Webinar diawali dengan pengenalan Pusat AI ITB melalui tayangan video yang berisi fokus penelitian, produk penelitian, juga dosen/peneliti yang tergabung di dalamnya. Beberapa di antara produk penelitian tersebut sangat bermanfaat di masa pandemi ini, seperti COVID-19 Social Media Monitoring, deteksi COVID-19 berdasarkan CT-scan dan X-ray, hingga deteksi kerumunan dan jarak aman, deteksi penggunaan masker dan batuk, dan people tracking and tracing. Pusat AI ITB juga terbuka untuk melakukan kegiatan kerja sama berupa kolaborasi penelitian, pelatihan/workshop, dan seminar.

Guru Besar STEI ITB Prof. Dr. Ir. Bambang Riyanto Trilaksono menjelaskan mengenai deep learning dalam robotika dan sistem otonom, khususnya kendaraan otonom. Secara sederhana, deep learning didasarkan pada neuron di dalam otak makhluk hidup yang digambarkan melalui model komputasi, lalu tersusun menjadi lapisan-lapisan yang disebut sebagai neural network.

*Kemampuan manusia yang diadaptasi dalam AI dan diterapkan dalam robotika.

“Pada dasarnya, robot merupakan suatu sistem mekanik yang dapat melakukan motion (gerakan) dan mengombinasikan sistem-sistem elektronik dengan sistem sensor, kontrol, aktuator untuk melakukan pergerakan melalui kaki, tangan (anggota tubuhnya) maupun dengan suatu software di mana AI atau deep learning diimplementasikan,” jelas Prof. Bambang.

Salah satu teknologi yang terkait dengan robotika adalah mobil otonom tanpa pengemudi. Teknologi ini memanfaatkan sensor kamera, sensor radar, sensor lidar untuk mengenali objek-objek di sekitarnya dan mengukur jarak objek tersebut terhadap mobil. Dengan begitu, mobil dapat mengambil keputusan mengenai apa yang harus dilakukannya. Selain sensor, mobil otonom dilengkapi oleh sistem lain yang sangat kompleks.

Prof. Bambang juga bercerita bahwa saat ini ITB sedang mengembangkan autonomous tram bersama PT INKA dan startup Riset.ai. “Kita mengembangkan tram driving assistance yang memungkinkan sistem tram otonom kita dapat mendeteksi objek, melakukan collision avoidance, menjalankan fitur speed limit assist, juga ada face recognition terhadap masinis dan driver attention warning untuk mendeteksi apakah pengemudi sedang mengantuk atau berkonsentrasi,” ujarnya.

Selanjutnya dipaparkan aplikasi deep learning dalam computer vision oleh Prof. Ir. Dwi Hendratmo Widyantoro, M.Sc., Ph.D. selaku Ketua KK Informatika dan Guru Besar STEI ITB. Ia membahas beberapa permasalahan yang berkaitan dengan gambar-gambar, seperti image classification, image super-resolution, image transformation, image morphing, image captioning, pembuatan gambar dari deskripsi teks, dan pembuatan model 3D berdasarkan gambar 2D.

*Contoh deep learning dalam computer vision

Secara umum, prinsip deep learning dalam computer vision adalah terdapat masukan berupa gambar, lalu keluaran yang dihasilkan diprediksi menggunakan deep learning sesuai dengan permasalahannya. Solusi-solusi tersebut kemudian diaplikasikan untuk deteksi objek, segmentasi gambar, pewarnaan gambar, rekonstruksi gambar yang rusak, pengenalan wajah dan pelacakan, pengenalan gerakan, analisis gambar medis (termasuk mendeteksi penyakit), hingga modifikasi gambar dengan gaya tertentu yang menghasilkan karya seni baru.

“Kinerjanya sudah cukup bagus. Dan untuk beberapa kasus, itu bisa melebihi manusia performanya,” ulasnya mengenai teknologi ini.

Reporter: Ristania Putri Wahyudi (Matematika, 2019)