1. Akar Sejarah: Dari Mesin Turing ke Komputasi Modern
Sejarah kecerdasan buatan (AI) berawal dari gagasan Alan Turing pada abad ke-20 dengan konsep Turing Machine. Model matematis ini menunjukkan bagaimana logika dapat diterjemahkan ke dalam instruksi sistematis untuk menyelesaikan perhitungan. Fondasi matematika yang dibangun dari teori algoritma dan logika formal inilah yang menjadi dasar seluruh perkembangan AI modern.
2. Perkembangan Komputer dan Penyimpanan Data
Hadirnya komputer generasi pertama hingga keempat membawa lompatan besar dalam kapasitas perhitungan. Di sisi lain, teknologi penyimpanan digital memungkinkan data disimpan dan diproses dalam jumlah yang jauh lebih besar. Matematika mulai berperan penting, terutama dalam aljabar linear, statistik, dan kalkulus, yang digunakan dalam pembelajaran mesin awal. Regresi linear dan jaringan saraf tiruan sederhana misalnya, bergantung pada optimasi matematika untuk meminimalkan kesalahan prediksi.
3. Era Internet dan Ledakan Data
Pada 1990-an hingga awal 2000-an, internet mempercepat distribusi informasi dan akses data dalam jumlah masif. Data ini menjadi bahan bakar utama bagi perkembangan AI. Teknik probabilistik semakin dominan, karena mesin dituntut memahami pola ketidakpastian dalam data. Di sisi lain, teori informasi membantu mengukur seberapa besar pengetahuan baru yang dapat diperoleh dari sebuah dataset. Matematika probabilitas dan statistik menjadi inti dari pembelajaran mesin generasi ini.
4. Deep Learning: Fondasi Generative AI
Transformasi besar muncul pada 2010-an dengan hadirnya deep learning, yaitu jaringan saraf dengan banyak lapisan. Model ini menggunakan aljabar linear (operasi matriks dan vektor), kalkulus multivariat untuk gradien, serta metode optimasi untuk melatih jutaan parameter. Penerapannya meluas pada pengenalan wajah, pemrosesan bahasa alami, hingga pengenalan suara.
Deep learning menjadi pintu masuk menuju Generative AI. Model seperti Generative Adversarial Networks (GAN) memanfaatkan prinsip teori permainan, di mana dua jaringan saling berkompetisi untuk menghasilkan data baru yang semakin realistis (Goodfellow dkk., 2014).
5. Generative AI: Ketika Mesin Mulai Berimajinasi
Generative AI membawa AI ke tahap baru: dari sekadar mengenali data menjadi mampu menciptakan data baru. Kontribusi matematis semakin kompleks: teori optimasi memperbaiki loss function, aljabar linear menangani perhitungan dimensi besar, dan teori probabilitas membangun distribusi data yang realistis.
