Ulasan Buku: The Worlds I See oleh Dr. Fei-Fei Li

Kecerdasan buatan sering dijelaskan melalui algoritma, kemajuan perangkat keras, dan peningkatan cepat model yang kuat. Apa yang sering hilang dari narasi itu adalah cerita manusia di balik ilmuwan yang meletakkan dasar untuk revolusi AI hari ini.

The Worlds I See: Curiosity, Exploration, and Discovery at the Dawn of AI oleh Dr. Fei-Fei Li mengisi kesenjangan itu dengan indah. Buku ini beroperasi secara bersamaan sebagai memoar, sejarah kecerdasan buatan modern, dan refleksi tentang tanggung jawab yang datang dengan membangun teknologi transformatif.

Apa yang membuat buku ini sangat menarik adalah bagaimana Li menggabungkan dua cerita paralel. Satu adalah cerita tentang AI itu sendiri. Yang lain adalah cerita tentang seorang imigran muda yang tiba di Amerika Serikat dan akhirnya menjadi salah satu tokoh paling berpengaruh di bidang penglihatan komputer.

Perjalanan Imigran yang Membentuk Pikiran Ilmiah

Salah satu elemen terkuat dari buku ini adalah narasi pribadi yang mendalam yang mendahului karir ilmiah Li.

Li tumbuh dewasa di Tiongkok sebelum berimigrasi ke Amerika Serikat sebagai remaja. Transisi itu sulit. Keluarganya tiba dengan sumber daya keuangan terbatas dan menghadapi tantangan membangun kembali kehidupan dari awal. Selama tahun-tahun awal di Amerika, Li membantu orang tuanya menjalankan bisnis dry cleaning sambil melanjutkan pendidikannya.

Pengalaman ini membentuk dasar penting untuk buku ini. Mereka mengungkapkan ketabahan dan ketekunan yang kemudian akan mendefinisikan pekerjaan ilmiahnya. Memoar ini tidak menggambarkan pengalaman imigran secara romantis. Sebaliknya, itu menyajikan kenyataan penyesuaian budaya, tekanan keuangan, dan determinasi yang diperlukan untuk mengejar ambisi akademis di lingkungan yang sama sekali baru.

Akhirnya Li diterima di Universitas Princeton. Hari-harinya yang pertama di kampus digambarkan dengan campuran kegembiraan dan ketidakpercayaan. Bagi seseorang yang baru saja tiba di Amerika Serikat, Princeton mewakili dunia intelektual yang tampaknya hampir tidak terbayangkan hanya beberapa tahun sebelumnya.

Pengalaman akademis awal ini membantu membentuk rasa ingin tahu yang mendorong sisa cerita.

Mengarungi Bidang yang Didominasi Laki-Laki

Tematik lain yang berjalan sepanjang buku adalah pengalaman Li sebagai perempuan di ilmu komputer.

Penelitian kecerdasan buatan telah secara historis didominasi oleh laki-laki, terutama selama tahun-tahun awal karir Li. Ia sering menemukan dirinya berada di ruangan di mana ia adalah salah satu dari sedikit perempuan. Buku ini tidak membingkai ini sebagai konflik dramatis tetapi sebagai kenyataan yang mendasar yang mempengaruhi bagaimana ia mengarungi bidang ini.

Pengalaman ini akhirnya menyumbang pada upaya Li kemudian untuk memperluas partisipasi dalam AI. Ia menjadi advokat untuk keanekaragaman dalam bidang ini dan membantu menciptakan inisiatif yang dirancang untuk membawa lebih banyak perempuan dan kelompok yang kurang terwakili ke dalam penelitian kecerdasan buatan.

Pesan yang lebih luas yang muncul adalah bahwa AI tidak boleh dibangun oleh segmen sempit masyarakat. Jika teknologi ini akan membentuk dunia, orang-orang yang membangunnya harus mencerminkan dunia itu juga.

Menemukan WordNet dan Pentingnya Struktur Pengetahuan

Buku ini mulai bergerak mendalam ke dalam sejarah teknis AI ketika Li menemukan basis data linguistik yang dikenal sebagai WordNet selama pekerjaannya di akademis.

WordNet mengatur kata-kata bahasa Inggris ke dalam kelompok konsep yang terkait yang disebut synsets. Hubungan konseptual ini memetakan bahasa dengan cara yang menyerupai bagaimana manusia mengkategorikan dan memahami dunia.

Bagi Li, WordNet mewakili lebih dari sekadar alat linguistik. Ini mengungkapkan kerangka kerja yang mungkin untuk mengajar mesin memahami informasi visual.

Pada saat itu, penelitian kecerdasan buatan sangat fokus pada perbaikan algoritma. Tetapi Li mulai melihat bidang ini secara berbeda. Ia menyadari bahwa bottleneck sebenarnya dalam pembelajaran mesin bukan hanya model yang lebih baik tetapi data yang lebih baik.

Jika komputer akan belajar mengenali objek di dunia, mereka akan memerlukan akses ke sejumlah besar contoh yang dilabeli.

Pengertian ini akhirnya akan mengarah pada salah satu dataset paling berpengaruh yang pernah dibuat.

Penciptaan ImageNet

Bagian paling menarik dari buku ini berpusat pada penciptaan ImageNet.

ImageNet dirancang sebagai basis data visual besar yang dapat membantu mesin belajar mengenali objek. Menggunakan WordNet sebagai tulang punggung konseptual, dataset ini mengatur jutaan gambar ke dalam ribuan kategori objek.

Skala proyek ini belum pernah terjadi sebelumnya. Dataset akhirnya berisi lebih dari empat belas juta gambar yang dilabeli yang mencakup lebih dari dua puluh ribu kategori. Peneliti dan pekerja kerumunan dengan hati-hati mengannotasi gambar sehingga algoritma dapat belajar mengidentifikasi objek seperti hewan, kendaraan, alat, dan barang sehari-hari.

Pada saat itu, banyak peneliti mempertanyakan apakah dataset seperti itu diperlukan. Penelitian kecerdasan buatan masih sangat fokus pada merancang algoritma yang lebih cerdas daripada mengumpulkan sejumlah besar data.

Li mengambil pandangan yang berlawanan. Ia percaya bahwa sistem pembelajaran mesin hanya dapat ditingkatkan jika mereka dilatih pada sejumlah besar contoh dunia nyata.

Buku ini menjelaskan secara rinci betapa sulitnya membangun ImageNet. Proyek ini memerlukan tahun-tahun ketabahan, eksperimen teknis, dan koordinasi skala besar dengan ribuan kontributor yang membantu melabeli gambar.

Ini adalah upaya besar yang awalnya menarik skeptisisme dalam komunitas penelitian.

Terobosan yang Mengubah Kecerdasan Buatan

Titik baliknya datang dengan Large Scale Visual Recognition Challenge ImageNet.

Kompetisi ini mengundang peneliti untuk membangun sistem yang dapat mengidentifikasi objek dalam dataset besar. Selama beberapa tahun, kemajuan itu bertahap. Lalu pada 2012, jaringan saraf dalam secara dramatis mengungguli pendekatan sebelumnya.

Terobosan itu menunjukkan kekuatan menggabungkan dataset besar dengan arsitektur pembelajaran dalam. Hasilnya mengejutkan komunitas AI dan memicu pergeseran cepat ke metode jaringan saraf.

ImageNet menjadi lapangan pelatihan yang memungkinkan banyak kemajuan dalam penglihatan komputer yang mengikuti. Dataset ini membantu memicu kemajuan dalam bidang seperti pengenalan gambar, kendaraan otonom, pemindaian medis, dan sistem AI modern yang sangat bergantung pada pemahaman visual.

Buku ini menyediakan perspektif langka tentang bagaimana momen itu terjadi dan bagaimana peneliti menyadari bahwa mereka sedang menyaksikan titik balik besar dalam sejarah kecerdasan buatan.

Kecerdasan Buatan yang Berorientasi Manusia

Ketika narasi berkembang, Li mulai fokus pada implikasi yang lebih luas dari teknologi yang ia bantu percepat.

Ia berargumen bahwa kecerdasan buatan harus tetap secara fundamental berorientasi manusia. Tujuan AI tidak boleh hanya membangun sistem yang kuat tetapi memastikan bahwa sistem tersebut memberikan manfaat bagi masyarakat.

Perspektif ini mencerminkan pekerjaan Li kemudian di akademis dan kebijakan. Ia menjadi suara utama yang menganjurkan pengembangan AI yang bertanggung jawab dan membantu mempromosikan inisiatif yang dirancang untuk memastikan bahwa AI dibangun dengan pertimbangan etis.

Buku ini menekankan bahwa masa depan AI tidak akan ditentukan hanya oleh terobosan teknologi. Ini juga akan dibentuk oleh pilihan yang dibuat oleh peneliti, insinyur, dan pembuat kebijakan tentang bagaimana sistem tersebut diterapkan.

Pemikiran Akhir

The Worlds I See jauh lebih dari sekadar memoar tentang kecerdasan buatan.

Ini adalah cerita tentang seorang imigran muda yang mengejar rasa ingin tahu di negara baru. Ini adalah akun rinci tentang bagaimana salah satu dataset paling penting dalam pembelajaran mesin dibuat. Ini juga merupakan refleksi tentang tanggung jawab yang datang dengan membangun teknologi yang dapat membentuk masyarakat.

Apa yang membuat buku ini sangat kuat adalah bahwa cerita-cerita ini tidak dapat dipisahkan. Perjalanan pribadi Li dan evolusi AI modern berkembang bersama.

Bagi pembaca yang tertarik dengan sejarah kecerdasan buatan, buku ini menawarkan perspektif langka dari seseorang yang membantu membangun dasar-dasar bidang ini. Bagi siapa pun yang tertarik dengan sisi manusia penemuan ilmiah, ini sama-sama menarik.

Dalam banyak cara, The Worlds I See mengingatkan kita bahwa revolusi teknologi jarang dimulai dengan mesin. Mereka dimulai dengan rasa ingin tahu, ketabahan, dan keberanian untuk mengejar ide-ide yang mungkin awalnya diabaikan oleh orang lain.