Apa Itu Ambient Intelligence (AmI)?
Ambient intelligence, atau sering disingkat AmI, adalah elemen dalam lingkungan pervasive computing yang memungkinkan sistem berinteraksi dan merespons manusia secara otomatis. Kemampuan ini didukung oleh perangkat tertanam yang tidak mencolok dan antarmuka pengguna (UI) yang alami, yang memungkinkan sistem memberikan layanan secara otomatis sesuai kebutuhan yang terdeteksi, serta menerima input dari pengguna melalui suara, gestur, atau metode lain yang tidak mengganggu.
Contoh populer dari ambient intelligence adalah perangkat yang merespons suara pengguna secara otomatis, seperti Google Assistant dan Amazon Alexa. Bersama dengan teknologi seperti Internet of Things (IoT), kecerdasan buatan (AI), robotika, dan nanoteknologi, ambient intelligence sering dianggap sebagai salah satu teknologi transformasional yang mendorong Revolusi Industri Keempat, atau Industry 4.0.
Peran Ambient Intelligence dalam IoT
Elemen komunikasi dalam ambient intelligence selalu aktif dan responsif terhadap input manusia maupun variabel lain. Selain digunakan di rumah dan lingkungan bisnis, teknologi ini juga diterapkan dalam sistem otomatis penuh untuk menganalisis kondisi, berinteraksi dengan perangkat lain, melakukan fungsi manajemen, dan mentransmisikan data ke sistem eksternal.
Berikut adalah beberapa elemen kunci dari lingkungan ambient intelligence:
- Embeddedness. Perkembangan teknologi seperti pesatnya adopsi perangkat IoT—benda yang dilengkapi kemampuan komputasi dan konektivitas—mendorong penggunaan sistem tertanam (embedded computing), yakni kombinasi hardware dan software yang dirancang untuk tujuan spesifik.
- Transparency. Dalam konteks komputasi transparan, transparansi berarti sistem bekerja “tidak terlihat.” Orang dapat berinteraksi dengan sistem ambient intelligence secara alami, misalnya dengan mengajukan pertanyaan melalui suara tanpa perlu mengetik di tablet atau perangkat lainnya.
- Context awareness. Sistem context-aware mampu mengumpulkan informasi dari lingkungannya dan menyesuaikan perilaku sesuai dengan data yang diperoleh. Teknologi ini menggunakan kombinasi software dan hardware untuk menganalisis data dan menentukan respons yang tepat. Beberapa sistem yang dapat digunakan untuk pengumpulan dan respons data mencakup sensor, analitik emosi, dan perangkat lunak affective computing.
- Machine learning. Model machine learning memungkinkan perangkat di lingkungan AmI untuk belajar dari pengalaman, menganalisis data secara real-time, serta meningkatkan pengetahuan dan kapabilitasnya secara mandiri.