Search

Mengapa XAI itu Penting dalam Penerapan e-KYC?




Explainable Artificial Intelligence (XAI) merupakan hasil dari perkembangan teknologi yang kian maju. Kehadiran XAI mampu memberi banyak kemudahan dan memiliki peran penting pada masa kini dan yang akan datang.


Manfaat yang banyak dari XAI mendorong developer untuk menerapkannya di beragam software. Hal ini lah yang membuat Anda harus menemukan dan menggunakan software yang menggunakan XAI, terutama penerapannya dalam eKYC. Namun, apa saja yang alasan rinci Anda harus menggunakan software yang menerapkan XAI? Simak penjelasannya di bawah ini.


Pengertian Explainable Artificial Intelligence (XAI)

Apa itu XAI? Secara sederhana, XAI merupakan suatu model dari AI yang mampu menjelaskan lebih detail dan memberikan alasan agar fungsi yang dimilikinya bisa lebih jelas dipahami. Oleh karena itu, XAI hadir sebagai model AI yang memberi penjelasan berbeda dengan AI “biasa”.


XAI adalah kumpulan proses dan metode yang memberikan hasil dan output yang dibuat oleh algoritma Machine Learning yang komprehensif dan dapat dipercaya pengguna manusia. XAI digunakan untuk menjelaskan model AI, serta menduga hasil dan potensi yang bias. Ini membantu kita sebagai user dalam mengkategorikan model secara akurat, adil, transparan dari hasil yang dibuat dari AI. XAI menjadi penting untuk organisasi dalam membangun kepercayaan dalam menggunakan model AI dalam proses produksi. XAI juga membantu sebuah organisasi untuk bertanggungjawab dalam melakukan pengembangan AI.


Komponen XAI

Sebagai suatu model kecerdasan buatan, XAI memiliki beberapa komponen yang harus Anda pahami terlebih dahulu. Cara kerja dari XAI berjalan di atas prinsip-prinsip transparency, interpretability dan understandability.


  • Transparency

Dengan prinsip ini artinya suatu model diharuskan transparan dalam menjalankan fungsinya. Beberapa fungsi yang dijelaskan misalnya kemampuan audit, traceability, dan visibilitas.

  • Interpretability

XAI didefinisikan memiliki kemampuan untuk menjelaskan kesimpulan dan memberi pemahaman dalam pengambilan keputusan di masa depan.

  • Understandability

XAI menjadi suatu model yang dibuat supaya manusia mampu memahaminya. Ia memberi alasan suatu output dalam ragam model.



Bagaimana Explainable AI (XAI) Bekerja?

Terdapat perbedaan antara AI dan XAI seperti yang telah disinggung sebelumnya. XAI menjadi model AI yang menerapkan teknik spesifik dan metode-metode untuk memastikan bahwa keputusan yang diambilnya selama proses Machine Learning (ML) bisa ditelusuri dan dijelaskan.


Berbeda dengan XAI, AI “biasa” bisa mencapai suatu hasil menggunakan algoritma ML, namun tidak sepenuhnya dipahami bagaimana algoritma tersebut memberi output. Jadi dengan XAI ada transparansi yang dalam prosesnya sehingga Anda dan end user lebih memahami hasilnya.


Melalui Explainable AI, organisasi atau perusahaan dapat mengetahui bagaimana pengambilan keputusan yang mendasari AI. Ini penting untuk digunakan dalam melakukan penyesuaian. Akhirnya, Explainable AI mampu meningkatkan pengalaman produk atau layanan dengan membantu end user percaya bahwa AI telah membuat keputusan yang tepat.


Melalui XAI Anda Paham Penalaran yang AI Gunakan

Dari tiga komponen yang telah disebutkan sebelumnya, Anda jadi mengetahui bahwa dengan penggunaan XAI kinerja akan menjadi lebih transparan dan lebih mudah digunakan.


Untuk paham cara kerja AI lebih lanjut tentunya Anda perlu memahami cara kerja perangkat lunak. Anda perlu tahu apakah itu beroperasi dengan suatu prasangka atau bias. Dengan kata lain, apakah suatu output merupakan hasil dari suatu input atau sudah ditentukan sebelumnya (terlepas dari inputnya)? Jawaban dari kegundahan semacam itu bisa didapatkan dari XAI.


Sistem XAI adalah mendorong mekanisme dan kriteria yang digunakan perangkat lunak dalam bernalar dan menghasilkan hasil tertentu harus jelas dan nyata. Dengan ini, Anda sudah mulai membangun dasar pengetahuan yang dapat dijelaskan.


Penggunaan XAI Menghindari Bias

XAI adalah model terkini dari AI yang ada sebelumnya. Model yang mengandalkan machine learning yang eksklusif seperti pada AI “biasa” cenderung tidak memiliki tingkat transparansi yang sesuai.


Perlu Anda ketahui bahwa di antara komunitas AI sendiri memberi AI biasa diberi label “sistem kotak hitam”. Hal ini karena AI yang ada sebelumnya bertentangan dengan prinsip-prinsip Explainable AI, yang akibatnya seringkali ditemukan banyak masalah bias dan menjadi semakin besar hingga di luar kendali.

XAI dapat mengatasi problem bias tersebut. Bahkan tujuan Explainable AI yang etis bukan hanya untuk mengurangi bias, tetapi juga memahami dari mana bias itu berasal.


Dalam dunia kecerdasan buatan bias dapat disebabkan oleh beberapa faktor termasuk siapa yang memprogram perangkat lunak, kumpulan data seperti apa yang digunakan untuk melatih algoritma, atau bahkan dari serangan dunia maya.

Nah, melalui XAI Anda bisa memahami itu semua dan menemukan titik masalahnya dengan segera. Semakin cepat Anda dapat menentukan masalahnya, semakin cepat Anda dapat mulai mengoptimalkan model yang artinya Anda bisa membatasi konsekuensi negatifnya.


Lebih Mutakhir dibandingkan AI Biasa

Pendekatan pada AI “biasa” yang menghasilkan "Saya tidak tahu mengapa itu berhasil, tetapi itu berhasil" bukanlah pendekatan yang berkelanjutan untuk AI. Jadi, jika Anda ingin membangun AI dengan cara yang benar, lakukan dari awal dengan kemampuan explainable.


Explainable AI (XAI) dapat menjadi kunci dalam sistem berbasis AI untuk memenuhi tuntutan solusi berbasis AI yang dapat dipahami, transparan, dapat ditafsirkan, dan (konsekuen) terpercaya. XAI memiliki peran besar dalam mendapatkan kepercayaan manusia di satu sisi sambil mendukung pedoman, standar, dan peraturan yang ditetapkan di sisi lain. Ini lah kenapa Anda harus mencari software yang menerapkan prinsip XAI.


IdentifAI melalui Passive Liveness V4 telah menerapkan XAI dalam sistemnya. Hal tersebut membuat sistem Passive Liveness V4 IdentifAI lebih baik dalam bekerja. Karena penerapan XAI dalam Passive Liveness V4 IdentifAI, maka dari itu proses pemeriksaan wajah menjadi lebih baik, karena ukuran wajah dengan frame 300 x 300 p. Gambar input pun akan berisi objek wajah yang terdeteksi, juga memastikan pose (posisi) wajah, serta memastikan objek wajah tidak terhalang oleh objek lain.


Didukung dengan pemeriksaan kualitas gambar yang baik akan mempengaruhi variabel-variabel yang telah ditentukan, seperti tingkat kecerahan gambar, tingkat ketajaman, dan kontras dari gambar itu sendiri. Hal ini akan memudahkan pengguna dalam proses passive liveness jika menerapkan passive liveness V4 milik IdentifAI.


Melalui artikel ini mungkin Anda sedikit banyak telah mengetahui penting dan potensi penggunaan XAI dalam pemanfaatan teknologi. Untuk mengetahui lebih lanjut seperti apa itu XAI dan bagaimana ia bekerja Anda bisa mengunjungi laman IdentifAI.



11 views0 comments