Babak I: Fondasi Filosofis & Kelahiran di Dartmouth (1950–1956)
Tahun 1950, matematikawan Inggris legendaris Alan Turing menerbitkan makalah monumentalnya berjudul "Computing Machinery and Intelligence". Alih-alih berdebat tanpa ujung mengenai definisi 'kesadaran', Turing mengajukan pertanyaan praktis yang revolusioner: "Dapatkah mesin meniru perilaku komunikasi manusia hingga pengamat tidak dapat membedakannya?" — gagasan ini kelak dikenal sebagai Turing Test.
Istilah "Artificial Intelligence" sendiri secara resmi dibaptis pada musim panas 1956 dalam lokakarya bersejarah Dartmouth Summer Research Project yang diprakarsai oleh John McCarthy, Marvin Minsky, Nathaniel Rochester, dan Claude Shannon. Konferensi ini mencanangkan visi berani bahwa setiap aspek pembelajaran manusia dapat diprogram secara presisi ke dalam mesin.
Babak II: Era Simbolik & Dinginnya Dua Masa AI Winter (1974–1993)
Optimisme awal yang membumbung tinggi menemui tembok tebal pada dekade 1970-an. Komputer pada era itu memiliki memori yang terlalu kecil dan kecepatan pemrosesan yang lambat untuk memproses kompleksitas bahasa alami.
Fenomena yang dikenal sebagai AI Winter (Musim Dingin AI) terjadi dua kali:
- AI Winter Pertama (1974–1980): Dipicu oleh laporan Lighthill di Inggris dan pemotongan dana riset militer DARPA di Amerika Serikat akibat kegagalan mesin penerjemah otomatis.
- AI Winter Kedua (1987–1993): Runtuhnya pasar hardware komersial Lisp Machine dan sistem berbasis aturan (Expert Systems) yang mahal serta tidak fleksibel terhadap perubahan situasi dunia nyata.
Babak III: Revolusi AlexNet & Fajar Deep Learning (2012)
Titik balik sesungguhnya terjadi pada kompetisi ImageNet 2012. Arsitektur jaringan saraf konvolusional bernama AlexNet yang dikembangkan oleh Alex Krizhevsky, Ilya Sutskever, dan Geoffrey Hinton memangkas tingkat kesalahan klasifikasi visual secara dramatis dari 26% menjadi 15.3%.
Kunci keberhasilan AlexNet bukanlah rumus baru semata, melainkan perkawinan tiga elemen kunci:
- Dataset berlabel skala masif (ImageNet yang dipelopori Fei-Fei Li).
- Kemampuan komputasi paralel kartu grafis gaming (NVIDIA GPU).
- Algoritma Backpropagation yang dieksekusi efisien di atas hardware paralel.
Babak IV: "Attention Is All You Need" & Era Transformer (2017–2026)
Pada Juni 2017, tim peneliti Google Brain menerbitkan makalah setebal 15 halaman berjudul "Attention Is All You Need". Makalah ini memperkenalkan mekanisme Self-Attention dan menyingkirkan arsitektur Recurrent Neural Network (RNN) yang lambat.
Arsitektur Transformer memungkinkan model memproses seluruh urutan teks secara paralel dan memahami hubungan antar kata dalam konteks panjang. Transformer menjadi fondasi mutlak bagi GPT-4, Claude, Gemini, Llama, hingga arsitektur autonomous agentic modern yang menggerakkan sistem operasional bisnis saat ini.