AI: Inilah mengapa negara berkembang tertinggal jauh – dan itulah masalah kita semua

Kecerdasan buatan (AI) sudah menjadi bagian dari kehidupan publik, tetapi penggunaannya yang meningkat membawa biaya lingkungan dan dapat memperluas kesenjangan digital global.

By Joyjit Chatterjee

Ilmuwan Data (KTP Associate), Universitas Hull

• Artificial Intelligence (AI) sudah digunakan di smartphone dan aplikasi komputer sehari-hari, dan banyak negara berencana untuk meningkatkan penggunaannya dalam layanan publik.
• Namun, penelitian terbaru dari Oxford Insights menemukan perbedaan yang signifikan antar negara dalam hal kesiapan teknologi.
• Hal ini dapat semakin memperlebar kesenjangan digital karena daya komputasi yang dibutuhkan untuk AI berada di luar jangkauan banyak negara berkembang.
• Teknologi ini juga disertai dengan biaya lingkungan, yang akan terasa paling buruk di wilayah ini.
• Tetapi AI dapat dimanfaatkan secara global dengan pendekatan kolaboratif yang tepat, kata para ahli – seperti dalam mencapai Tujuan Pembangunan Berkelanjutan PBB.

Artificial Intelligence (AI) lebih dari sekadar kata kunci saat ini. Ini kekuatan pengenalan wajah di smartphone dan komputer, terjemahan antar bahasa asing, sistem yang menyaring email spam dan mengidentifikasi konten beracun di media sosial, dan bahkan bisa mendeteksi tumor kanker. Contoh-contoh ini, bersama dengan banyak aplikasi AI yang ada dan muncul, membantu membuat kehidupan sehari-hari orang lebih mudah, terutama di negara maju.

Pada Oktober 2021, 44 negara dilaporkan memiliki rencana strategis AI nasional mereka sendiri, yang menunjukkan kesediaan mereka untuk maju dalam perlombaan AI global. Ini termasuk negara berkembang seperti China dan India, yang memimpin dalam membangun rencana AI nasional di negara berkembang.

Oxford Insights, sebuah perusahaan konsultan yang memberi nasihat kepada organisasi dan pemerintah tentang hal-hal yang berkaitan dengan transformasi digital, telah membuat peringkat kesiapan 160 negara di seluruh dunia dalam hal penggunaan AI dalam layanan publik. AS menempati peringkat pertama dalam Indeks Kesiapan AI Pemerintah 2021 mereka, diikuti oleh Singapura dan Inggris.

Khususnya, wilayah dengan skor terendah dalam indeks ini mencakup sebagian besar negara berkembang, seperti Afrika sub-Sahara, Karibia dan Amerika Latin, serta beberapa negara Asia tengah dan selatan.

Dunia maju memiliki keunggulan yang tak terelakkan dalam membuat kemajuan pesat dalam revolusi AI. Dengan kapasitas ekonomi yang lebih besar, negara-negara kaya ini secara alami berada pada posisi terbaik untuk melakukan investasi besar dalam penelitian dan pengembangan yang diperlukan untuk menciptakan model AI modern.

Sebaliknya, negara-negara berkembang seringkali memiliki prioritas yang lebih mendesak, seperti pendidikan, sanitasi, perawatan kesehatan, dan memberi makan penduduk, yang mengesampingkan investasi signifikan apa pun dalam transformasi digital. Dalam iklim ini, AI dapat memperlebar kesenjangan digital yang sudah ada antara negara maju dan berkembang.

Biaya tersembunyi AI modern

AI secara tradisional didefinisikan sebagai "ilmu dan teknik membuat mesin cerdas". Untuk memecahkan masalah dan melakukan tugas, model AI umumnya melihat informasi masa lalu dan mempelajari aturan untuk membuat prediksi berdasarkan pola unik dalam data.

AI adalah istilah yang luas, terdiri dari dua bidang utama – pembelajaran mesin dan pembelajaran mendalam. Sementara pembelajaran mesin cenderung cocok saat belajar dari kumpulan data yang lebih kecil dan terorganisir dengan baik, algoritme pembelajaran mendalam lebih cocok untuk masalah dunia nyata yang kompleks – misalnya, memprediksi penyakit pernapasan menggunakan gambar rontgen dada.

Banyak aplikasi modern berbasis AI, mulai dari fitur terjemahan Google hingga prosedur bedah yang dibantu robot, memanfaatkan jaringan saraf yang dalam. Ini adalah tipe khusus model pembelajaran mendalam yang secara longgar didasarkan pada arsitektur otak manusia.

Yang terpenting, jaringan saraf haus data, seringkali membutuhkan jutaan contoh untuk mempelajari cara melakukan tugas baru dengan baik. Ini berarti mereka memerlukan infrastruktur penyimpanan data yang kompleks dan perangkat keras komputasi modern, dibandingkan dengan model pembelajaran mesin yang lebih sederhana. Infrastruktur komputasi skala besar seperti itu umumnya tidak terjangkau untuk negara-negara berkembang.