Demokrat mensponsori 39 RUU lebih banyak dibanding Republik.

Penyebutan AI dalam Sidang Legislatif Global

Laporan AI Index menganalisis rekaman sidang lisan di 25 negara dengan kata kunci “artificial intelligence” dari 2016 hingga 2021. Penyebutan AI meningkat 7,7 kali lipat dalam enam tahun terakhir hingga mencapai 1.323 penyebutan pada 2021. 

Terus Mengikuti Perkembangan AI

Bidang AI terus berevolusi, dan jutaan pakar di seluruh dunia bekerja tanpa henti untuk mewujudkannya. Untuk terus mengikuti perkembangan AI dan kemajuannya, Anda dapat melihat lebih banyak sumber di bawah ini.

• Berlangganan Podcast DataFramed
• Berlangganan Weekly Roundup