Salah satu prospek dan harapan besar terhadap pengembangan Artificial Intelligence (AI) masa depan adalah pada industri kesehatan!

Mungkin Anda masih ingat pemberitaan pada awal tahun 2024 silam di mana ribuan dokter muda di Korea Selatan melakukan mogok massal. Berita ini bukan saja menggemparkan negeri ginseng itu, bahkan juga sampai ke negara lain termasuk Indonesia. Bayangkan, jika ribuan dokter melakukan mogok kerja secara bersamaan di satu waktu. Apa yang terjadi di rumah sakit? Bagaimana dengan pasien dan orang sakit yang membutuhkan bantuan? Benar saja, penundaan operasi dan perawatan pasien terjadi. Penghentian kuliah oleh profesor sekolah kedokteran juga tak terhindarkan.

Protes dokter ini disebabkan pemerintah yang menambah kuota mahasiswa kedokteran yang menurut mereka justru tidak memecahkan masalah kekurangan dokter di daerah-daerah kecil. Betulkah menambah jumlah calon dokter akan mengatasi permasalahan kekurangan dokter? Jawabannya tentu bisa diperdebatkan dan begitu banyak wacana yang bisa dijadikan argumentasi.

Sesungguhnya, jika kita melihat perkembangan dunia kesehatan di Eropa dan Amerika, sudah banyak lembaga penelitian medis yang memanfaatkan teknologi AI untuk mendeteksi penyakit secara dini, sebutlah kanker. Lebih-lebih AI bisa juga digunakan untuk memprediksi suatu wabah penyakit. Termasuk juga memberikan saran pengobatan berdasarkan informasi genetika pasien, gaya hidup, dan riwayat penyakit. AI juga dapat membantu merancang rencana perawatan seseorang dan memberikan rekomendasi pengobatan yang dipersonalisasi.

Meski mungkin di Indonesia belum sejauh itu, di dunia medis global, AI telah dikembangkan untuk mempercepat proses penemuan obat, desain uji klinik, dan analisis hasil. Kelak, bahkan dengan pengembangan AI yang semakin mendalam, dunia kesehatan bisa menghasilkan banyak materi pembelajaran berupa konten yang terkait dengan medis. Serta akan semakin banyak terobosan dalam industri kesehatan yang tentunya akan memberi peluang bagi lebih banyak orang di seluruh dunia mendapat layanan medis yang lebih baik lagi. Bukan tidak mungkin, AI dapat menggantikan pekerjaan dokter atau profesor yang mengajar.

Industri kesehatan hanya salah satu hal saja, industri lain juga sudah bersiap dengan AI masa depan. Seperti halnya pada layanan keuangan, ritel dan e-commerce, manufaktur dan industri, transportasi dan logistik, pendidikan, energi dan lingkungan, hiburan dan media, serta keamanan publik.

Namun, kita juga perlu mengetahui bahwa pengembangan AI sangat membutuhkan investasi yang besar. Dalam mengembangkan AI, dibutuhkan kapasitas komputasi yang sangat besar pula, terutama untuk melatih dan menjalankan model deep learning berskala besar.

Ada dua kunci utama dalam pengembangan AI, yaitu:

1. Melatih model Deep Learning

Deep learning adalah sub-bidang dari machine learning dalam pengembangan AI (Artificial Intelligence) yang berfokus pada algoritma yang terinspirasi oleh struktur dan fungsi otak manusia yang disebut neural networks (jaringan saraf). Deep learning adalah komponen penting dalam pengembangan AI yang memungkinkan mesin untuk belajar dan membuat keputusan berdasarkan data besar melalui jaringan neural yang dalam. Dengan kemampuannya yang luar biasa dalam pengenalan pola dan otomatisasi tugas-tugas kompleks, deep learning terus menjadi salah satu area paling menarik dan berkembang pesat dalam teknologi AI.

Deep Learning memiliki keunggulan dapat memanfaatkan dataset yang sangat besar untuk belajar pola dan fitur kompleks. Dalam banyak kasus, deep learning telah menunjukkan kinerja superior dibandingkan metode machine learning tradisional, terutama dalam tugas-tugas kompleks seperti pengenalan gambar dan pemrosesan bahasa alami. Berbeda dengan metode machine learning tradisional yang sering memerlukan banyak pekerjaan manual untuk menentukan fitur yang relevan, deep learning dapat secara otomatis belajar fitur dari data.

Mudahnya begini, melatih model Deep learning biasanya memerlukan banyak data. Misalnya, model pengenalan gambar mungkin perlu jutaan gambar. Sedang model Natural Language Processing (NLP) atau pemrosesan bahasa alami memerlukan miliatan kata. Nah, melatih model-model ini membutuhkan penggunaan sumberdaya komputasi yang sangat besar. Terutama penggunaan Graphics Processing Unit (GPU) dan Tensor Processing Unit (TPU) untuk mempercepat proses pelatihan.

Contoh saja, untuk melatih model GPT-3, yaitu generasi ketiga dari platform mesin pembelajaran Generative Pre-trained Transformer yang dikembangkan sebagai model dasar untuk membuat kecerdasan buatan oleh OpenAI, mungkin membutuhkan waktu berminggu-minggu hingga berbulan-bulan pada ribuan GPU atau TPU. GPT-3 membutuhkan FLOPs (kecepatan kinerja mikroprosesor) untuk melatihnya sekitar miliaran hingga triliunan kali. Tugas pelatihan AI besar yang khas, mungkin memerlukan konsumsi energi yang dihitung dalam ratusan megawatt-jam.

2. Interface

Interface dalam pengembangan AI mencakup berbagai jenis antarmuka yang memungkinkan interaksi antara sistem AI dengan pengguna, aplikasi lain, atau perangkat keras. Dari user interface yang memudahkan pengguna manusia berinteraksi dengan AI, hingga Application Programming Interface (API) dan Command Line Interface (CLI) yang memungkinkan integrasi dan kontrol sistem yang lebih teknis, antarmuka ini memainkan peran penting dalam penerapan dan penggunaan teknologi AI. Memahami dan memilih interface yang tepat sangat penting untuk memaksimalkan efektivitas dan efisiensi solusi AI.

Kebutuhan komputasi model AI pada tahap inferensi tetap sangat tinggi. Terutama ketika model perlu merespon secara real-time. Dukungan perangkat keras berperforma tinggi seperti GPU dan akselerator AI khusus sangatlah penting untuk mencapai inferensi cepat. Ukuran dan kompleksitas model secara langsung mempengaruhi kebutuhan komputasi.

Singkat kata, secara keseluruhan pengembangan AI membutuhkan kapasitas komputasi yang besar. Mulai dari pemrosesan data skala besar hingga perhitungan matematika yang kompleks. Semuanya membutuhkan dukungan perangkat keras yang kuat dan manajemen sumber daya komputasi yang efisien. Terpenting, server atau tempat penyimpanan yang memadai dan aman. Itulah sebabnya, penelitian-penelitian terdepan dalam teknologi AI seringnya berpusat pada lembaga penelitian atau \perusahaan teknologi besar saja, karena mereka inilah yang memiliki kapasitas komputasi dan sumber daya yang kuat.

Menyadari kebutuhan mendasar terhadap infrastruktur dalam pengembangan AI tersebut, maka Telkom sebagai perusahaan besar yang telah bertransformasi menjadi digital telco telah mempersiapkan diri. Telkom telah memiliki infrastruktur komputasi GPU dengan kapasitas yang memadai sebagai modal mengembangkan inovasi-inovasi digital dan AI. Juga siap setiap saat membantu negara dalam memberikan solusi digital sebagaimana fitrah dirinya. Telkom juga terbuka dalam kerjasama dengan berbagai perusahaan dalam negeri yang ingin terlibat dalam industri AI membutuhkan dukungan dalam pengembangannya.

Ikuti serial Telkom for the Nation untuk mendapatkan informasi terbaru mengenai bagaimana Telkom terus berupaya mewujudkan komitmen dalam mendigitalisasi bangsa dan memberikan solusi digital terbaik untuk masyarakat Indonesia.