Istilah artificial intelligence atau AI sering terdengar akrab, tetapi ketika diminta menjelaskan “AI itu apa”, banyak orang mendadak ragu. Bukan karena konsepnya terlalu rumit, melainkan karena sejak awal AI memang lahir sebagai bidang yang luas, lintas disiplin, dan bergerak cepat. Akibatnya, definisi AI tidak tunggal. Para ahli memberi penekanan yang berbeda sesuai konteks riset, tujuan, dan zamannya.
Mengapa AI Sering Memiliki Banyak Definisi
Perbedaan definisi biasanya muncul karena para peneliti tidak selalu mengejar hal yang sama. Ada yang ingin membuat mesin bertingkah laku seperti manusia, ada yang lebih fokus pada kemampuan bernalar “secara ideal”, ada pula yang menekankan aspek praktik: sistem mampu mengambil keluaran yang memengaruhi dunia nyata. Literatur AI klasik bahkan merapikan perbedaan ini menjadi peta yang rapi, sehingga kita bisa memahami mengapa satu definisi terasa “psikologis”, sementara definisi lain terasa “teknis”.
Dua sumbu definisi di literatur klasik
Dalam salah satu rujukan paling sering dikutip di bidang AI, definisi AI dipetakan memakai dua sumbu: apakah ukuran keberhasilannya meniru manusia atau mengejar perilaku rasional, serta apakah fokusnya pada proses berpikir atau pada tindakan dan perilaku sistem. Dari peta ini, terlihat bahwa AI bukan hanya soal membuat komputer “pintar”, melainkan soal pendekatan: meniru cara manusia berpikir, meniru perilaku manusia, mengejar penalaran yang benar, atau membangun agen yang bertindak tepat.
Definisi AI ala John McCarthy
Jika ada satu nama yang hampir selalu muncul ketika membahas definisi AI, John McCarthy adalah kandidat teratas. Ia bukan hanya tokoh penting, tetapi juga salah satu orang yang merumuskan AI sebagai bidang studi secara jelas dalam bahasa yang mudah diingat.
Inti definisi McCarthy
McCarthy mendefinisikan AI sebagai science and engineering of making intelligent machines, terutama program komputer cerdas. Ia juga menekankan bahwa AI berkaitan dengan upaya memahami kecerdasan manusia lewat komputer, namun AI tidak wajib membatasi diri pada metode yang “mirip biologi”. Dalam satu paket, definisi ini mengunci dua hal: AI adalah ilmu sekaligus rekayasa, dan targetnya adalah mesin yang cerdas, bukan sekadar mesin yang meniru.
Kenapa McCarthy menyebut mesin cerdas, bukan sekadar meniru manusia
Penekanan McCarthy pada rekayasa membuat AI terasa dekat dengan dunia praktik. AI bukan hanya “teori tentang pikiran”, tetapi juga kegiatan membangun sistem yang bekerja. Karena itu, definisi McCarthy sering dipakai sebagai pintu masuk: ketika seseorang bertanya AI itu apa, jawaban yang paling aman adalah menganggap AI sebagai bidang yang merancang dan membangun kecerdasan pada mesin, terutama komputer.
Definisi AI ala Marvin Minsky
Marvin Minsky dikenal sebagai salah satu pionir AI, dan definisinya sering dikutip karena terdengar tegas dan langsung. Ia memberi gambaran AI lewat cara yang mudah dicerna publik: AI itu tentang membuat mesin mampu melakukan pekerjaan yang, jika dilakukan manusia, biasanya perlu kecerdasan.
Fokus Minsky pada pekerjaan yang biasanya menuntut kecerdasan
Minsky mendefinisikan AI sebagai the science of making machines do things that would require intelligence if done by men. Definisi ini menempatkan AI sebagai bidang yang mengejar kemampuan fungsional: apa yang bisa dikerjakan mesin. Dengan gaya ini, Minsky seperti mengajak pembaca berhenti berdebat terlalu lama soal “hakikat kecerdasan” dan mulai melihat indikatornya pada tugas nyata: memahami, memecahkan masalah, mengenali pola, merencanakan, dan seterusnya.
Definisi AI ala Rich dan Knight
Ada definisi lain yang sering dipakai untuk menjelaskan AI kepada pembaca awam, namun tetap berakar pada literatur akademik: AI sebagai studi tentang membuat komputer mampu melakukan hal yang, pada saat ini, manusia masih lebih unggul.
Mengapa definisi ini terasa bergerak mengikuti kemampuan zaman
Rich dan Knight merumuskan AI sebagai the study of how to make computers do things at which, at the moment, people are better. Bagian “pada saat ini” penting. Ia membuat definisi ini terasa jujur: batas AI ikut bergerak. Dulu, bermain catur dianggap bukti kecerdasan tinggi. Ketika mesin sudah jago catur, masyarakat menggeser standar ke hal lain, misalnya memahami bahasa, kreativitas, atau penalaran kontekstual. Definisi ini membantu memahami mengapa perdebatan AI tidak pernah benar benar selesai: definisi sosialnya ikut berubah bersama teknologi.
Definisi AI ala Nils J Nilsson
Nils J Nilsson memberi definisi yang terdengar lebih filosofis, tetapi sebenarnya sangat praktis untuk riset dan rekayasa: AI berkaitan dengan perilaku cerdas yang diwujudkan dalam artefak.
Artefak sebagai kata kunci
Dalam kutipan yang sering dipakai di literatur AI, Nilsson menyatakan bahwa AI is concerned with intelligent behavior in artifacts. Artefak di sini berarti sesuatu yang dibuat, dirancang, dan diwujudkan, misalnya program, robot, sistem rekomendasi, atau perangkat lunak yang mengambil keputusan. Definisi ini menegaskan satu garis batas: AI itu bukan pembahasan abstrak semata, melainkan kecerdasan yang dibangun ke dalam benda atau sistem buatan.
Definisi AI ala Barr dan Feigenbaum
Barr dan Feigenbaum, dua nama yang juga kuat dalam sejarah AI, memberi definisi yang sering dijadikan pegangan karena menyebut ciri kecerdasan yang familiar bagi manusia: memahami bahasa, belajar, bernalar, menyelesaikan masalah.
Ciri kecerdasan yang dimaksud Barr dan Feigenbaum
Dalam pembahasan mengenai perkembangan AI, AI didefinisikan sebagai bagian dari ilmu komputer yang merancang sistem yang menampilkan karakteristik yang diasosiasikan dengan kecerdasan manusia, seperti pemahaman bahasa, pembelajaran, penalaran, dan pemecahan masalah. Definisi ini terasa “portal berita” karena konkret: pembaca bisa langsung membayangkan kemampuan apa yang dimaksud, dan wartawan teknologi bisa menguji klaim produk AI dengan daftar kemampuan tersebut.
Russell dan Norvig: AI sebagai studi dan pembangunan agen rasional
Jika definisi McCarthy terasa “bidang rekayasa”, Russell dan Norvig terkenal karena merapikan AI ke dalam pendekatan agen rasional: sesuatu yang mengamati lingkungan dan bertindak untuk mencapai tujuan secara tepat, berdasarkan informasi yang dimiliki.
Empat cara memandang AI
Pendekatan Russell dan Norvig sering dijelaskan lewat empat kategori besar: sistem yang berpikir seperti manusia, bertindak seperti manusia, berpikir secara rasional, dan bertindak secara rasional. Kerangka ini membantu memahami mengapa riset AI bisa sangat beragam, dari meniru dialog manusia hingga merancang sistem keputusan yang optimal secara matematis.
Dalam penjelasan Russell sendiri, pendekatan “bertindak rasional” memandang AI sebagai studi dan konstruksi agen rasional, yaitu entitas yang mempersepsi dan bertindak untuk mencapai tujuan dengan mempertimbangkan keyakinan dan informasi yang ada. Di sini, AI menjadi disiplin yang menggabungkan persepsi, penalaran, dan aksi dalam satu rangkaian yang bisa diuji lewat kinerja.
Definisi AI dalam kebijakan publik: OECD
Ketika AI masuk ke ranah kebijakan, definisi harus cukup operasional untuk dipakai lintas negara, industri, dan kasus. OECD memperbarui definisi “AI system” agar lebih relevan dengan teknologi modern, termasuk keluaran berupa konten.
Unsur penting: tujuan, inferensi, keluaran, otonomi, adaptif
OECD merumuskan AI system sebagai sistem berbasis mesin yang, untuk tujuan eksplisit atau implisit, melakukan inferensi dari input yang diterima untuk menghasilkan keluaran seperti prediksi, konten, rekomendasi, atau keputusan yang dapat memengaruhi lingkungan fisik atau virtual. OECD juga menambahkan bahwa sistem AI berbeda beda dalam tingkat otonomi dan kemampuan beradaptasi setelah diterapkan. Definisi ini terasa “regulatif”: bukan lagi sekadar ide tentang kecerdasan, tetapi tentang ciri sistem yang harus bisa diidentifikasi di lapangan.
Definisi AI dalam regulasi: AI Act Uni Eropa
Di regulasi, definisi bukan sekadar untuk diskusi akademik, tetapi untuk menentukan kewajiban, tanggung jawab, dan ruang lingkup aturan. Karena itu, definisi AI system di Uni Eropa dibuat cukup rinci, termasuk unsur otonomi dan adaptif setelah implementasi.
Kenapa ada frasa “tingkat otonomi yang bervariasi”
Dalam penjelasan mengenai definisi AI system pada AI Act, sistem AI disebut sebagai sistem berbasis mesin yang dirancang beroperasi dengan tingkat otonomi yang bervariasi, dapat menunjukkan adaptif setelah diterapkan, dan untuk tujuan eksplisit atau implisit melakukan inferensi dari input untuk menghasilkan keluaran seperti prediksi, konten, rekomendasi, atau keputusan yang dapat memengaruhi lingkungan fisik atau virtual. Rincian seperti ini dibuat agar regulator bisa membedakan sistem AI dari perangkat lunak biasa, sekaligus menutup celah ketika teknologi berubah bentuk.
Cara praktis membaca definisi AI ketika bertemu produk atau layanan
Definisi para ahli sering terdengar tinggi, tetapi sebenarnya bisa dipakai sebagai alat cek cepat. Ketika sebuah produk mengklaim “pakai AI”, pembaca bisa menguji klaim itu memakai elemen yang berulang di banyak definisi: ada input, ada proses inferensi atau penalaran, ada keluaran, dan keluaran itu dipakai untuk bertindak atau membantu keputusan.
Pertanyaan pemeriksa cepat
Pertama, apakah sistemnya berbasis mesin dan memproses input menjadi keluaran seperti prediksi, rekomendasi, konten, atau keputusan. Jika iya, ia mulai memenuhi bahasa kebijakan seperti OECD.
Kedua, apakah tugas yang dikerjakan biasanya menuntut kecerdasan jika dilakukan manusia. Jika iya, klaim AI punya pegangan ala Minsky.
Ketiga, apakah sistemnya bisa dipahami sebagai “agen” yang mengamati situasi lalu bertindak untuk mencapai tujuan. Jika iya, Anda sedang melihat AI dalam kerangka agen rasional.
Contoh singkat: dari definisi ke kasus nyata
Sistem rekomendasi video yang mempelajari kebiasaan menonton lalu menyarankan konten bisa dibaca sebagai AI karena ia melakukan inferensi dari input perilaku pengguna untuk menghasilkan rekomendasi yang memengaruhi lingkungan digital pengguna, sejalan dengan bahasa definisi OECD.
Model bahasa yang menghasilkan teks juga lebih mudah dipahami lewat pembaruan definisi kebijakan yang secara eksplisit memasukkan “konten” sebagai salah satu bentuk keluaran. Ini penting, karena dulu banyak orang hanya mengaitkan AI dengan prediksi atau keputusan, padahal sekarang sistem menghasilkan konten sebagai output utama.
Di sisi lain, robot gudang yang menavigasi ruang, menghindari hambatan, lalu memilih rute paling efisien untuk mengambil barang bisa dibaca sebagai “artefak” yang menampilkan perilaku cerdas, sesuai cara Nilsson memotret AI sebagai perilaku cerdas pada sistem buatan.
