AI, itu memberitahumu hal lain. Namun bagaimana dengan pembelajaran mesin atau jaringan saraf? Kami punya beberapa penjelasan.
Kecerdasan buatan menimbulkan polarisasi: para kritikus bahkan memperingatkan terhadap mesin-mesin canggih yang pada akhirnya dapat menggantikan kita sebagai manusia. Namun untuk memahami apakah hal ini akan segera menjadi kenyataan atau akan tetap menjadi fiksi ilmiah untuk waktu yang lama, kita perlu mengetahui istilah-istilah seperti AI atau pembelajaran mesin, yang sering disebutkan. Adegan pendiri memiliki kesamaan dengan Frederic Tausch, salah satu pendiri startup AI Apic.ai coba jelaskan istilah yang paling penting.
Kecerdasan Buatan: Upaya Definisi
Istilah yang paling penting pertama: Kecerdasan buatan (Bahasa Inggris: “Kecerdasan Buatan”) menggambarkan kecerdasan suatu mesin dan merupakan perbedaan dari kecerdasan yang dikaitkan dengan manusia atau hewan. Namun, istilah tersebut tidak jelas karena definisi kata “cerdas” yang digunakan sembarangan karena tidak ada definisi yang jelas tentang istilah tersebut.
Komputer catur, misalnya, sering digambarkan sebagai “cerdas” dalam domainnya – meskipun tidak ada teknik dari bidang kecerdasan buatan (seperti “pembelajaran mesin” atau “jaringan saraf”) – kami akan menjelaskan istilah-istilah tersebut di sesaat ) digunakan.
Grafik: Awal mula AI sudah ada sejak beberapa dekade yang lalu. Dengan kekuatan komputasi komputer dan kumpulan data digital saat ini, teori zaman kini menjadi kenyataan. Sumber: Nvidia
Pembelajaran mesin: saat komputer belajar secara mandiri
Pembelajaran mesin (Bahasa Inggris: “Machine Learning”) adalah sub-bidang kecerdasan buatan. Algoritma digunakan untuk memproses data dalam jumlah besar (“Data pelatihan” dipanggil) untuk menganalisisnya secara mandiri dan belajar darinya (dibandingkan dengan menulis urutan program secara manual untuk tugas tertentu). Setelah “pelatihan”, mesin dapat mengenali pola dalam data, menirunya, dan membuat keputusan atau prediksi.
Pembelajaran yang diawasi: Komputer mengetahui apa itu apel
Oleh Pembelajaran yang diawasi (Bahasa Indonesia: “Supervised Learning”) pembelajaran mesin menggunakan data pelatihan yang sudah kita ketahui seperti apa keluaran yang benar. Misalnya, sebuah mesin diperlihatkan beberapa gambar apel. Pada saat yang sama, mesin mengetahui bahwa itu adalah apel. Dia kemudian mempelajari pola yang membuat sebuah apel menjadi sebuah apel.
Pembelajaran tanpa pengawasan: Komputer tidak mengetahui apa itu apel
Oleh Pembelajaran tanpa pengawasan (Bahasa Inggris: “Pembelajaran Tanpa Pengawasan”), di sisi lain, mengatasi masalah yang membuat kita sedikit atau tidak tahu sama sekali seperti apa hasil yang kita peroleh. Mesin mempelajari pola dari data yang hubungan antar variabel individualnya tidak perlu terlihat jelas.
Mari kita asumsikan bahwa mesin tersebut memeriksa gambar buah-buahan yang berbeda dan sekarang seharusnya memisahkannya satu sama lain tanpa mengetahui apa yang ada di dalam gambar tersebut. Manusia yang tidak mengetahui apa itu apel, pisang, atau persik kemungkinan besar akan membagi buah tersebut berdasarkan perbedaan warna, ukuran, dan bentuk—dan itulah yang dilakukan mesin dalam pembelajaran tanpa pengawasan.
Klik di sini untuk melihat fokus adegan pembuka pada kecerdasan buatan…
Jaringan saraf: melapisi data hingga masuk akal
Salah satu kasus penggunaan pembelajaran mesin adalah: Jaringan Syaraf Tiruan. Mereka terinspirasi oleh koneksi neuron di otak kita yang memungkinkan pembelajaran mandiri. Jaringan saraf tiruan terdiri dari lapisan, koneksi, dan arah penyebaran data.
Lapisan tersebut bertindak sebagai semacam sistem penyaringan. Misalnya, gambar digital dipecah menjadi beberapa ubin dan ditempatkan di lapisan pertama jaringan saraf. Neuron diaktifkan di sini dan meneruskan data ke lapisan kedua. Neuron lapisan kedua dan lapisan berikutnya juga melakukan tugas tertentu dengan meneruskan informasi berdasarkan tindakan sebelumnya – hingga lapisan terakhir menghasilkan keluaran akhir.
Mengapa disebut “cerdas”? Karena tugas dari lapisan yang berbeda dipelajari oleh data pelatihan itu sendiri. Pendekatan pertama berhasil Warren McCulloch Dan Walter Pitts kembali dan dimulai pada tahun 1943. Saat ini jaringan saraf sering disebut dengan kata kunci “Pembelajaran Mendalam” disamakan. “Deep” berarti menelusuri lebih dalam lapisan-lapisan jaringan saraf.