Explainable artificial intelligence : menggunakan metode-metode berbasis nearest neighbors
Suyanto (Pengarang) ; Ema Rachmawati (Pengarang) ; Mahmud Dwi Sulistiyo (Pengarang) ; Gia Septiana Wulandari (Pengarang) ; Muhammad Fachrie (Pengarang)
Tersedia di:
Deskripsi
Bibliografi: halaman 211-222 ; Indeks: halaman 209-210 ; Artificial Intelligence (AI), yang dapat diterjemahkan sebagai Kecerdasan Buatan atau Kecerdasan Artifisial, terus menjadi teknologi yang semakin disruptif pada bidang perbankan, keuangan, hiburan, bisnis digital, dan e commerce. Gelombang PHK (pemutusan hubungan kerja) telah menimpa jutaan pegawai bank di Amerika dan sejumlah negara di Eropa sejak tahun 2015. Gelombang PHK semakin cepat membesar, mengubahnya menjadi tsunami, ketika terjadi pandemi Covid-19 di awal tahun 2020. Namun, pada bidang tertentu yang sensitif dan berakibat fatal, seperti kesehatan, manufaktur, dan transportasi, tingkat disrupsinya belum terlalu mengkhawatirkan. Hanya sebagian kecil (atau hampir tidak ada) perusahaan yang mengaplikasikan Al dalam otomatisasi proses bisnisnya. Alasan utamanya adalah model-model (baik itu klasterisasi, klasifikasi, regresi, deteksi, hingga rekognisi) yang dihasilkan oleh Al memiliki performansi yang dilematis. Model-model yang memberikan akurasi tinggi biasanya bersifat black box tidak mampu memberikan penjelasan atas keputusan yang dihasilkannya. Sebaliknya, model-model yang transparent (yang juga dikenal sebagi white box atau glass box models) mampu memberikan penjelasan atas keputusan yang dihasilkannya umumnya memberikan akurasi rendah (belum layak diaplikasikan). Untuk mengatasi dilema tersebut, para pakar telah membangun berbagai teknik untuk mengubah model-model yang semula black box menjadi white box. Teknik baru ini disebut explainable Artificial Intelligence (XAI). Buku ini memberikan konsep dan gambaran XAI secara holistik, namun simpel, bagi Anda sebagai akademisi maupun praktisi.