Langkah-langkah selanjutnya yang dipimpin oleh AI untuk India
Oleh Kamal Das
Kecerdasan Buatan atau AI adalah kemampuan perangkat untuk menampilkan kecerdasan layaknya manusia dengan menggunakan data. AI telah ada di mana-mana seperti listrik - tidak terlihat tetapi meningkatkan berbagai aspek kehidupan kita - mulai dari asisten suara di ponsel kita, mesin rekomendasi di situs web e-commerce dan situs web streaming video hingga perangkat navigasi yang membantu kita menemukan rute terbaik. Sebagaimana negara-negara maju di Barat dan Cina mengambil langkah dalam Kecerdasan Buatan dan teknologi data, kami melihat langkah-langkah untuk memungkinkan India untuk memiliki peran penting dalam AI.
Penciptaan data: Fokus pada data yang berpusat di India
Ketika Kecerdasan Buatan menjadi lebih umum, data akan menjadi aset utama. Kita perlu membuat kumpulan data yang berpusat pada India yang memperhatikan kebutuhan dan keragaman India yang kaya.
Berdasarkan sensus tahun 2011, kurang dari 11 persen orang India berbicara dalam bahasa Inggris. India harus melihat solusi AI yang melayani bahasa daerah India. Meskipun data murah dan seluler telah membuat internet dapat diakses oleh hampir semua orang India, konten bahasa lokal hampir tidak dapat diabaikan, sehingga sebagian besar internet tidak dapat diakses oleh sebagian besar orang India. Misi Penerjemahan Nasional Pemerintah yang bertujuan untuk membuat teks-teks pengetahuan dapat diakses oleh para siswa dan akademisi dalam bahasa-bahasa India, merupakan sebuah upaya yang patut dipuji. Kita juga harus mendorong inisiatif-inisiatif seperti AI4Bharat yang dipimpin oleh IIT Madras yang berfokus pada peningkatan pengalaman digital dari jutaan pengguna yang mengakses web dalam bahasa-bahasa lokal India. Secara paralel, kita harus meningkatkan upaya untuk meningkatkan analisis audio dalam bahasa-bahasa regional India. Hal ini akan membantu mereka yang buta huruf, mereka yang memiliki disabilitas visual, dan para lansia.
Demikian pula, proyek ImageNet, dengan lebih dari 14 juta gambar, merupakan salah satu basis data yang paling populer untuk gambar. Hanya 2,1 persen dari semua gambar di ImageNet yang berasal dari India. Banyak program visi komputer pada awalnya dilatih pada kumpulan data ImageNet. Mengingat representasi yang lebih rendah dari gambar-gambar India, banyak output klasifikasi gambar memiliki hasil yang tidak terlatih dengan baik pada detail-detail India. Pada tahun 2018, Pengadilan Tinggi Delhi diberitahu bahwa sistem pengenalan wajah yang diujicobakan oleh Polisi untuk mendeteksi orang hilang memiliki tingkat akurasi hanya dua persen.
Kehebohan atas kesalahan klasifikasi wanita kulit hitam di AS mendorong upaya bersama untuk memperbaiki masalah ini. Hal ini menghasilkan alat pengenal wajah AI yang meningkatkan akurasi dalam mengidentifikasi wanita kulit hitam dari 65% menjadi 96%. Namun, alat AI yang sama hanya 85% akurat dalam mengenali wanita India[1]! Lebih dari satu dari tujuh wanita India salah klasifikasi.
Lebih banyak dataset khusus India dan fokus pada solusi yang berpusat pada India akan membantu alat AI meningkatkan dan memberikan hasil yang lebih baik untuk kasus penggunaan khusus India.
Distribusi data: Kerangka kerja untuk distribusi data yang adil
Ketika kami mengembangkan dan menyimpan lebih banyak set data yang berpusat pada India, kami perlu fokus pada penyatuan berbagai sumber data. Pendekatan yang terfokus untuk memastikan bahwa berbagai sumber data dapat berbicara satu sama lain sangatlah penting.
Kita juga harus mengembangkan kerangka kerja yang kuat untuk distribusi dan pembagian data yang adil. Platform Open Government Data (OGD) India merupakan sebuah langkah ke arah yang benar. Perusahaan seperti Uber mengumpulkan data tentang perjalanan yang dilakukan melalui kota-kota oleh para pengemudi mereka dan, setelah menghapus data yang dapat diidentifikasi secara pribadi, membagikannya kepada pemerintah daerah di AS untuk menginformasikan cara-cara yang dapat dilakukan oleh pemerintah daerah untuk mengoptimalkan pola lalu lintas. Demikian pula, setelah menghapus informasi yang dapat diidentifikasi secara pribadi, data yang dikumpulkan harus dibagikan kepada para akademisi dan pembuat kebijakan untuk penelitian dan pengambilan keputusan yang lebih baik.
Kepemilikan: Mempromosikan Kepemilikan India
Kurangnya modal risiko di India menyebabkan banyak perusahaan rintisan dan perusahaan teknologi menyerahkan kepemilikannya kepada perusahaan asing. Unicorn analisis data, Mu Sigma, berkantor pusat di Amerika Serikat. Ini mengikuti unicorn seperti Moglix, Postman, Icertis, Chargebee, Gupshup, Innovaccer, Druva, HighRadius, dan Zenoti, yang berkantor pusat di luar negeri. Unicorn seperti Flipkart, PayTM, Ola, Oyo memiliki kepemilikan asing yang signifikan dan, dalam banyak kasus, mayoritas.
Beberapa perusahaan teknologi menggunakan saham kelas ganda dengan hak suara yang berbeda di AS. Contohnya, cara Facebook (sekarang Meta) menyusun saham dan hak suara, pendirinya Mark Zuckerberg tetap memegang kendali meskipun perusahaan ini telah melakukan pencatatan saham di bursa dan melakukan beberapa kali pendanaan. Saham kelas ganda di mana promotor India mempertahankan kepemilikan juga harus didorong.
Langkah-langkah kebijakan yang dapat membantu perusahaan-perusahaan AI yang baru muncul untuk tetap menjadi perusahaan India dan tidak kehilangan kendali atas negara-negara asing harus menjadi fokus. Langkah-langkah ini dapat mencakup penyederhanaan lebih lanjut dari kepatuhan dan lingkungan peraturan untuk perusahaan rintisan. Kami dapat menjajaki memberikan preferensi untuk perusahaan yang berdomisili di India di sektor-sektor sensitif, termasuk pertahanan, kepolisian, dan perawatan kesehatan.
Singkatnya, kami yakin bahwa dengan berfokus pada data yang berpusat pada India, berbagi data yang lebih baik, dan kerangka kerja yang memungkinkan untuk mempromosikan startup yang tetap berdomisili di India akan membantu pertumbuhan AI di India.
Sumber: Waktu Ekonomi
