7 Tren Riset Terbaru di AI atau Kecerdasan Buatan Tahun 2025

Kecerdasan buatan (AI) terus berkembang dengan kecepatan luar biasa. Tahun 2025 diprediksi menjadi momen penting di mana inovasi AI bukan hanya meningkatkan kemampuan teknologinya, tetapi juga semakin diperlukan dalam kehidupan sehari-hari dan bisnis.

Menurut laporan dari McKinsey (2024), adopsi AI global meningkat lebih dari 55% dibanding dua tahun sebelumnya, dan sektor riset menjadi pendorong utama dalam tren ini. Kalau kamu tertarik memahami ke mana arah perkembangan AI ke depan, berikut tujuh tren riset terbaru yang patut kamu ketahui di tahun 2025.

1. AI Multimodal

AI multimodal adalah sistem yang mampu memproses berbagai jenis data sekaligus, seperti teks, gambar, suara, dan video untuk menghasilkan pemahaman yang lebih kontekstual. Contoh nyatanya bisa kamu lihat pada GPT-4 atau Gemini AI, yang dapat menjawab pertanyaan dengan melihat gambar atau membaca dokumen secara bersamaan.

Tren ini semakin berkembang karena 80% data digital dunia bersifat tidak terstruktur (menurut IDC), sehingga riset multimodal menjadi solusi penting untuk membantu mesin memahami konteks dunia nyata secara lebih menyeluruh.

2. Agentic AI

Agentic AI adalah bentuk baru dari kecerdasan buatan yang mampu mengambil keputusan dan bertindak secara otonom berdasarkan tujuan yang diberikan, bukan sekadar merespons perintah. Misalnya, sistem AI yang bisa merencanakan strategi pemasaran digital, melaksanakan, lalu menganalisis hasilnya tanpa intervensi manusia langsung.

Pada tahun 2025, riset agentic AI semakin dikejar karena potensinya dalam otomasi tugas kompleks dan manajemen proses bisnis. Menurut laporan dari Gartner, sekitar 20% perusahaan global akan mulai mengadopsi sistem agentic AI untuk efisiensi operasional dalam dua tahun mendatang.

3. Explainable AI (XAI)

Explainable AI (XAI) berfokus pada kemampuan AI untuk menjelaskan alasan di balik keputusan atau prediksinya. Ini penting terutama di bidang keuangan, kesehatan, dan hukum, di mana transparansi menjadi keharusan.

Hasil riset dari IBM Research (2024) menunjukkan bahwa 73% pengguna bisnis merasa lebih percaya menggunakan AI jika sistemnya memiliki kemampuan menjelaskan hasil secara logis. Karena itu, pengembangan XAI menjadi salah satu prioritas utama dalam riset etika dan regulasi AI di tahun 2025.

4. Embodied AI

Embodied AI adalah teknologi AI yang diterapkan dalam bentuk fisik seperti robot atau perangkat pintar yang bisa berinteraksi dengan lingkungan nyata. Contohnya ada pada robot rumah tangga, drone otonom, atau asisten robot di pabrik.

Riset dalam bidang ini semakin cepat karena kemajuan sensor, computer vision, dan model reinforcement learning. Menurut Boston Dynamics dan MIT CSAIL, embodied AI akan menjadi dasar pengembangan robot kolaboratif (cobot) yang lebih intuitif dan aman untuk bekerja bersama manusia di berbagai sektor.

5. Edge AI

Edge AI memungkinkan pemrosesan data dilakukan langsung di perangkat (seperti smartphone, IoT, atau kamera cerdas) tanpa harus mengirim ke server pusat. Dengan begitu, latensi bisa ditekan dan privasi pengguna lebih terjaga.

Laporan Statista (2024) memperkirakan nilai pasar Edge AI global akan mencapai USD 107 miliar pada 2025, meningkat hampir dua kali lipat dibanding 2022. Tren ini juga mendorong riset efisiensi model AI agar dapat berjalan optimal di perangkat kecil dengan daya komputasi terbatas.

6. Pengembangan AI yang Berkelanjutan

Seiring meningkatnya penggunaan AI, isu energi dan keberlanjutan menjadi perhatian utama. Model AI besar seperti GPT dan LLaMA membutuhkan daya komputasi tinggi yang berdampak besar pada konsumsi energi.

Karena itu, riset tahun 2025 banyak difokuskan pada green AI, yaitu AI yang lebih hemat energi dan ramah lingkungan. Beberapa perusahaan riset seperti DeepMind bahkan melaporkan efisiensi hingga 40% dalam penggunaan energi untuk pelatihan model besar melalui algoritma optimasi baru dan data efisien.

7. Riset dalam Penalaran AI

AI reasoning menjadi fokus penting karena mengarah pada kemampuan AI untuk berpikir seperti manusia. Memahami sebab-akibat, logika, dan konteks sosial. Ini berbeda dari sekadar menghafal pola data.

Penelitian terbaru dari Stanford University (2024) menunjukkan bahwa model reasoning mampu meningkatkan akurasi pengambilan keputusan AI hingga 35% dibanding model konvensional berbasis prediksi murni. Tren ini diperkirakan akan memperkuat pengembangan AI yang tidak hanya pintar, tapi juga "mengerti" alasan di balik setiap tindakan.

Dari AI multimodal hingga penalaran yang kompleks, setiap tren riset menunjukkan arah menuju sistem AI yang lebih adaptif, efisien, dan etis. Kalau kamu ingin memahami bagaimana tren-tren ini bekerja secara praktis dan belajar membangun sistem AI sendiri, kamu bisa mulai dari Bootcamp Machine Learning and AI for Beginner di DQLab.

Di sana kamu akan belajar dasar AI, penerapan machine learning, hingga pengenalan teknologi terkini seperti NLP dan generative AI, semua dirancang agar mudah diikuti bahkan untuk pemula.

FAQ:

1. Apakah Embodied AI sama dengan robot pintar?

Benar, Embodied AI sering diterapkan dalam bentuk robot atau perangkat fisik yang memiliki kemampuan memahami lingkungan sekitar. Bedanya dengan robot konvensional, embodied AI bisa belajar dari pengalaman dan menyesuaikan perilakunya secara adaptif. Contohnya robot rumah tangga atau robot industri yang bisa bekerja berdampingan dengan manusia.

2. Apa pentingnya Explainable AI (XAI)?

XAI penting karena memastikan AI bisa menjelaskan alasan di balik keputusan atau prediksinya. Hal ini krusial di bidang seperti kesehatan atau keuangan, di mana kesalahan prediksi bisa berdampak besar. Dengan XAI, kamu bisa tahu mengapa model AI memberikan hasil tertentu, sehingga lebih transparan dan mudah dipercaya.