Tuesday, April 8, 2025

Model kepimpinan Fiedler

 Model kepimpinan Fiedler

Model kepimpinan Fiedler juga disebut Teori Luar Jangka Fiedler. Teori yang dibangun pada 1960an oleh ahli psikologi Austria, professor Fred Fiedler. Teori ini menetapkan, tiada cara khusus untuk memimpin.

 Beliau mengkaji personaliti dan ciri-ciri pemimpin, lalu merumus jenis kepimpinan. Sebagaimana personality dibentuk melalui pengalaman hidup, ia agak sukar diubah, tapi tidak mustahil. Fiedler percaya bahawa pemimpin yang betul perlu dipilih berdasarkan kerja yang mereka mahir dan keperluan keadaan semasa. Demi menjadi pemimpin terbaik, setiap pemimpin mesti fahami cara mereka memimpin. Seterusnya, mereka boleh menilai sama ad acara mereka sesuai atau tidak. Secara ringkas, Fiedler berpendapat keupayaan pemimpin melalui cara pemimpin semulajadi dan kesesuaian keadaan.

 

Cara pemimpin

Untuk mengetahui cara anda memimpin, Fiedler membangunkan skala teman sekerja paling kurang diminati (Least Preferred Coworker - LPC). Skala ini memerlukan anda menyifatkan teman sekerja yang paling kurang anda gemar bekerja bersama.

Lebih baik skala LPC yang anda tanda dalam pelbagai kriteria, orientasi-hubungan anda adalah lebih baik. Jika kurang skala yang anda beri, anda boleh jadi orientasi-kerja. Secara asas,

·         Jika anda adalah ketua LPC tinggi, anda adalah ketua berorientasi hubungan.

·         Jika anda adalah ketua LPC rendah, anda adalah ketua berorientasi kerja.

Ketua berorientasi hubungan bagus dalam membina hubungan, menyediakan sinergi kumpulan dan mengurus konflik antara anak buah.  Ketua berorientasi kerja cenderung mahir mengurus projek dan kumpulan untuk menyiapkan tugasan dengan cekap dan berkesan.

Situasi Sokongan Dalam Teori Fiedler

Situasi sokongan, juga dipangil situasi kawalan. Menurut Dr Naomi Ben-Ami (Williamsburg Therapy Group), dalam teori Fiedler, situasi sokongan merujuk kepada situasi yang membenarkan ketua mempunyai pengaruh dalam kumpulannya.

Tiga punca yang mengkuhkan situasi sokongan:

·         Hubungan ketua-ahli, terkait dengan kepercayaan antara ahli kumpulan dan ketua. Lebih yakin ahli kepada ketua, situasi sokongan lebh kuat.

·         Struktur tugas, terkait dengan sejelas manakah tugas diperlukan untuk menyiapkan projek yang disiapkan. Lebih jelas tugasan dimaklumkan dan ditingkatkan, situasi sokongan lebih kukuh.

·         Kuasa posisi, merujuk kepada kuasa khusus ketua untuk mengawal kumpulan. Ketika ketua mempunyai kuasa lebih tinggi, ketua boleh memberi denda atau habuan, seterusnya membuatkan situasi kebih disokong.

 

Kelebihan teori Fiedler

1.    Teori Fiedler menyediakan cara senang untuk mengesahkan kemahiran kepimpinan yang paling banyak kesan dan paling kurang kesan.

2.    Menggalakkan ketua untuk mempunyai kesedaran kendiri; kualiti membuat keputusan untuk kumpulan.

3.    Mengambilkira keadaan, yang memecahkan banyak teori kepimpinan yang hanya berfokus kepada ketua sahaja.

Kekurangan teori Fiedler

1.    Agak ketat . jika pemimpin tak mampu mengawal keadaan, teori ini mencadangkan ketua untuk turun pangkat.

2.    Ada bahagian yang tidak jelas dalam LPC.

3.    Ujian kendiri tidak sentiasa sesuai. Sesekali, timbul isu berat sebelah dan ego.

4.    Teori ini boleh melemahkan pemimpin yang membuat kerja dengan baik. Terutamanya jika cara memimpin mereka agak ganjil, walaupun sebenarnya bagus.

 

Teori Sumber Kognitif

Teori sumber kognitif (CRT) mengubahsuai asas model kontigensi Fiedler dengan menambah trait ketua.CRT cuba mengkelaskan syarat yang mana ketua dan ahli kumpulan akan menggunakan sumber kepintaran, kemahiran dan pengetahuan dengan cekap. Semasa kita menjangka ketua yang lebih pintar dan lebih berpengalaman, jangkaan ini tidak disokong oleh Fiedler

 

Contoh dalam teori ini

Contoh 1

·         Hubungan ketua-ahli lemah. Pengurus yang baru masuk akan tersekat dengan tiada kepercayaan dan persetujuan.

·         Lemah struktur tugas. Bagi organisasi baru, struktur tugas masih lemah. Semua orang akan buat semua perkara bersama-sama.

·         Lemah kuasa ketua. Arahan ketua tidak dilayan sepenuhnya oleh anak buah.

Dalam kes ini, senario ini dipanggil kepemimpinan berorientasi tugas. Bagi ketua yang berorientasi hubungan, sangat sukar untuk menembusi sistem ini dan sukar untuk pastikan semua tugasan sempurna mengikut masa.

 

Contoh 2

·         Hubungan ketua-ahli bagus. Anda membina hubungan yang kukuh dengan pasukan beberapa tahun – dan mereka mahukan anda untuk banyak mengambil tugas-tugas senior.

·         Struktur tugas nampaknya tinggi. Ketika pasukan anda mempunyai kawalan kreatif yang tinggi ke atas produk mereka, ejensi  beroperasi seperti biasa, jai tugas dan proses dijadualkan dengan agak jelas.

·         Kedudukan kuasa pemimpin, lemah. Anda dinaikkan pangkat menjadi senior di mana anda lebih baik membantu pasukan dengan kepakaran, tetapi anda masih bukan dalam pasukan pengurusan yang mampu mengambil ahli baru atau membuang ahli.

Dalam Teori Kentigensi Fiedler, senario ini dipanggil kepemimpinan berorientasi hubungan. Situasi ini diminati secara sederhana tetapi ketua belum cukup kuasa untuk mengawal perubahan yang ketara.

 

Kita boleh lihat, dalam kedua-dua contoh, jenis kepemimpinan yang berbeza diperlukan mengikut keadaan. Teori Fiedler menggalakkan ketua untuk menggunakan kesedaran diri sebagai bahan penting.

 

Artikel berkaitan

Teori Kepimpinan

Gaya Kepimpinan

Kualiti Pemimpin


Rujukan

1.    Cynthia Vinney, PhD. July 31, 2024. The Fiedler Contingency Model: Matching Leadership Style to the Situation

2.    Team Asana May 24th, 2024. Fiedler’s Contingency Theory: Why leadership isn’t uniform

 

Monday, February 17, 2025

Multimedia

Multimedia

Dari dua gabungan perkataan, multimedia bermaksud banyak media atau bahan untuk menyalurkan maklumat. Gabungan elemen seperti teks, gambar, bunyi, animasi dan video disusun dan dimain secara interaktif atau searah. Multimedia diguna dalam pelbagai bidang seperti hiburan, Pendidikan, rekaan permainan dalam computer, seni digital dan komunikasi.

1.    Teks – asas multimedia, yang menyediakan maklumat

2.    Audio (bunyi) – termasuk muzik, kesan bunyi dan suara latar yang menambahbaik pengalaman pengguna. Pembangunan terkini termasuk audio spatial dan rekaan bunyi termaju.

3.    Gambar  - bahan statik visual seperti ilustrasi dan fotograf. Teknologi terkini termasuk teknologi pengimejan 3 dimensi dan berresolusi tinggi.

4.    Video – imej bergerak yang memberi bahan dinamik. Video berresolusi tinggi dan janaan 360 darjah memberi pengalaman yang menarik penonton.

5.    Animasi – teknik mencipta gerakan dari gambar pegun, kerap diguna dalam filem, televisyen dan permainan video untuk memberi karakter dan cerita nampak ‘hidup’.

Multimedia boleh direkod untuk dimain semula dalam computer, komputer riba, telefon pintar dan peranti lain. Mulanya, ‘rich media’ digunakan bersama dengan media interaktif. Seiring masa, hypermedia dignakan dalam laman web dan perkhidmatan penstriman sebelum menjadi kebiasaan.

Julai 1966 – Bobb Goldsteinn menggunakan istilah multimedia untuk mempromosi karyanya di Long Island, New York. Goldstein sedar sebelumnya, perkataan intermedia digunakan oleh Dick Higgins. intermedia dan multimedia membawa maksud yang sama.

10 Ogos 1966 – Richard Albarino menggunakan perkataan multimedia untuk menggambarkan karyanya

1968 – konsultan politik David Sawyer juga menggunakan istilah multimedia.

Hujung 1970an – terma multimedia merujuk kepada pembentangan yang mempunyai slaid pelbagai-projektor

1987 – persediaan untuk Pameran Kereta Baru Ford di Detroit, menggunakan multimedia.

1993 – karya Tay Vaughan Multimedia :Making It Work menyatakan Multimedia ialah kombinasi teks, grafik, seni, bunyi, animasi dan video yang dijana komputer. Ketika anda membenarkan pengguna – orang yang melihat projek berkenaan – mengawal apa dab bila elemen berkenaan dijana, ia ialah multimedia interaktif.

Dalam kegunaan biasa.multimedia merujuk kepada penggunaan pelbagai media komunikasi termasuk video, gambar kaku, animasi, bunyi dan teks yang boleh diakses secara interaktif. Sekitar 1990an, sesetengah komputer digelar komputer multimedia kerana mereka menggunakan kualiti grafik dan audio yan tinggi seperti Amiga 1000 yang boleh menghasilkan 12-bit warna, output untuk tv dan audio 4-suara. Multimedia pernah disimpan dalam cakera keras, berstoran 700MB, disket (1.44MB) dan kini disimpan dalam USB, simpanan awan (cloud storage) dan SSD yang mempunyai storan yang lebih besar.

Ciri

Persembahan multimedia menggunakan pelbagai jenis multimedia. Jenis media mengikut sasaran penonton dan komunikasi dengan mereka. Video adalah contoh terbaik yang digunakan dalam pendidikan. Contoh lain ialah carta dan graf yang persembahkan data dalam kalangan pengkaji dan saintis.

Simulasi dan permainan multimedia menggunakan elemen fizikal dengan kesan khas, dengan beberapa pengguna dalam permainan video, simulator, realiti maya dan augmented reality.

Pelbagai format dalam multimedia digital dikhususkan untuk meningkatkan pengalaman pengguna. Seperti kecepatan menyampaikan maklumat.

Aplikasi

Multimedia digan dalam beberapa industri

Industri kreatif

Industri kreatif mengguna multimedia untuk beberapa tujuan, dari seni halis, hiburan, seni komersial dan kewartawanan.

Kegunaan komersial

Kegiatan komersial dan pemasaran banyak menggunakan multimedia interaktif. Syarikat pengiklanan mengguna media sosial, antaramuka dalam talian dan televisyen untuk mempromosi barangan mereka.

Hiburan dan seni halus

Dalam industri hiburan, kesan khas dan animasi banyak diguna terutamanya permainan video dan filem. Dalam seni, terdapat ahli seni yang gabungkan teknik beberapa media untuk menarik perhatian penonton. Contohnya di galeri seni.

Pendidikan

Multimedia diguna dalam latihan berbantu komputer. Teori pembelajaran berkembang sejajar teknologi. David Roberts mula menggunakan perisian PowerPoint dalam slaid penuh, gabungan gambar dan ayat dalam kuliah beliau. Hasil yang beliau dapati, pembelajaran aktif meningkat 66%.

Teknologi pendidikan

Multimedia membantu pelajar mendapat pengetahuan dengan pelbagai media. Sejak 1960an, teknologi bermula dengan perkakasan seperti mesin taip dan skrin. Pembelajaran boleh disesuaikan mengikut keupayaan pelajar dan boleh digunakan dalam pelbagai aktiviti. Perkembangan terkini menggunakan media sosial membenarkan pelajar memberi maklum balas dan belajar dengan aktif.

Kerja sosial

Multimedia ialah kaedah pendidikan yang kukuh dalam konteks kerja sosial. Lima jenis media yang berlainan boleh menyokong proses pembelajaran dengan media naratif, media interaktif, media komunikasi, produksi dan media adaptif. Berbeza dengan pendapat lama, teknologi multimedia wujud lama sebelum keberadaan internet.

Sejak 1993, teknologi multimedia dimanfaatkan untuk kerja sosial yang praktikal seperti temuduga, bantuan krisis dan kerja kumpulan. Berbeza dengan kaedah lama, seperti kursus bersemuka, multimedia memendekkan masa penyampaian dan menambah kecepatan menyerap ilmu.

A.Elizabeth Cauble membuat kajian bersama Building Family Foundation (BFF) untuk mengkaji kesan teknologi multimedia ke atas pelajar. Responden menunjukkan peningkatan tingkahlaku dan pengetahuan akademik. Ia membantu pelajar kerana ia membawa pakar ke dalam talian, sesuai dengan jadual pelajar dan membenarkan pelajar untuk memilih kursus yang sesuai.

Teori kognitif multimedia dari Mayer pula mencadangkan kita belajar lebih dengan perkataan dan gambar berbanding dengan perkataan sahaja. Berdasarkan Mayer dan pakar lain, teknologi multimedia merangsang otak manusia dengan mengaplikasi kesan visual dan auditori dan membantu pengguna dalam talian untuk belajar dengan berkesan. Pengkaji mencadangkan pengguna mengguna dua saluran semasa belajar, dan mereka memahami dan ingat dengan lebih baik.

Komunikasi dan bahasa

Dengan penggunaan Bahasa inggeris secara meluas, multimedia menjadi cara penting untuk berkomunikasi denga orang berbeza budaya dan bahasa. Teknologi multimedia mencipta platform di mana bahasa boleh dipelajari. Cara belajar berubah dengan sangat berbeza dengan kehadiran teknologi, membuatkan pelajar senang untuk dapat kemahiran bahasa. Ia memotivasikan pelajar untuk belajar lebih banyak bahasa melalui sokongan audio, visual dan animasi. Dengan perubahan corak belajar, multimedia membina keupayaan komunikasi pelajar dengan menambahbaik keupayaan pelajar memahami bahasa. Dalam satu kajian oleh Izquierdo, Simard dan Pulido, kaitan antara arahan multimedua dan pelajar, mempengaruhi tabiat pelajar tersebut belajar. Hasil kajian, berdasarkan teori Gardner, pelajar mendapat akses bahan belajar lebih senang dan lebih bermotivasi menggunakan pembelajaran bahasa berbantu komputer.

Kewartawanan

Syarikat akhbar seluruh dunia melibatkan diri dalam fenomena multimedia dengan kerja mereka. Contohnya The New York Times, USA Today dan the Washington Post.

Matematik dan penyelidikan saintifik

Multimedia banyak diguna dalam matematik dan penyelidikan untuk pemodelan dan simulasi. Contohnya, saintis boleh melihat model molekul dan manipulasi untuk mencipta bahan baru. Kajian bentangan boleh dibaca di Jurnal Multimedia.

Perubatan

Pelajar dan pegawai perubatn boleh mendapat cara yang lebih luas dalam teknik dan prosedur melalui media interaktif, kursus dan kuliah dalam talian. Dengan perkembangan teknologi, dunia perubatan sudah berevolusi untuk mengajar bakal pegawai perubatan membuat operasi pembedahan dan menganalisa data pesakit.

Realiti maya

Realiti maya ialah teknologi yang membuat simulasi, selalunya menggunakan imej janaan komputer atau kombinasi bahan maya dan realiti, yang membuatkan pengguna suka pengalaman interaktif. Tujuan realiti maya untuk membuatkan pengguna berada hadir dalam suasana berbeza, walaupun mereka secara fizikal masih berada dalam dunia nyata. Realiti maya terdapat dalam banyak lapangan seperti permainan, pendidikan, kesihatan, latihan dan hiburan.

Sejarah multimedia

1960an – penggunaan komputer rangka yang besar (mainframe) dalam industri.

1970an – penggunaan komputer di rumah membantu pengguna menyelesaikan banyak masalah yang kompleks. Ia juga membantu maklumat tersebar dalam kalangan pengguna.

1980an – rekabentuk komputer diubah untuk menjadi lebih senang digunakan, semua orang boleh menggunakan komputer.

1990an- perkembangan pesat komputer dan aplikasi komputer.

 

Rujukan

1.    Wikipedia

2.       https://betterteachers.weebly.com/apa-itu-multimedia.html

3.       https://www.lenovo.com/my/en/glossary/multimedia/?orgRef=https%253A%252F%252Fwww.google.com%252F&srsltid=AfmBOopI5pi6ia9vKNwEBD1ZdFaM4yb_q-bLrm_POFPCHqTSeydg2iVJ

4.     

 

 

 

 


Saturday, February 1, 2025

Kepintaran Buatan di Malaysia

 Kepintaran Buatan di Malaysia

Revolusi Industri Ke-empat (IR4) berada di sekeliling kita. Ia menerangkan suasana semasa dan membangun di mana teknologi seperti robot, realiti maya dan kepintaran buatan mengubah cara kita hidup dab bekerja. Kelihatan seperti futuristil tetapi ia sudah menjadi sebahagian dari kita. Contohnya pembantu maya seperti Alexa, Siri dan Cortana.

Menurut Azmi dalam webnya, Kepintaran Buatan ialah proses oleh jentera terutamanya sistem komputer. Proses ini termasuk pembelajaran, memberi sebab dan pembetulan sendiri. contohnya sistem pakar, pengecaman suaran dan penglihatan maya.

Kementerian Digital meletakkan pesedaran Kepintaran Buatan sebagai agenda utama untuk 2024. Menterinya, Gobind Singh Deo juga menekankan keselamatan siber. Menteri Gobind menyatakan ia penting untuk pastikan anak-anak memahami potensi teknologi dan bagaimana ia membaiki kehidupan kita. Beliau merancang untuk bekerjasama dengan Kementerian Pendidikan dan Kementerian Pengajian tinggi untuk memperkenalkan inisiatif berfokus Kepintaran Buatan kepada pelajar. Ia termasuklah sekolah dan university dilengkaokan dengan infrastruktur yang menyokong Kepintaran Buatan.

Kemunculan Malaysia sebagai hub Kepintaran buatan mendapat momentum yang signifikan, dijana oleh minat pemain industri global. Pada 2 Mei 2024 pengerusi Microsoft ke Kuala Lumpur untuk Forum Kepimpinan AI Kebangsaan untuk mempromosi penghasilan Kepintaran Buatan.

Pelaburan Microsoft di Malaysia termasuk membina infrastruktur dan awam Kepintaran Buatan. Ia juga akan mengukuhkan keupayaan keselamatan siber di Malaysia.

Pelaburan dalam infrastruktur digital dan pembangunan kemahiran sangat penting untuk mengurangkan jurang digital dan mengukuhkan perniagaan rakyat dan pembangun industry untuk memasarkan teknologi baru. ia juga akan membuka peluang untuk pekerjaan baru kepada rakyat.

Dalam laporan dalam Open Gov Asia, dijangka 500,000 jawatan memerlukan kemahiran Kepintaran Buatan menjelang 2030.

Kesihatan

Pengamal perubatan mula menggunakan Stethee Pro ( hasil kolaborasi MIDA, TDG, dan CREST yang membolehkan analisis lebih tepat dan boleh direkod ke telefon pintar melalui teknologi Bluetooth. Malaysia juga terlibat dalam inisiatif Remedis AI untuk mengesan barah paru-paru.

Menurut Serena Fuai Sinn, jururawat pusat peruatan Sunway mengintegrasikan kepintaran buatan lama tugas seharian. Peranti pengesan pesakit yang diguna memudahkan jururawat memantau pesakit di wad.

Fesyen

Jenama pakaian dalam talian Custlr menggunakan Kepintaran Buatan untuk mengurus inventori, kadar jualan dan sasaran pelanggan. Rakan niaganya, Sarafix pula mengukur saiz badan pelanggan dalam masa beberapa saat untuk mencadangkan pakaian yang sesuai.

Suntikan Kepintaran Buatan dalam fotografi fesyen membolehkan jurufoto tidak perlu fikirkan semua aspek fotogtafi, kerana sudah bersifat automatik, dengan bantuan Kepintaran Buatan, ia meluaskan kreativiti dan estetika fotografi.

Perundangan

Pusat Bantuan Perundangan Digital Sabah

Pusat bantuan perundangan yang pertama di Malaysia menggunakan teknologi digital di Telipok, Sabah. Pusat ini memberi nasihat undang-undang dan perkhidmatan computer yang memberi pengguna akses ke status, kes perundangan, buku teks, perjanjian dan borang.

Pendidikan

Harian Metro melaporkan kerajaan Malaysia mensasarkan sejuta rakyat mempunyai pengetahuan asas berkenaan Kepintaran Buatan. Melalui proses pembelajaran kendiri di portal www.ai.gov.my, terdapat dua program iaitu AI Aware dan AI Appreciate. Kedua dua modul ini terdapat dalam bahasa Melayu,Inggeris, Mandarin dan Tamil.

Pada tahun 2023, UTM menjadi pemula dalam menubuhkan Fakulti Kepintaran Buatan di kampus Kuala Lumpur. Ini diikuti oleh 20 universiti dan kolej awam lain sebagai sebahagian dari pelan pembangunan kepintaran buatan di Malaysia.

Rujukan

  1. Azmi. Overview of Artificial Intelligence in Malaysia. https://www.azmilaw.com/insights/overview-of-artificial-intelligence-in-malaysia-2/
  2. Alita Sharon, 6 Januari  2025. Malaysia: AI Awareness, Cybersecurity for a Future-Ready Nation. https://opengovasia.com/2025/01/06/malaysia-ai-awareness-cybersecurity-for-a-future-ready-nation/
  3. Amir Abd Hamid, 16 Januari 2024. Sasar sejuta rakyat Malaysia ada pengetahuan asas mengenai AI https://www.hmetro.com.my/mutakhir/2024/01/1051046/sasar-sejuta-rakyat-malaysia-ada-pengetahuan-asas-mengenai-ai
  4. Mohd Nazri Mahrin, 15 Disember 2023.Penubuhan Fakulti Kecerdasan Buatan: Apa Impak kepada Malaysia? https://www.bharian.com.my/berita/nasional/2023/12/1189309/penubuhan-fakulti-kecerdasan-buatan-apa-impak-kepada-malaysia
  5. Unleashing AI’s full potential: the next catalyst for digital growth. https://www.mida.gov.my/unleashing-ais-full-potential-the-next-catalyst-for-digital-growth-2/
  6. Suzalina Halid, 16 Disember 2024. 20 universiti diarah tubuh fakulti AI. Laman web Berita Harian.
  7. Yusaini Fitri, 28 Januari 2025.Suntikan AI pada Fotografi Fesyen.
  8. Berita harian, 15 Jun 2024. Teknologi AI Bantu Tugas Jururawat Pantau Pesakit. https://www.bharian.com.my/wanita/lain-lain/2024/1258941/teknologi-ai-bantu-tugas-jururawat-pantau-pesakit.
  9. Mashitah Abu, 25 Disember 2023. AI sektor Kesihatan bawa cabaran besar. Htttps:/www.bharian.com.my/rencana/komentar/2023/12/1192603/ai-sektor-kesihatan-bawa-cabaran-besar.

1

 

 

 

 

Lapangan Kepintaran Buatan

 Lapangan Kepintaran Buatan

Kepintaran Buatan mempunyai kelebihan untuk membantu kerja kita lebih cepat dan tepat.

Kesihatan dan perubatan

Aplikasi Kepintaran Buatan dalam perubatan. Dalam kajian perubatan, Kepintaran Buatan adalah perkakasan penting untuk memproses dan mengintegrasi data besar. Ia penting untuk pembangunan kejuruteraan tisu dan organoid yang menggunakan pengimejan mikroskopi untuk teknik fabrikasi.

2021 – AlphaFold 2 menunjukkan keupayaan dalam masa beberapa jam berbanding berbulan-bulan untuk membuat struktur protein 3 dimensi.

2023 – penemuan ubat berbantu Kepintaran Buatanmembantu untuk mencari jenis antibiotik untuk membunuh bakteria kebal ubat.

2024 – penyelidik menggunakan pembelajaran jentera untuk mencepatkan proses mencari rawatan penyakit Parkinson. Tujuan mereka untuk mengecam kompaun yang menghalang pelompok, atau merangsang alpha-synuclein (protein yang membentu penyakit Parkinson).

Seksual

Aplikasi Kepintaran Buatan seperti penjejak kesuburan dan haid boleh menganalisa data pengguna untuk menganggar masa kesuburan dan haid, dalam bahan pendidikan seks dan pornografi.

Permainan

Program permainan digunakan sejak 1950 untuk menunjuk dan menguji Kepintaran Buatan.

Mei 1997 - Deep Blue menjadi permainan catur pertama yang mengalahkan juara catur Garry Kasparov.

2011 – dalam pertandingan Jeorpady, Watson (dibangunkan oleh IBM) mengalahkan juara Brad Rutter dan Ken Jennings.

Mac 2016 – AlphaGo memenangi 4 dari 5 permainan Go, bertanding dengan juaga Lee Sedol.

2019 – AlphaStar DeepMind mencapai tahap grandmaster dalam StarCraft II, mencabar permainan strategi masa maya yang melibatkan pengetahuan yang tidak lengkap berkenaan peta.

2021 – ejen Kepintaran Buatan bertanding dalam PlayStation Gran Turismo, menang kepada empat pemandu Gran Turismo menggunakan pembelajaran peneguhan mendalam.

2024 – DeepMind Google memperkenalkan SIMA, jenis Kepintaran Buatan yang mampu bermain sembilan permainan video dengan hanya melihat output skrin.

Kepintaran Buatan penghasilan gambar

Aplikasi yang menghasilkan gamnar, video atau teks. Model ini belajar melalui pola dan struktur yang diberi dan menghasilkan benda baru berdasarkan maklumat yang diberi (dipanggil prompt)

Kepintaran Buatan penghasilan diguna meluas dalam industri, termasuk pembangunan perisiam. Kesihatan, kewangan, hiburan, khidmat pelanggan, jualan dan pemasaran, seni, penulisan, fesyen dan rekabentuk produk. Bagaimanapun, kerisauan meningkat berkaitan peluang salah guna seperti jenayah siber.

Ejen

Ejen Kepintaran Buatan ialah entiti perisian yang dicipta untuk melihat persekitaran perisian, membuat keputusan dan mengambil tindakan automatik untuk mencapai tujuan tertentu. Ejen nin boleh berinteraksi dengan pengguna, persekitarannya atau ejen lain. Ejen Kepintaran Buatan seperti pembantu maya, chatbot dan robot industri.

Bidang lain

Dalam pertanian, Kepintaran Buatan membantu peladang mengesan kawasan yang perlu pengairan, baja, rawatan perosak atau peningkatan tuaian. Kepintaran Buatan sudah diguna untuk menjangka masa tumbuhan ranum, menyelia lembapan tanah dan mengkelas ternakan dan lain-lain.

Bidang kajiangkasa menggunakan Kepintaran Buatan untuk menganalisa peningkatan amaun dan data yang ada. Contohnya meramal aktiviti matahari dan cuaca.

 

Kelebihan Kepintaran Buatan

Kepintaran Buatan menawarkan kelebihan dalam pelbagai industri. Antaranya

·         Tugas berulang dan automasi

·         Pemahaman data lebih cepat dan banyak

·         Mengukuhkan keputusan yang dibuat

·         Kurang ralat manusia

·         Tersedia setiap masa

·         Mengurangkan risiko fizikal

Tugas berulang dan automasi

Kepintaran Buatan boleh mengautomasi kerja rutin, berulang dan menjemukan – termasuk kerja digital seperti mengumpul, memasukkan dan memproses data.

Mengukuhkan keputusan yang dibuat

Sama ada menyokong keputusan atau sepenuhnya membuat keputusan, Kepintaran Buatan membuatkan keputusan dibuat berdasarkan fakta lebih cepat dan pantas. Digabung dengan automasi, Kepintaran Buatan membolehkan perniagaan bertindak atas peluang dan memberi maklumbalas kepada krisis yang dihadapi dalam masa nyata tanpa bantuan manusia.

Kurang ralat manusia

Kepintaran Buatan mengurangkan ralat manusia dalam pelbagai bentuk, dari membantu oran melalui langkah teratur untuk proses, menunjukkan potensi ralat sebelum terjadi dan proses automasi tanpa bantuan manusia. Ia penting terutamanya dalam industri penjagaan kesihatan seperti robot bedah untuk ketepatan yang tetap.

Algoritma pembelajaran jentera akan berterusan membaiki ketepatan dan terus mengurangkan ralat kerana terdedah dengan data yang lebih banyak dan ‘belajar’ melalui pengalaman.

Tersedia sepanjang masa dan konsisten

Kepintaran Buatan biasanya tersedia dan melaksana dengan konsisten setiap masa. Perkakasan seperti pembantu maya meringankan tugas khidmat pelanggan.

Mengurangkan risiko fizikal

Dengan mengautomasi kerja berbahaya -  seperti mengawal haiwan, mengurus bahan mudah meletup, kerja di laut dalam - Kepintaran Buatan boleh menghindar keperluan manusia mengambil risiko cedera.

Perkhidmatan pelanggan, sokongan dan pengalaman pelanggan

Syarikat boleh menggunakan chatbot dan pembantu maya yang dikuasakan oleh Kepintaran Buatan untuk mengurus permintaan pelanggan. Perkakasan ini menggunakan pemprosesan bahasa natural dan keupayaan penghasilan Kepintaran Buatan untuk memahami dan memberi maklumbalas kepada soalan pelanggan berkenaan status tempahan, perincian produk dan polisi kembalian barangan.

Pembantu maya dan chatbot menyediakan soalan kerap ditanya, bebas ejen manusia untuk fokus ke tugasa lebih penting dan memberi pelanggan perkhidmatan yang cepat dan lebih konsisten.

Mengecam penipuan

Bpembelajaran jentera dan algoritma pembelajaran mendalam boleh menganalisa pola transaksi dan kelainan seperti perbelanjaan luarbiasa atau lokasi log masuk, yang menunjukkan transaksi meragukan. Ini mebolehkan rganisasi untuk bertindakbalas dengan lebih cepat dan mengurangkan kesan , memberi mereka dan pelanggan kelapangan hati.

Pemasaran peribadi

Jabatan pemasaran syarikat menggunakan Kepintaran Buatan untuk peribadikan pengalaman pelanggan dan kempen pemasaran yang menggiurkan pelanggan dan membaiki jumlah jualan. Berdasarkan data dari sejarah pembelian dan tabiat pelanggan, algortm boleh mencadangkan produk dan perkhidmatan yang pelanggan mungkin mahukan, dan boleh menghasilkan tawaran peribadi dalam masa nyata.

Sumber manusia

Platform pengambilan pekerja menggunakan Kepintaran Buatan boleh nemapis resume, memadankan calon dengan tugasan kerja dan mungkin temuduga pertama menggunakan analisis video. Ini boleh mengurangkan timbulan kerja pengurusan yang melibatkan calon yang ramai. Ia juga boleh mengurangkan masa tindakbalas dan masa untuk ambilan pekerja, membaiki pengalaman calon; sama ada mereka diterima atau tidak.

Penyelenggaraan berjangka

Model pembelajaran jentera boleh menganalisa data dari pengesan untuk menjangka bila selenggara perlu dilakukan dan menjangka kegagalan peralatan sebelum terjadi. Penghalang penyelenggaraan  yang dibantu Kepintaran Buatan membantu untuk elakkan masa rosak dan membolehkan anda untuk kekal di hadapan dalam isu rantaian bekalan sebelum ia memberi kesan.

Cabaran dari risiko Kepintaran Buatan

  1. ·  Risiko data
  2. ·iRisiko model
  3. · Risiko operasi
  4. · Risiko perundangan
  5. · Risiko etika

Rujukan

1.    Cole Stryker & Eda Kavlakoglu . What is artificial intelligence (AI)? https://www.ibm.com/think/topics/artificial-intelligence

2.    Gordon Scott January 28, 2025. What Is Artificial Intelligence (AI)? https://www.investopedia.com/terms/a/artificial-intelligence-ai.asp

 

Friday, January 31, 2025

Kepintaran Buatan

 Kepintaran Buatan

Kepintaran buatan atau bahasa Inggerisnya Artificial Intelligence (AI) ialah kepintaran meniru yang ditunjuk oleh sesebuah jentera terutamanya komputer. Kepintaran buatan ini ialah teknologi yang membolehkan komputer dan jentera untuk merangsang pembelajaran manusia, memahami, menyelesaikan masalah, membuat keputusan dan menjadi kreatif. Subset kepada kepintaran buatan ialah pembelajaran jentera atau machine learning.

Aplikasi yan dilengkapi kepintaran buatan atau AI boleh melihat dan mengecam objek. Ia boleh memahami dan bertindakbalas kepada bahasa manusia, boleh belajar maklumat dan pengalaman baru. AI juag boleh membuat cadangan terperinci kepada pengguna dan bergerak berdikari. Aplikasi terkenal AI termasuklah enjin carian laman sesawang ( sepert Google Search), system cadangan (diguna oleh Youtube, Amazon dan Netflix), pembantu maya (seperti Google Assistant, Siri dan Alexa), kenderaan autoatik, peralatan kreatif dan penghasil karya (seperti ChatGPT dan AI Art) dan permainan adimaya (seperti catur). Bagaimanapun, banyak aplikasi AI tidak terlihat seperti AI.

Banyak cabang khusus kajian AI yang berpusat kepada tujuan khuss dan menggunakan peralatan tertentu. Tujuan tradisional kajian AI termasuklah memberi sebab, pembentangan pengetahuan, perancangan, pembelajaran, pemprosesan Bahasa semulajadi, persepsi dan sokongan untuk robot, kepintaran umum – keupayaan untuk menyelesaikan tugasan yang dibuat manusia sekurang-kurangya pada aras yang sama – antara tujuan jangka panjang. Untuk mencapai tujuan ini, pengkaji AI menyesuaikan dan menggabungkan Teknik yang luas julatnya, termasuk optimasi matematik, logic formal, jaringan neural buatan, dan kaedah berdasarkan statistik, kajian operasi dan ekonomi. AI juga meliputi psikologi, Bahasa, falsafah, sains neuro dan lain-lain.

Kepintaran buatan dcipta dalam lapangan akademik pada tahun 1956, dan melalui pelbagai kitaran optimis menerusi sejarahnya, diikuti fasa kekecewaan dan kehilangan dana (dikenali sebagai musim sejuk AI). Minat dan dana meningkat naik selepas 2012 dengan kerangka perubahan dan awal 2020, berbilion dolar dilaburkan dalam AI dan kemajuan pengalaman di lapangan meningkat dengan cepat, dikenali sebagai AI boom. Sejak 2024, kebanyakan pengkaji dan pengalam AI fokus kepada penghasilan AI, teknologi yang menghasilkan teks asal, gambar dan video.Penghasilan AI di tengah tengah AI boom dan keupayaan mencipta dan mengubahsuai isi mendedahkan kepada akibat yang tidak dijangka. Ini menimblkan risiko dalam AI dalam jangka masa Panjang dan membawa kepada polisi perundangan untuk memastikan keselamatan teknologi.

Bagaimana kepintaran buatan berfungsi?

Kepintaran Buatan terlibat dalam dunia robot. Seiring teknologi berubah, tanda aras sebelumnya yang merujuk kepintaran buatan sudah lapuk. Teknologi yang menggunapakai Kepintaran Buatan termasuklah:

1.    Mata komputer yang membenarkan komputer mengecam objek dan orang dalam gambar.

2.    Pemprosesan bahasa semulajadi membenarkan komputer memahami bahasa manusia.

3.    Unit pemprosesan grafik iaitu cip komputer membantu komputer membentuk grafik melalui pengiraan matematik.

4.    Internet Of Things iaitu jaringan peranti fizikal, kenderaan dan objek lain disatukan dengan penderia, perisian dan jaringan yang mengumpul dan berkongsi data.

5.    Program aplikasi membenarkan dua atau lebih program komputer atau komponen untuk berinteraksi satu sama lain

Secara umum, penghasilan Kepintaran Buatan beroperasi dalam tiga fasa:

1.    Melatih, untuk cipta model asas

2.    Menyelaras, untuk sesuaikan model kepada aplikasi khusus

3.    Penghasilan, evaluasi dan lebih penyelarasan, untuk membaiki ketepatan

Melatih

Penghasilan Kepintaran Buatan bermula dengan model asas, model pembelajaran mendalam yang bertindak sebagai asas kepada pelbagai jenis penghasilan aplikasi Kepintaran Buatan.

Model asas paling biasa sekarang ialah model bahasa besar (Large language model -LLM), mencipta aplikasi membuat teks. Ada juga model asas untuk gambar, video dan muzik, dan model asas pelbagai modal yang menyokong beberapa jenis bahan.

Untuk menghasilkan model asas, pengamal lakan melatih algoritma bahan asal dalam jumlah yang besar, tidak bersusun dan tidak berlabel. Latihan akan menuai jaringan neural dalam berbilion parameter – mengekod wakil entiti, pila dan hubungkait data – yang akan menghasilkan bahan secara automatik sebagai tindakbalas prompt.

Proses latihan ini mengambil masa, menggunakan perkakasan dan mahal, ia memerlukan unit pemprosesan grafik berkelompok dan pemprosesan berminggu-minggu, kebiasaannya berbilion dolar. Projek model asas sumber terbuka seperti Llama-2 meta membenarkan pembangun Kepintaran Buatan mengelak langkah dan kos ini.

Menyelaras

Seterusnya. Model perlu diselaran kepada tugas penghasilan bahan yang khusus. Ini boleh dilakukan dalam pelbagai ebntuk termasuklah:

·         Penyelarasan halus – melibatkan memberi model data aplikasi khas – soalan atau prompt yang aplikasi akan terima dan balas jawapan yang betul mengikut format.

·         Peneguhan pembelajaran dengan maklumbalas manusia – pengguna akan menguji ketepatan atau kesesuaian jawapan model supaya model boleh membaiki diri.ini boleh jadi sesenang orang bercakap kembali pembetulan kepada chatbot atau pembantu maya.

Penghasilan, evaluasi dan lebih penyelarasan

Pembangun dan pengguna akan menilai secara berkala jawapan penghasilan aplikasi kepintaran buatan, dan kemudian selaraskan model – sekerap setiap minggu – untuk lebih ketepatan dan kesesuaian. Sebalikna, model asas aan mengemaskini dengan kurang kerap – mungkin setiap tahun atau setiap 18 bulan.

Pilihan lain untuk menambahbaik Kepintaran Buatan ialah perolehan kembali hujahan pembuatan -  teknik melanjutkan model asas untuk gunakan sumber luar yang berkaitan untuk lebih tepat.

Latar Belakang Kepintaran Buatan

Ilham bahawa jentera boleh berfikir bermula pada zaman Greek kuno. Kajian mekanikal atau penyebab formal bermula dengan ahli falsafah dan matematik dalam antukuiti.

 

Bermula dengan teori komputasi Alan Turing yang mencadangkan jentera yang merombak simbol 0 dan 1 berulangan. Bersama penemuan sibernetik, teori maklumat dan neurobiologi membawa penyelidik untuk pertimbangkan kemungkinan membina otak elektronik. Mereka membina beberapa bidang kajian yang menjadi sebahagian dari Kepintaran Buatan. Contohnya McCullouch dan Pitts membentuk neoron buatan pada 1943 dan Alan Turing membuat ujian Turing pada 1950 yang menerangkan kepintaran jentera.


Rajah 1: garis masa kepintaran buatan

 

1950- Alan Turing menerbitkan Computing Machinery and Intelligence. Dalam tulisan ini, Turing membawa soalan - bolehkan jentera berfikir?

Dari sini, beluai membuat ujian yang dikenal Ujian Turing yang membezakan tindakbalas komputer dan manusia. Walau ujian ini melalui banyak kajian sejak diterbitkan, ia menjadi bahagian penting dalam sejarah Kepintaran Buatan.

 

1960 – John McCarthy memulakan terma Kepintaran Buatan dalam konferens pertama AI di Darmouth College. McCarthy ialah pencipta bahasa aturcara Lisp. Beberapa yang hadir dalam konferens ini menjadi orang awal dalam kajian Kepintaran Buatan pada tahun 1960-an. Antaranya Allen Newel, J.C. Shaw dan Herbet Simon.

 

1965 - Herbet Simon menjangka jentera akan dapat, dalam tempoh 20 tahun – untuk lakukan apa yang manusia dapat lakukan.

 

1967 – Frank Rosenblatt membina Mark 1 Perceptron – jaringan neural berasas komputer yang pertama yang belajar melalui cuba uji. Setahun kemudian, Marvin Minsky dan Seymour Papert menerbitkan buku bertajuk Perceptrons yang menjadikan tanda aras dalam jaringan neural. Marvin Minsky menyokong dengan ulasan -  dalam satu generasi, masalah mencipta kepintaran buatan selesai dengan baik.  

 

1974 – Kerajaan Amerika Syarikan dan Britain memotong dana kajian hasil kritik Sir James Lighthill dan tekanan berterusan dari Kongres Amerika Syarikat untuk mendanai projek yang lebih produktif.

 

1980 – jaringan neural diguna meluas dalam aplikasi Kepintaran Buatan. Kejayaan komersian dalam sistem pakar, sejenis program Kepintaran Buatan yang mensimulasi pengetahuan dan kemahiran analiktik manusia.

 

1985 – pasaran Kepintaran Buatan mencapai lebih satu bilion dolar. Pada ketika itu, komputer generasi kelima Jepun memberi inspirasi Britain dan Amerika Syarikat untuk kembali memberi dana kepada kajian akademik.

 

1987 – bahasa aturcara Lisp mula jatuh dan Kepintaran Buatan lagi sekali tenggelam.

 

1990 – Yann LeCun berjaya membuat jaringan neural berlingkar yang boleh mengecam digit tulisan tangan.

 

1995 – Stuart Russen dan Peter Norvig menerbitkan Artificial Intelligence : A Modern Approach yang menjadi buku teks utama dalam pembelajaran Kepintaran Buatan.

 

1997 – Deep Blue mengalahkan Garry Kasparov, juara catur dalam pertandingan catur ( dan perlawanan ulangan).

 

2000 – cadangan yang dibangun oleh pengkaji kepintaran buatan banyak diguna.

 

2002 – subbidang Kepintaran Buatan am dibangun.

 

2004 – John McCarthy menulis What Is Artificial Intelligence? Dan mencadangkan maksud Kepintaran Buatan. Ketika ini data besar dan komputeran awan sedang diuji, membenarkan organisasi mengurus maklumat yang banyak.

 

2011 – IBM Watson mengalahkan pemenang Ken jennings dan Brad Rutter dalam Jeopardy! Dan ketika ini sains data mula menjadi disiplin terkenal.

 

2012 – Pembelajaran mendalam mendominasi.

 

2015 – superkomputer Minwa menggunakan jaringan neural dalam khas yang dipanggil jaringan neural berlingkar untuk mengenalpasti dan mengkategori gambar dalam kadar ketepatan yang lebih baik dari kebanyakan orang.

 

2016 – Program AlphaGo DeepMind, yang dikuasakan oleh jaringan neural dalam, mengalahkan Lee Sodol (juara dunia permainan Go) dalam lima perlawanan. Kejayaan ini memberi makna dalam nombor yang besar untuk pergerakan yang mungkin dalam penmprosesan permainan. Kemudian, Google membeli DeepMind bernilai USD400 juta.

 

2016 – isu salah guna teknologi timbul dalam konferens dan dikaji.

 

2022 – peningkatan model bahasa besar atau LLM seperti OpenAI ChatGPT, mencipta perubahan dalam perkembangan Kepintaran Buatan dan potensinya dalam nilai perdagangan. Dengan amalam generasi baru Kepintaran Buatan, model pembelajaran mendalam boleh mencapat data yang banyak.

 

2024 – trend Kepintaran Buatan terkini melihat perkembangan berterusan. Model modal pelbagai boleh mengambil pelbagai jenis data dan memberi pengalaman yang lebih. 

 

Tajuk lain

Kelebihan Kepintaran Buatan

Kepintaran Buatan di Malaysia

 

Rujukan

  1.  Cole Stryker & Eda Kavlakoglu . What is artificial intelligence (AI)? https://www.ibm.com/think/topics/artificial-intelligence
  2.   Gordon Scott January 28, 2025. What Is Artificial Intelligence (AI)? https://www.investopedia.com/terms/a/artificial-intelligence-ai.asp
  3. Wikipedia