Narrow AI (Weak AI): Si Jagoan Spesialis di Dunia Artificial Intelligence

Kalau di artikel sebelumnya kita udah bahas bareng tentang AI, Machine Learning, dan Deep Learning, kali ini kita bakal zoom in ke salah satu tipe AI yang sering banget kita jumpai sehari-hari: Narrow AI alias Weak AI.

Apa Itu Narrow AI?

Narrow AI adalah jenis kecerdasan buatan yang dirancang khusus buat menyelesaikan satu tugas spesifik. Jadi, dia super fokus ke satu hal aja, tapi nggak bisa keluar dari batasan itu.

Contoh sehari-hari:

• Asisten virtual: Siri, Google Assistant, Alexa

• Algoritma rekomendasi: Netflix, YouTube, Spotify

• Filter spam email: Gmail, Yahoo Mail

• AI di kamera HP: deteksi wajah, beauty filter

Kelebihan & Kekurangan Narrow AI 

Kelebihan:

• Sangat fokus dan akurat untuk satu tujuan

• Lebih efisien dan cepat dibanding AI general

• Lebih gampang di-develop karena ruang lingkupnya sempit

Kekurangan:

• Nggak bisa mikir di luar tugasnya

• Kalau datanya salah → hasilnya juga salah (bias)

• Perlu training ulang kalau dipakai buat hal lain

Dari Sisi Teknologi 

Secara teknis, Narrow AI dibangun dengan:

• Machine Learning (ML) → algoritma belajar dari data (contoh: supervised learning).

• Deep Learning (DL) → neural network buat pattern recognition (contoh: computer vision).

• Natural Language Processing (NLP) → buat AI yang bisa paham teks/ucapan (contoh: chatbot, Google Translate).

Biasanya Narrow AI dilatih pakai dataset khusus sesuai dengan use case-nya. Misalnya:

• Spam filter dilatih dengan ribuan email spam vs non-spam.

• Rekomendasi film dilatih dengan data rating & histori nonton.

Cara Implementasi Narrow AI

Nah, sekarang bagian yang seru: gimana sih cara bikin Narrow AI dari nol sampai jalan?
Let’s say kita mau bikin AI sederhana untuk klasifikasi email: spam atau bukan spam.

Step 1: Persiapan Tools

Kamu butuh:

• Python (bahasa favorit buat AI/ML)
• Library: scikit-learn, pandas, numpy
• Dataset: bisa ambil Spam SMS Dataset

Install dulu di terminal:

pip install scikit-learn pandas numpy

Step 2: Load Data

import pandas as pd

# Contoh dataset spam sms
url = "https://raw.githubusercontent.com/justmarkham/scikit-learn-videos/master/data/sms.tsv"
data = pd.read_table(url, header=None, names=['label', 'message'])

print(data.head())

Output: bakal ada kolom label (spam/ham) dan message (isi sms).

Step 3: Preprocessing

Kita ubah teks jadi angka biar bisa dipahami mesin.

from sklearn.feature_extraction.text import CountVectorizer

vectorizer = CountVectorizer()
X = vectorizer.fit_transform(data['message'])  # fitur
y = data['label']  # target

Step 4: Train Model

Pakai Naive Bayes buat klasifikasi teks.

from sklearn.naive_bayes import MultinomialNB
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

model = MultinomialNB()
model.fit(X_train, y_train)

y_pred = model.predict(X_test)
print("Akurasi:", accuracy_score(y_test, y_pred))

Kalau datanya oke, akurasi bisa >95%!

Step 5: Coba Prediksi Sendiri

sample = ["Selamat! Anda menang undian hadiah Rp100 juta, klik link ini"]
sample_vector = vectorizer.transform(sample)
print(model.predict(sample_vector))

Kalau model udah belajar bener, output bakal "spam".

Tutorial Lain: Rekomendasi Film 

Kalau pengen bikin Narrow AI ala Netflix:

• Dataset: MovieLens (rating film).

• Algoritma: Collaborative Filtering (misalnya surprise library).

• Output: rekomendasi film berdasarkan user preference.

Insight: Kenapa Narrow AI Penting? 

Meskipun disebut “weak”, Narrow AI ini justru yang paling banyak dipakai sehari-hari.
Tanpa Narrow AI:

• Netflix nggak bisa rekomendasiin film sesuai selera.

• Gmail bakal penuh sama spam.

• Google Assistant nggak bisa jawab “Hey Google, besok hujan nggak?”.

Penutup 

Jadi intinya, Narrow AI itu kayak spesialis. Dia jago banget di bidangnya, tapi nggak bisa jadi serba bisa kayak manusia.
Dengan tools sederhana kayak Python + scikit-learn, siapa pun (termasuk beginner) bisa bikin Narrow AI sendiri.

Next step, kamu bisa explore Deep Learning pake TensorFlow atau PyTorch buat bikin Narrow AI yang lebih kompleks, misalnya deteksi wajah atau voice recognition.

Ingat, di dunia AI:

Mulai dari yang sempit (Narrow AI), baru bisa mimpi ke arah yang lebih luas (General AI).