Tinjauan Artificial Intelligence pada Industri Kreatif – Part 2

August 29, 2023 Ahmad Haidar

Yo, gimana guys penjelasan sebelumnya di part 1 ? Kalau belum baca, cek dulu yok untuk dapat gambaran mengenai Artificial Intelligence . . .

AI di Industri Kreatif

Jadi, AI itu udah sering banget dihubungin sama kreativitas dan seni. Mulai dari audio, gambar, sampe game, jurnalistik, dan film, AI udah ada di mana-mana. Salah satu AI paling lawas itu Autotune, yang bisa benerin nada vokal yang ‘ngaco’.

Tapi kreativitas itu kan sesuatu yang orisinil dan unik, sementara AI biasanya lebih bagus di tugas-tugas yang berulang atau terduga. Meski gitu, udah ada beberapa AI yang bisa bikin karya seni yang bikin kita bingung, ini dibuat manusia atau mesin sih? Contohnya ada GumGum, yang bisa bikin lukisan dari ide singkat yang kita kasih.

Ada juga yang namanya Botnik, ini AI yang bisa remiks teks buku-buku yang udah ada untuk bikin cerita baru. Misalnya, dia udah dicoba untuk cerita Harry Potter dan hasilnya… yah, cukup aneh tapi lucu.

Di dunia produksi, Twitter udah pake AI buat potong gambar jadi thumbnail yang fokus di bagian paling penting. BBC juga punya sistem AI buat ngeliput event-event secara otomatis, meski performanya masih perlu ditingkatin.

Intinya, di review ini kita bakal ngomongin lima kategori aplikasi kreatif: bikin konten, analisis informasi, enhancement konten dan workflow post-produksi, ekstraksi dan enhancement informasi, dan kompresi data. Kita juga bakal liat tabel yang ngasih tau aplikasi dan solusi AI-nya di tiap kategori. Oh ya, banyak juga aplikasi yang gabungin beberapa kategori ini.

Banyak aplikasi yang mix and match beberapa kategori ini. Misalnya, alat buat post-produksi (bakal dibahas di bagian 3.3 dan 3.4) biasanya gabungin teknik ekstraksi informasi dan enhancement konten. Gabungan ini bisa dipake buat bikin pengalaman baru, upgrade materi yang udah ada, atau bahkan ubah arsip lama jadi sesuatu yang baru dan keren. Contohnya kayak ‘Venice Through a VR Lens, 1898’ yang diarahin oleh BDH Immersive dan Academy 7 Production. Di sini, AI dipake buat super-resolution, colorization, 3D reconstruction, sampe frame rate interpolation.

Game juga contoh penting yang udah bantu perkembangan AI. Bisa dibilang game itu platform AI ‘all-in-one’, karena dia gabungin rendering, prediksi, dan pembelajaran dalam satu tempat.

Kita ngategorikan aplikasi dan solusi berbasis AI-nya di Tabel 1. Buat yang pengen tau lebih detail tentang sistem Deep Learning zaman now, bisa cek di bagian 2.3.

3.1 Content Creation

3.1.1 Script dan Pembuatan Film

AI udah digunain buat bikin cerita, bahkan skrip film. Film pendek “Sunspring” itu skripnya ditulis sama AI bernama Benjamin. Tapi, ceritanya agak aneh sih. Di sekuelnya, “It’s No Game”, AI-nya dikasih bantuan manusia dan hasilnya jadi lebih natural. IBM Watson bahkan bikin trailer film horor “Morgan” yang cuma 6 menit. Makin ke sini, AI udah canggih banget dan bisa collab sama manusia untuk bikin karya yang lebih keren.

3.1.2 Jurnalisme dan Pembuatan Teks

AI juga bisa nulis artikel berita. Dengan NLP, AI bisa ngescan data, urutin poin penting, dan masukin detail-detail lain. BBC dan Forbes udah pake tools ini, dan efisiensinya meningkat.

3.1.3 Pembuatan Musik

AI juga udah bisa bikin musik. Dengan ML, AI bisa nge-analisis pattern musik, dari chord sampai tempo, dan bikin melodi baru. Ada banyak software yang udah bikin AI untuk komposisi musik, seperti Flow Machines dari Sony dan Jukebox dari OpenAI.

3.1.4 Pembuatan Gambar

AI juga bisa bikin gambar atau seni digital. Misalnya, bisa ngubah foto Google Map jadi foto udara atau bikin sketsa jadi objek berwarna. Ada juga yang bisa ngubah foto jadi video, kayak Mona Lisa yang jadi bisa ngomong!

Wow, banyak banget isinya. Yuk, kita bahas poin-poin penting!

3.1.5 Animasi

AI udah nge-boost industri animasi banget. Dulu, animator harus gambar frame per frame. Tapi sekarang, AI bisa belajar gerakan dari data asli dan bikin animasi yang lebih realistis. Adobe dan Google bahkan udah bikin software yang bisa bikin animasi dari webcam dan microphone real-time.

3.1.6 AR, VR, dan MR

Virtual Reality (VR) dan Augmented Reality (AR) itu lagi naik daun, walau belum seheboh yang diperkirakan. VR banyak dipake untuk training, terutama di healthcare. AR lebih fokus di edukasi dan entertainment. Terus ada juga Mixed Reality (MR) yang gabungin dua-duanya.

3.1.7 Deepfakes

Deepfakes itu menarik tapi juga berbahaya. Teknologinya bisa bikin video atau gambar palsu yang keliatan real. Banyak digunakan untuk hal-hal negatif seperti fake news atau blackmail. Tapi udah ada juga teknologi deteksi deepfake kok.

3.1.8 Konten dan Caption

AI bisa bikin caption dari gambar atau video. YouTube aja udah pake fitur ini. Baliknya, AI juga bisa bikin gambar dari teks, meski ini lebih kompleks dan masih ada limitasinya.

3.2 Analisis Informasi

3.2.1 Kategorisasi Teks

AI bisa kategorisasi teks untuk banyak keperluan, mulai dari deteksi spam hingga analisis sentimen. Metodenya dari yang tradisional macam SVM, sampai yang modern pake deep learning seperti CNN dan LSTM.

3.2.2 Analisis Iklan dan Film

AI bantu pilih iklan yang pas buat tiap orang dan bahkan bisa ngasih saran kapan sebaiknya iklan itu ditayangkan. Di industri film, AI bantu analisis data historis untuk tentukan kapan film baru harus dirilis.

3.2.3 Penarikan Konten

AI juga membantu dalam penarikan informasi. Misalnya, Google Images bisa cari gambar yang mirip dari satu gambar input. Ini udah bukan lagi cuma pake metadata, tapi analisis kontennya langsung.

3.2.4 Layanan Rekomendasi

AI juga biasa digunakan di layanan rekomendasi, misalnya untuk film atau lagu. Tekniknya ada yang berbasis konten, ada yang berbasis kolaborasi antar pengguna, dan ada juga yang kombinasi keduanya.

3.2.5 Asisten Pintar

Kamu pasti kenal Google Assistant atau Siri, kan? Nah, itu juga hasil dari AI. Mereka ini bisa ngasih info, ngatur jadwal, bahkan rekomendasi lagu atau film juga bisa.

3.3 Peningkatan Konten dan Alur Kerja Pascaproduksi

Bagian ini membahas bagaimana AI dapat meningkatkan kualitas dan manajemen berbagai jenis konten, seperti gambar, video, audio, dan dokumen. Perbaikan ini sangat berguna untuk konten yang diproduksi secara massal.

3.3.1 Peningkatan Kontras

Metode peningkatan kontras telah berkembang dari teknik-teknik tradisional seperti penyamaan histogram menjadi metode modern menggunakan Jaringan Saraf Konvolusional (CNN) dan Jaringan Adversarial Generatif (GAN).

3.3.2 Pewarnaan

Bagian ini membahas teknik berbasis AI untuk menambahkan atau memulihkan warna dalam gambar hitam putih. Teknik-teknik ini memiliki aplikasi dalam restorasi film bersejarah dan bidang lainnya.

3.3.3 Penyekalaan Gambar: Metode Super-resolusi

Metode Super-resolusi telah memperoleh popularitas dalam beberapa tahun terakhir dan berguna untuk meningkatkan kualitas gambar atau video beresolusi rendah. Teknik-teknik ini seringkali menggunakan CNN untuk pelatihan.

3.3.4 Restorasi

Bagian ini membahas berbagai jenis distorsi atau kerusakan yang dapat terjadi pada sinyal dan bagaimana AI dapat digunakan untuk memperbaikinya. Ini termasuk deblurring (menghilangkan kabur), denoising (menghilangkan noise), dan dehazing (menghilangkan kabut).

3.3.4.1 Penghilangan Kabur

Membahas bagaimana CNN dan GAN digunakan untuk mempertajam gambar yang kabur, baik dalam gambar tunggal atau dalam urutan video.

3.3.4.2 Penghilangan Noise

Membahas teknik-teknik berbasis AI untuk mengurangi atau menghilangkan noise dari gambar atau video. Ini penting dalam industri seperti sinematografi alam.

3.3.4.3 Penghilangan Kabut

Membahas teknik untuk menghilangkan atau mengurangi efek kabut, asap, atau kabut dalam gambar atau video. CNN dan GAN juga digunakan di sini.

3.3.4.4 Mengurangi Gangguan Atmosfer

Membahas tantangan dalam memulihkan adegan yang terdistorsi oleh gangguan atmosfer seperti turbulensi udara.

3.3.5 Inpainting

Membahas metode AI yang digunakan untuk memperbaiki atau mengisi bagian gambar dan video yang rusak atau hilang.
Tekniknya berkisar dari interpolasi yang peka konten hingga metode deep learning yang menggabungkan pengkodean jarang dengan jaringan saraf.

3.3.6 Efek Visual Khusus (VFX)

AI semakin sering digunakan dalam VFX untuk menciptakan animasi dan simulasi 3D yang realistis.
Contoh termasuk serial TV BBC His Dark Materials dan film Avengers Endgame.

3.4 Ekstraksi dan Peningkatan Informasi

Membahas bagaimana metode deep learning digunakan untuk ekstraksi informasi dari gambar dan video.

3.4.1 Segmentasi

Metode AI digunakan untuk mempartisi gambar atau video menjadi daerah yang bermakna secara semantis.

3.4.2 Pengenalan

Metode deep learning telah secara signifikan meningkatkan pengenalan objek dalam gambar dan video.

3.4.3 Deteksi Objek Menonjol

Berfokus pada identifikasi objek atau daerah yang kemungkinan akan menarik perhatian visual.

3.4.4 Pelacakan

Membahas bagaimana pelacakan objek dalam video dapat membantu proses kreatif, terutama dalam penyuntingan.

3.4.5 Fusi Gambar

Membicarakan tentang menggabungkan beberapa gambar menjadi satu representasi.

3.4.6 Rekonstruksi dan Rendering 3D

Membahas metode untuk membuat representasi 3D dari gambar 2D.

3.5 Kompresi Data

Menyoroti bagaimana informasi visual menjadi pengguna utama bandwidth komunikasi.
Ada tekanan antara kapasitas jaringan yang tersedia dan kecepatan bit video yang dibutuhkan.
Teknik kompresi tradisional dan metode berbasis deep learning dibahas. Deep learning menawarkan keuntungan signifikan dalam kompresi.

Metode Tradisional vs Deep Learning

Sistem enkode gambar tradisional (seperti JPEG) biasanya bekerja dengan mengurangi redundansi spasial.
Metode deep learning lebih canggih dan mulai dianggap untuk standar kompresi video mainstream seperti VVC dan AV2.

Penelitian Terkini

Metode berbasis persepsi dan GAN telah dikembangkan untuk kompresi yang lebih efisien.
Data pelatihan adalah faktor kunci dalam kinerja kompresi.

4 Tantangan Masa Depan untuk AI di Sektor Kreatif

Diskusi tentang pertanyaan filosofis dan etis yang berkaitan dengan kapasitas kreatif AI.

4.1 Isu Etis, Palsu, dan Bias

AI dapat menciptakan konten palsu, namun juga bisa digunakan untuk mendeteksi keaslian.
Isu-isu seperti bias dalam data pelatihan dan hak cipta dibahas.

Etika dalam AI

Klasifikasi hubungan antara etika dan AI, termasuk metode untuk memastikan perilaku etis dalam sistem otonom.

4.3 Masa Depan Teknologi AI

Penelitian dan pengembangan berbasis AI terus berlanjut dengan investasi besar dari pemerintah dan organisasi internasional.
Pentingnya data besar dan arsitektur pemrosesan paralel.
Quantum computing dianggap akan memainkan peran penting.

Kreativitas dan Pelatihan AI

Pentingnya data berdimensi tinggi yang dapat merepresentasikan karakteristik kreatif.
Loss functions yang lebih mencerminkan persepsi manusia daripada perbedaan matematika sederhana.

5 Kesimpulan

AI memiliki potensi besar sebagai alat untuk industri kreatif, tetapi tantangan signifikan tetap ada untuk AI sebagai pencipta karya asli.
Perkembangan teknologi untuk aplikasi kreatif akan tetap berpusat pada manusia untuk waktu yang akan datang.

Etika dan Dampak Sosial

Pentingnya memahami isu-isu etis, bias data, dan dampak sosial yang lebih luas.

Sumber

https://link.springer.com/article/10.1007/s10462-023-10472-w