Pernahkah Anda bertanya-tanya bagaimana teknologi seperti ChatGPT, Google Gemini, pengenalan wajah, penerjemah otomatis, hingga sistem AI untuk penelitian obat bisa muncul?
Jawabannya tidak dimulai dari chatbot modern.
Jauh sebelum istilah Artificial Intelligence (AI) populer, para ilmuwan sudah memikirkan satu pertanyaan besar: bisakah sebuah mesin melakukan sesuatu yang selama ini dianggap membutuhkan kecerdasan manusia?
Pertanyaan tersebut kemudian berkembang menjadi puluhan tahun penelitian. Ada yang mencoba memahami cara manusia berpikir. Ada yang mengembangkan teori komputasi. Ada yang membangun jaringan saraf tiruan. Ada pula yang menemukan arsitektur baru yang akhirnya menjadi fondasi Large Language Model (LLM) seperti yang kita gunakan sekarang.
Karena itu, sejarah AI sebenarnya bukan kisah tentang satu penemu. AI adalah hasil dari estafet panjang yang melibatkan banyak ilmuwan, universitas, laboratorium, dan perusahaan teknologi.
Dalam artikel ini, kita akan mengenal 10 tokoh AI yang memiliki pengaruh besar terhadap perkembangan artificial intelligence, mulai dari Alan Turing hingga para ilmuwan yang membantu membawa AI memasuki era deep learning dan LLM.
Daftar Isi
- Alan Turing — Meletakkan Fondasi Teoritis Mesin Cerdas
- John McCarthy — Orang yang Memopulerkan Istilah Artificial Intelligence
- Marvin Minsky — Pelopor AI dan Representasi Pengetahuan
- Geoffrey Hinton — Menghidupkan Kembali Neural Network
- Yann LeCun — Membawa CNN ke Dunia Computer Vision
- Yoshua Bengio — Membuka Jalan bagi Neural Language Model
- Ashish Vaswani dan Tim Transformer — Mengubah Cara AI Memproses Bahasa
- Ilya Sutskever — Mendorong Era Model AI Berskala Besar
- Demis Hassabis — Membawa AI ke Dunia Sains
- Andrew Ng — Membuat AI Lebih Mudah Dipelajari
Ringkasan 10 Tokoh AI yang Berpengaruh
| Tokoh | Kontribusi utama | Pengaruh terhadap AI modern |
|---|---|---|
| Alan Turing | Teori komputasi dan Turing Test | Fondasi pemikiran tentang mesin cerdas |
| John McCarthy | Istilah Artificial Intelligence dan Lisp | Membentuk AI sebagai bidang penelitian |
| Marvin Minsky | AI simbolik dan representasi pengetahuan | Memengaruhi generasi awal penelitian AI |
| Geoffrey Hinton | Neural network, backpropagation, deep learning | Mendorong kebangkitan deep learning |
| Yann LeCun | CNN dan LeNet | Fondasi penting computer vision |
| Yoshua Bengio | Neural language model dan deep learning | Fondasi penting AI untuk bahasa |
| Ashish Vaswani dkk. | Transformer dan self-attention | Fondasi utama LLM modern |
| Ilya Sutskever | Deep learning skala besar dan GPT | Mendorong perkembangan model bahasa besar |
| Demis Hassabis | AlphaGo dan AlphaFold | Memperluas penggunaan AI ke ilmu pengetahuan |
| Andrew Ng | Google Brain dan pendidikan AI | Membantu mendemokratisasi pembelajaran AI |
1. Alan Turing: Meletakkan Fondasi bagi Mesin Cerdas
Jika membicarakan sejarah AI, nama Alan Turing hampir selalu muncul di bagian paling awal.
Matematikawan asal Inggris ini dikenal luas karena kontribusinya terhadap ilmu komputer dan perannya dalam pemecahan kode selama Perang Dunia II. Namun, pengaruh Turing terhadap AI jauh melampaui kriptografi.
Pada 1936, Turing memperkenalkan konsep mesin abstrak yang kemudian dikenal sebagai Turing Machine. Konsep tersebut membantu membangun dasar teoritis ilmu komputasi modern.
Kemudian pada 1950, Turing menerbitkan makalah berjudul Computing Machinery and Intelligence di jurnal Mind. Ia membuka pembahasannya dengan pertanyaan terkenal:
“Can machines think?”
Alih-alih memperdebatkan definisi “berpikir”, Turing mengusulkan pendekatan yang lebih operasional melalui Imitation Game, yang kemudian populer dengan nama Turing Test.
Gagasannya sederhana: jika manusia berkomunikasi dengan sebuah mesin melalui teks dan tidak dapat secara konsisten membedakannya dari manusia, bagaimana kita menilai kemampuan mesin tersebut?
Tentu saja, Turing Test bukan ukuran sempurna untuk kecerdasan. Namun, gagasan tersebut menjadi salah satu tonggak awal dalam diskusi mengenai machine intelligence.
Kontribusi utama: teori komputasi, Turing Machine, dan gagasan Turing Test.
2. John McCarthy: Orang yang Memopulerkan Istilah “Artificial Intelligence”
Kalau Alan Turing membantu membuka pertanyaan tentang mesin dan kecerdasan, John McCarthy membantu menjadikan AI sebagai sebuah bidang penelitian yang memiliki identitas sendiri.
Pada 1955, McCarthy bersama Marvin Minsky, Nathaniel Rochester, dan Claude Shannon menyusun proposal untuk Dartmouth Summer Research Project on Artificial Intelligence.
Lokakarya tersebut berlangsung pada musim panas 1956 dan kemudian sering dianggap sebagai salah satu momen kelahiran AI sebagai bidang penelitian formal. Istilah “artificial intelligence” digunakan secara eksplisit dalam proposal tersebut.
McCarthy juga dikenal sebagai pencipta bahasa pemrograman Lisp pada akhir 1950-an. Lisp kemudian memainkan peran penting dalam penelitian AI generasi awal, khususnya pada pendekatan yang menggunakan manipulasi simbol dan representasi pengetahuan.
Yang menarik, AI pada masa tersebut sangat berbeda dengan AI generatif saat ini.
Para peneliti belum berbicara tentang chatbot yang menghasilkan teks atau gambar. Fokus mereka lebih banyak berkisar pada bagaimana pengetahuan, logika, pemecahan masalah, dan penalaran dapat direpresentasikan dalam komputer.
Kontribusi utama: istilah Artificial Intelligence, Lisp, dan pembentukan AI sebagai disiplin penelitian.
3. Marvin Minsky: Pelopor AI dan Representasi Pengetahuan
Marvin Minsky merupakan salah satu tokoh paling berpengaruh pada generasi awal AI.
Bersama John McCarthy, Minsky ikut mendirikan MIT Artificial Intelligence Laboratory pada 1959. Ia melihat AI bukan hanya sebagai persoalan pemrograman komputer, tetapi juga sebagai cara untuk memahami bagaimana manusia berpikir, belajar, dan memecahkan masalah.
Salah satu kontribusi penting Minsky adalah pemikirannya mengenai representasi pengetahuan. Pada 1970-an, ia memperkenalkan konsep Frames, yaitu cara merepresentasikan pengetahuan berdasarkan struktur dan situasi yang sudah dikenal.
Misalnya, ketika manusia memasuki sebuah restoran, kita secara otomatis memiliki gambaran mengenai meja, menu, pelayan, makanan, pembayaran, dan sebagainya.
Ide seperti ini penting karena mesin tidak cukup hanya memiliki data. Agar dapat melakukan penalaran, mesin juga perlu memiliki cara untuk merepresentasikan hubungan antarpengetahuan.
Minsky juga menjadi salah satu tokoh di balik buku Perceptrons yang ditulis bersama Seymour Papert pada 1969. Buku tersebut menunjukkan keterbatasan matematis perceptron sederhana.
Penelitian tersebut kemudian ikut memperkuat skeptisisme terhadap neural network pada masa itu. Namun, menyebut buku tersebut sebagai satu-satunya penyebab AI Winter akan terlalu menyederhanakan sejarah. Perkembangan AI dipengaruhi oleh banyak faktor, termasuk keterbatasan teknologi, ekspektasi yang terlalu tinggi, dan persoalan pendanaan.
Kontribusi utama: AI simbolik, representasi pengetahuan, Frames, dan pengembangan awal laboratorium AI MIT.
4. Geoffrey Hinton: Menghidupkan Kembali Neural Network
Jika ada satu nama yang sangat erat dengan kebangkitan deep learning, nama tersebut adalah Geoffrey Hinton.
Pada saat sebagian besar komunitas AI mulai menjauh dari neural network, Hinton tetap mempertahankan keyakinannya bahwa jaringan saraf tiruan memiliki potensi besar.
Pada 1986, Hinton bersama David Rumelhart dan Ronald Williams menerbitkan penelitian penting mengenai backpropagation.
Secara sederhana, backpropagation memungkinkan jaringan saraf menghitung kesalahan prediksinya lalu menggunakan informasi tersebut untuk menyesuaikan bobot jaringan.
Bayangkan sebuah AI diminta mengenali gambar kucing tetapi memberikan jawaban “anjing”.
Backpropagation membantu menghitung bagaimana kesalahan tersebut harus “dikembalikan” melalui jaringan sehingga parameter model dapat diperbarui dan prediksi berikutnya menjadi lebih baik.
Konsep ini menjadi bagian penting dari cara banyak neural network modern dilatih. ACM mencatat backpropagation sebagai salah satu pencapaian teknis penting Hinton.
Kemudian pada 2012, Hinton bersama Alex Krizhevsky dan Ilya Sutskever mengembangkan sistem berbasis convolutional neural network yang kemudian dikenal melalui AlexNet. Sistem tersebut menunjukkan betapa efektifnya deep neural network untuk pengenalan gambar.
Hasil tersebut menjadi salah satu momen penting dalam kebangkitan deep learning.
Kontribusi Hinton kembali mendapat pengakuan besar pada 2024 ketika ia bersama John Hopfield menerima Nobel Prize in Physics untuk penemuan dan invensi fundamental yang memungkinkan machine learning menggunakan artificial neural networks.
Kontribusi utama: backpropagation, Boltzmann machine, deep neural networks, dan kontribusi terhadap kebangkitan deep learning.
5. Yann LeCun: Pelopor Convolutional Neural Network Modern
Salah satu alasan AI sekarang mampu mengenali wajah, objek, tulisan tangan, dan berbagai pola visual adalah perkembangan Convolutional Neural Network (CNN).
Di bidang ini, Yann LeCun memiliki peran yang sangat besar.
Pada akhir 1980-an hingga 1990-an, LeCun mengembangkan dan menerapkan pendekatan convolutional neural network untuk pengenalan karakter dan tulisan tangan.
Salah satu hasil terkenalnya adalah LeNet-5, sebuah arsitektur CNN yang digunakan untuk mengenali digit tulisan tangan. Penelitian tersebut menjadi salah satu tonggak penting dalam perkembangan computer vision modern.
CNN bekerja dengan memanfaatkan filter yang bergerak di atas bagian-bagian gambar untuk mendeteksi pola tertentu.
Pada lapisan awal, jaringan dapat mengenali pola sederhana seperti garis dan sudut. Lapisan berikutnya dapat menggabungkan pola tersebut menjadi bentuk yang lebih kompleks.
Dengan cara tersebut, komputer tidak perlu diberi aturan eksplisit seperti:
“Jika ada dua mata, hidung, dan mulut, berarti itu wajah.”
Model belajar menemukan pola tersebut dari data.
Kontribusi LeCun terhadap neural network juga menjadi bagian dari alasan mengapa ia bersama Hinton dan Bengio menerima 2018 ACM A.M. Turing Award atas terobosan konseptual dan engineering yang membuat deep neural networks menjadi komponen penting dalam komputasi.
Kontribusi utama: CNN, LeNet, dan perkembangan machine learning untuk computer vision.
6. Yoshua Bengio: Membuka Jalan bagi Neural Language Model
Jika LeCun banyak dikenal melalui computer vision dan Hinton melalui neural network, Yoshua Bengio memiliki pengaruh besar terhadap perkembangan machine learning untuk bahasa.
Pada 2001, Bengio dan rekan-rekannya memperkenalkan salah satu neural language model awal yang menggunakan representasi kata dalam bentuk vektor.
Gagasan tersebut sangat penting karena komputer tidak memahami kata seperti manusia.
Bagi komputer, kata pada dasarnya harus direpresentasikan sebagai data numerik. Dengan word embedding, kata dapat direpresentasikan sebagai vektor sehingga hubungan dan kemiripan tertentu antar kata dapat dipelajari oleh model.
Konsep seperti ini kemudian berkembang melalui berbagai penelitian lain dan menjadi bagian dari perjalanan panjang menuju model bahasa modern.
Dari neural language model, penelitian berkembang ke recurrent neural networks, word embeddings yang lebih canggih, pre-trained language models, hingga akhirnya Transformer dan LLM.
Bengio juga merupakan salah satu dari tiga penerima 2018 ACM A.M. Turing Award bersama Geoffrey Hinton dan Yann LeCun.
Ketiganya sering disebut sebagai “Godfathers of Deep Learning” karena kontribusi mereka membantu membuat deep neural network menjadi teknologi yang sangat penting dalam AI modern.
Kontribusi utama: neural language model, representasi kata, deep learning, dan fondasi penelitian NLP modern.
7. Ashish Vaswani dan Tim Transformer: Mengubah Cara AI Memproses Bahasa
Inilah salah satu titik paling penting dalam perjalanan menuju ChatGPT dan LLM modern.
Sebelum 2017, banyak sistem pemrosesan bahasa menggunakan arsitektur seperti Recurrent Neural Network (RNN) dan Long Short-Term Memory (LSTM).
Pendekatan tersebut memproses informasi secara berurutan sehingga terdapat keterbatasan dalam paralelisasi dan pengelolaan hubungan jarak jauh dalam teks.
Pada 2017, Ashish Vaswani bersama Noam Shazeer, Niki Parmar, Jakob Uszkoreit, Llion Jones, Aidan N. Gomez, Łukasz Kaiser, dan Illia Polosukhin menerbitkan paper:
“Attention Is All You Need.”
Paper tersebut memperkenalkan arsitektur Transformer, yang menggunakan mekanisme self-attention dan tidak bergantung pada pemrosesan berurutan seperti RNN.
Secara sederhana, self-attention memungkinkan model melihat berbagai bagian kalimat dan menentukan bagian mana yang paling relevan satu sama lain.
Contohnya:
“Budi membawa laptop karena dia akan bekerja.”
Model perlu memahami bahwa “dia” merujuk pada Budi.
Dalam teks yang jauh lebih panjang, hubungan semacam ini bisa menjadi sangat kompleks. Self-attention memberikan mekanisme yang kuat untuk memodelkan hubungan tersebut.
Yang membuat Transformer sangat penting bukan hanya kemampuan memahami konteks, tetapi juga kemampuannya untuk diparalelkan secara efisien dalam pelatihan skala besar.
Dari sinilah perkembangan model bahasa modern mendapatkan fondasi yang sangat kuat.
Transformer kemudian menjadi arsitektur penting di balik banyak Large Language Model (LLM) dan sistem AI generatif modern.
Jadi, jika kita menggunakan chatbot AI hari ini, kita sebenarnya sedang menikmati hasil dari sebuah perjalanan teknologi yang salah satu titik balik terbesarnya terjadi pada 2017.
Kontribusi utama: Transformer dan mekanisme self-attention.
8. Ilya Sutskever: Mendorong Era Model AI Berskala Besar
Setelah Transformer ditemukan, pertanyaan berikutnya adalah:
Seberapa jauh kemampuan model dapat berkembang jika data, parameter, dan komputasi ditingkatkan secara besar-besaran?
Salah satu ilmuwan yang memiliki pengaruh besar dalam fase ini adalah Ilya Sutskever.
Sutskever sebelumnya bekerja bersama Geoffrey Hinton dan Alex Krizhevsky pada AlexNet. Ia kemudian menjadi salah satu pendiri OpenAI dan menjabat sebagai Chief Scientist.
Di OpenAI, Sutskever terlibat dalam perkembangan penelitian deep learning skala besar dan keluarga model GPT.
Perjalanan GPT menunjukkan bagaimana pendekatan pre-training pada data dalam jumlah sangat besar dapat menghasilkan model yang kemudian dapat digunakan untuk berbagai tugas bahasa.
GPT-1, GPT-2, GPT-3, dan generasi berikutnya memperlihatkan perkembangan kemampuan model bahasa seiring peningkatan skala, arsitektur, data, dan teknik pelatihan.
OpenAI sendiri mencatat Sutskever sebagai salah satu tokoh penting dalam arah penelitian perusahaan pada periode tersebut. Ia kemudian meninggalkan OpenAI pada 2024.
Penting untuk dicatat bahwa perkembangan GPT bukan hasil kerja satu orang. Model-model tersebut dikembangkan oleh tim peneliti dan engineer dalam jumlah besar.
Namun, kontribusi Sutskever membuatnya menjadi salah satu figur penting dalam perjalanan dari deep learning menuju AI generatif dan LLM berskala besar.
Kontribusi utama: deep learning skala besar, penelitian language model, GPT, dan arah pengembangan AI generatif.
9. Demis Hassabis: Membawa AI ke Dunia Sains
Tidak semua terobosan AI berhubungan dengan chatbot.
Demis Hassabis menunjukkan bahwa AI juga dapat digunakan untuk menghadapi persoalan ilmiah yang selama puluhan tahun sulit diselesaikan.
Hassabis adalah salah satu pendiri DeepMind. Salah satu pencapaian paling terkenalnya adalah AlphaGo, sistem AI yang berhasil mengalahkan pemain Go profesional Lee Sedol pada 2016.
Go merupakan permainan yang sangat kompleks karena jumlah kemungkinan langkahnya jauh lebih besar dibandingkan permainan seperti catur.
Keberhasilan AlphaGo menjadi bukti penting bahwa kombinasi neural network, reinforcement learning, dan komputasi skala besar dapat menghasilkan kemampuan yang sebelumnya dianggap sangat sulit dicapai mesin.
Namun, pengaruh Hassabis terhadap AI tidak berhenti di permainan.
Bersama tim DeepMind, ia kemudian terlibat dalam pengembangan AlphaFold, sistem AI untuk memprediksi struktur protein.
Pada 2024, Hassabis bersama John Jumper menerima setengah Nobel Prize in Chemistry untuk pekerjaan mereka pada prediksi struktur protein; setengah lainnya diberikan kepada David Baker untuk computational protein design.
AlphaFold2 menjadi terobosan besar karena mampu memprediksi struktur tiga dimensi dari hampir seluruh protein yang telah diketahui.
Yang menarik, AlphaFold2 juga memanfaatkan Transformer dalam arsitekturnya. Nobel Prize menjelaskan bahwa tim Hassabis dan Jumper menggunakan pendekatan berbasis Transformer dalam pengembangan AlphaFold2.
Ini menunjukkan sesuatu yang penting: inovasi AI sering kali tidak berhenti di satu bidang.
Teknologi yang awalnya dikembangkan untuk bahasa dapat berkembang menjadi alat untuk membantu menyelesaikan persoalan biologi.
Kontribusi utama: AlphaGo, AlphaFold, reinforcement learning, dan penerapan AI untuk penelitian ilmiah.
10. Andrew Ng: Membuat AI Lebih Mudah Dipelajari
Ada satu masalah lain dalam perkembangan AI.
Teknologinya semakin maju, tetapi siapa yang akan mempelajarinya?
Di sinilah Andrew Ng memiliki pengaruh besar.
Ng dikenal sebagai salah satu tokoh penting dalam machine learning sekaligus pendidikan AI. Ia merupakan founding lead dari Google Brain, pernah menjadi Chief Scientist di Baidu, serta menjadi co-founder Coursera dan pendiri DeepLearning.AI.
Pada 2011, Ng memimpin proyek Google Brain yang mengembangkan deep learning dalam skala besar. Salah satu eksperimen terkenalnya menunjukkan bahwa neural network dengan skala sangat besar dapat mempelajari representasi visual dari video YouTube tanpa label manusia secara langsung.
Namun, pengaruh terbesar Ng bagi banyak orang mungkin justru datang dari pendidikan.
Kursus Machine Learning yang ia ajarkan melalui Stanford dan kemudian Coursera membantu memperkenalkan machine learning kepada audiens yang jauh lebih luas.
Pendekatan tersebut penting karena perkembangan AI tidak hanya membutuhkan ilmuwan di laboratorium.
Dunia juga membutuhkan programmer, data scientist, engineer, product manager, peneliti, dan profesional dari berbagai bidang yang memahami bagaimana AI bekerja.
Melalui Coursera dan kemudian DeepLearning.AI, Ng membantu membuat pembelajaran AI menjadi jauh lebih mudah diakses.
Dengan kata lain, jika para tokoh sebelumnya membantu membangun teknologinya, Andrew Ng membantu membangun generasi manusia yang akan menggunakan dan mengembangkan teknologi tersebut.
Kontribusi utama: Google Brain, deep learning skala besar, Coursera, dan pendidikan machine learning.
Dari Turing hingga LLM: Bagaimana Semua Tokoh Ini Terhubung?
Melihat daftar di atas, mungkin terlihat bahwa setiap tokoh bekerja di bidang yang berbeda.
Namun, jika disusun sebagai sebuah perjalanan, hubungan mereka menjadi jauh lebih jelas.
Alan Turing membantu meletakkan dasar teoritis tentang komputasi dan pertanyaan mengenai mesin yang dapat menunjukkan perilaku cerdas.
Kemudian John McCarthy membantu membentuk AI sebagai bidang penelitian formal melalui Dartmouth dan memperkenalkan istilah Artificial Intelligence.
Marvin Minsky dan peneliti generasi awal lainnya mengembangkan pendekatan untuk membuat komputer melakukan penalaran dan merepresentasikan pengetahuan.
Setelah mengalami periode panjang naik-turunnya minat terhadap AI, penelitian neural network kembali mendapatkan momentum.
Di sinilah Geoffrey Hinton, Yann LeCun, dan Yoshua Bengio memainkan peran penting.
Mereka membantu membangun fondasi deep learning yang kemudian memungkinkan komputer belajar dari data dalam skala jauh lebih besar.
Kemudian datang Transformer.
Paper Attention Is All You Need mengubah cara model neural network memproses bahasa dan membuka jalan bagi perkembangan model bahasa berskala besar.
Setelah itu, peneliti seperti Ilya Sutskever ikut mendorong eksperimen deep learning menuju skala yang semakin besar.
Sementara Demis Hassabis menunjukkan bahwa AI dapat digunakan bukan hanya untuk bahasa atau permainan, tetapi juga untuk menghadapi persoalan ilmiah seperti struktur protein.
Dan Andrew Ng membantu memastikan bahwa pengetahuan tentang AI tidak hanya berada di laboratorium perusahaan teknologi dan universitas, tetapi dapat dipelajari oleh jutaan orang.
Jadi, Siapa Sebenarnya “Penemu AI”?
Pertanyaan ini sering muncul.
Jawaban sederhananya: tidak ada satu orang yang dapat disebut sebagai penemu AI.
Artificial Intelligence berkembang dari kontribusi banyak bidang, termasuk matematika, ilmu komputer, statistik, neuroscience, psikologi, linguistik, dan engineering.
Jika harus menyebut tokoh awal yang sangat penting, Alan Turing dan John McCarthy merupakan dua nama yang tidak dapat dipisahkan dari sejarah awal AI.
Turing membantu membangun fondasi teoritis tentang komputasi dan mesin cerdas, sedangkan McCarthy membantu membentuk AI sebagai bidang penelitian formal.
Namun, perjalanan dari komputer awal hingga ChatGPT membutuhkan kontribusi dari banyak generasi ilmuwan.
Itulah sebabnya sejarah AI lebih tepat dipandang sebagai estafet ilmu pengetahuan, bukan penemuan tunggal.
Siapa “Godfather of Deep Learning”?
Jika istilah “Godfather of Deep Learning” digunakan dalam konteks penghargaan dan sejarah modern AI, biasanya yang dimaksud adalah tiga ilmuwan:
- Geoffrey Hinton
- Yann LeCun
- Yoshua Bengio
Ketiganya menerima 2018 ACM A.M. Turing Award atas terobosan konseptual dan engineering yang membuat deep neural networks menjadi bagian penting dari komputasi.
Pengaruh mereka sangat besar terhadap AI modern karena deep learning kemudian menjadi fondasi bagi berbagai teknologi seperti computer vision, speech recognition, natural language processing, dan banyak sistem AI generatif.
Apakah ChatGPT Muncul Secara Tiba-Tiba?
Tidak.
ChatGPT merupakan bagian dari sejarah panjang yang dimulai puluhan tahun sebelumnya.
Tanpa teori komputasi, neural network, algoritma pembelajaran, representasi bahasa, peningkatan hardware, Transformer, data dalam jumlah besar, dan berbagai teknik training modern, era LLM seperti sekarang tidak akan berkembang dengan cara yang kita kenal.
Bahkan arsitektur Transformer yang menjadi fondasi penting bagi banyak model bahasa modern baru diperkenalkan pada 2017.
Artinya, ketika kita mengetik sebuah pertanyaan ke AI generatif hari ini, sebenarnya kita sedang menggunakan hasil dari puluhan tahun penelitian yang dilakukan oleh banyak generasi ilmuwan.
FAQ: Pertanyaan Seputar Tokoh dan Sejarah AI
Siapa tokoh pertama dalam sejarah AI?
Tidak ada satu tokoh yang dapat disebut sebagai pencipta AI. Alan Turing merupakan salah satu tokoh paling awal dan penting dalam fondasi teoritis komputasi dan machine intelligence. John McCarthy kemudian memainkan peran penting dalam membentuk AI sebagai bidang penelitian formal pada 1950-an.
Siapa yang menciptakan istilah Artificial Intelligence?
Istilah Artificial Intelligence dikaitkan dengan John McCarthy, yang menggunakannya dalam proposal Dartmouth Summer Research Project on Artificial Intelligence pada 1955 untuk lokakarya yang berlangsung pada 1956.
Siapa pencipta ChatGPT?
ChatGPT dikembangkan oleh OpenAI. Namun, teknologi yang mendasarinya merupakan hasil perkembangan panjang dalam neural networks, deep learning, Transformer, language modeling, large-scale training, dan berbagai penelitian AI lainnya.
Siapa saja Godfather of Deep Learning?
Istilah tersebut biasanya merujuk kepada Geoffrey Hinton, Yann LeCun, dan Yoshua Bengio. Ketiganya menerima ACM A.M. Turing Award 2018 atas kontribusi mereka terhadap deep neural networks.
Siapa yang menciptakan Transformer?
Transformer diperkenalkan dalam paper Attention Is All You Need pada 2017 oleh Ashish Vaswani dan tujuh rekan penulis lainnya: Noam Shazeer, Niki Parmar, Jakob Uszkoreit, Llion Jones, Aidan N. Gomez, Łukasz Kaiser, dan Illia Polosukhin.
Siapa yang menciptakan AlphaFold?
AlphaFold dikembangkan oleh tim DeepMind. Terobosan AlphaFold2 dipimpin oleh Demis Hassabis dan John Jumper, yang kemudian menerima Nobel Prize in Chemistry 2024 bersama David Baker.
Kesimpulan: Revolusi AI Adalah Estafet Panjang
Perjalanan artificial intelligence tidak dimulai dari ChatGPT.
Ia dimulai dari pertanyaan sederhana tentang apakah sebuah mesin dapat melakukan sesuatu yang menyerupai kecerdasan manusia.
Alan Turing membantu membangun fondasi teoritisnya.
John McCarthy membantu memberi nama dan membentuk bidangnya.
Marvin Minsky mengembangkan gagasan tentang bagaimana kecerdasan dan pengetahuan dapat direpresentasikan dalam mesin.
Hinton, LeCun, dan Bengio membantu membawa neural network dan deep learning kembali ke pusat perhatian dunia AI.
Kemudian Ashish Vaswani dan timnya memperkenalkan Transformer, sebuah arsitektur yang menjadi salah satu fondasi penting bagi perkembangan LLM modern.
Ilya Sutskever ikut mendorong perkembangan deep learning dan model bahasa dalam skala besar.
Demis Hassabis menunjukkan bahwa AI dapat membantu memecahkan persoalan ilmiah yang sangat kompleks.
Sementara Andrew Ng membantu membawa pengetahuan AI kepada masyarakat yang jauh lebih luas.
Kesepuluh tokoh tersebut tentu bukan satu-satunya orang yang berjasa dalam sejarah AI. Masih ada banyak nama lain yang kontribusinya sangat besar.
Namun, kisah mereka memperlihatkan satu hal penting:
AI modern bukanlah hasil dari satu penemuan. AI adalah hasil dari puluhan tahun eksperimen, kegagalan, perdebatan, penemuan, dan kerja kolaboratif lintas generasi.
Dan menariknya, perjalanan tersebut belum selesai.
Jika sejarah AI selama 70 tahun terakhir membawa kita dari mesin sederhana menuju LLM, pertanyaannya sekarang adalah:
sejauh mana perkembangan AI akan membawa kita dalam 10, 20, atau 50 tahun berikutnya?
Sejarah baru AI sedang ditulis sekarang.
