AI, pembelajaran mesin dan pembelajaran mendalam istilah-istilah ini tumpang tindih dan mudah membingungkan, jadi mari kita mulai dengan beberapa definisi singkat.
Artificial Intelligence berarti membuat komputer meniru perilaku manusia dengan cara tertentu.
Machine Learning adalah bagian dari AI, dan terdiri dari teknik yang memungkinkan komputer untuk memahami berbagai hal dari data dan mengirimkan aplikasi AI.
Deep Learning, sementara itu, adalah bagian dari pembelajaran mesin yang memungkinkan komputer memecahkan masalah yang lebih kompleks.
Deskripsi tersebut benar, tetapi sedikit ringkas.
APA ITU MACHINE LEARNING?
Kecerdasan buatan sebagai disiplin akademis didirikan pada tahun 1956. Tujuannya, seperti sekarang, adalah membuat komputer melakukan tugas-tugas yang dianggap unik oleh manusia, hal-hal yang membutuhkan kecerdasan. Awalnya, para peneliti mengerjakan masalah seperti bermain catur dan memecahkan masalah logika.
Jika kita melihat dari salah satu program permainan catur, kita bisa melihat beberapa bentuk "kecerdasan buatan" di balik gerakan itu, terutama saat komputer mengalahkan Anda. Keberhasilan awal menyebabkan para peneliti pertama menunjukkan antusiasme yang hampir tak terbatas untuk kemungkinan AI, hanya cocok dengan sejauh mana mereka salah menilai betapa sulitnya memecahkan beberapa masalah.
Kecerdasan buatan, kemudian, mengacu pada keluaran dari sebuah komputer. Komputer melakukan sesuatu yang cerdas, jadi itu menunjukkan kecerdasan buatan.
Istilah AI tidak mengatakan apa-apa tentang bagaimana masalah tersebut diselesaikan. Ada banyak teknik berbeda termasuk sistem berbasis aturan atau pakar. Dan satu kategori teknik mulai digunakan secara lebih luas pada tahun 1980-an Machine Learning.
APA ITU MACHINE LEARNING?
Alasan para peneliti awal tersebut menemukan beberapa masalah menjadi jauh lebih sulit adalah karena masalah tersebut tidak dapat diterima dengan teknik awal yang digunakan untuk AI. Algoritme hard-code atau sistem tetap berbasis aturan tidak berfungsi dengan baik untuk hal-hal seperti pengenalan gambar atau mengekstraksi makna dari teks.
Solusinya ternyata tidak hanya meniru perilaku manusia (AI) tetapi meniru cara manusia belajar.
Pikirkan tentang bagaimana kita belajar membaca. Kita tidak hanya duduk dan belajar ejaan dan tata bahasa sebelum mengambil buku. membaca buku sederhana, beralih ke buku yang lebih kompleks dari waktu ke waktu. kita benar-benar mempelajari aturan (dan pengecualian) ejaan dan tata bahasa dari bacaan. Dengan kata lain, kita memproses banyak data dan belajar darinya.
Itulah ide yang tepat dengan Machine Learning. Berikan banyak data pada algoritme (sebagai lawan dari otak Anda) dan biarkan ia menyelesaikannya. Beri algoritme banyak data tentang transaksi keuangan, beri tahu mana yang salah, dan biarkan algoritme menentukan apa yang mengindikasikan kesalahn sehingga dapat memprediksinya di masa mendatang. Atau berikan informasi tentang basis pelanggan dan biarkan ia mencari tahu cara terbaik untuk menyegmentasikannya.
Seiring berkembangnya algoritme ini, mereka dapat mengatasi banyak masalah. Tetapi beberapa hal yang dianggap mudah oleh manusia (seperti pengenalan ucapan atau tulisan tangan) masih sulit untuk mesin. Namun, jika pembelajaran mesin adalah tentang meniru cara manusia belajar, mengapa tidak melangkah jauh dan mencoba meniru otak manusia? Itulah ide di balik jaringan saraf.
Ide untuk menggunakan neuron buatan (neuron, yang dihubungkan oleh sinapsis, adalah elemen utama dalam otak) telah ada sejak lama. Dan jaringan saraf yang disimulasikan dalam perangkat lunak mulai digunakan untuk masalah tertentu. Mereka menunjukkan banyak harapan dan dapat memecahkan beberapa masalah kompleks yang tidak dapat ditangani oleh algoritme lain.
Namun pembelajaran mesin masih terhambat pada banyak hal. Ternyata masalahnya bukan pada konsep Machine Learning. Atau bahkan dengan ide meniru otak manusia. Itu hanya jaringan saraf sederhana dengan 100 atau bahkan 1000 neuron, terhubung dengan cara yang relatif sederhana, tidak bisa menduplikasi apa yang bisa dilakukan otak manusia. Seharusnya tidak mengherankan jika kalian memikirkannya, otak manusia memiliki sekitar 86 miliar neuron dan interkonektivitas yang sangat kompleks.
APA ITU DEEP LEARNING?
Sederhananya, Deep Learning adalah tentang menggunakan jaringan saraf dengan lebih banyak neuron, lapisan, dan interkonektivitas. Kami masih jauh dari meniru otak manusia dalam semua kerumitannya, tetapi kami sedang bergerak ke arah itu.
Dan saat kalian membaca tentang kemajuan komputasi dari mobil otonom hingga superkomputer Go-playing hingga pengenalan suara, itulah pembelajaran mendalam yang tersembunyi. Kita mengalami beberapa bentuk kecerdasan buatan. Di balik layar, AI tersebut didukung oleh beberapa bentuk pembelajaran mendalam.
Mari kita lihat beberapa masalah untuk melihat perbedaan pembelajaran mendalam dari jaringan neural yang lebih sederhana atau bentuk (ML) lainnya.
Cara Kerja Deep Learning
Jika saya memberi kalian gambar kuda, kalian mengenalinya sebagai kuda, bahkan jika kalian belum pernah melihat gambar itu sebelumnya. Dan tidak masalah jika kuda itu berbaring di sofa, atau berdandan untuk Halloween seperti kuda nil. Kalian dapat mengenali seekor kuda karena tahu tentang berbagai elemen yang menentukan seekor kuda, bentuk moncongnya, jumlah dan penempatan kakinya dan sebagainya.
Deep Learning bisa melakukan ini. Dan itu penting untuk banyak hal termasuk kendaraan otonom. Sebelum sebuah mobil dapat menentukan tindakan selanjutnya, ia perlu mengetahui apa yang ada di sekitarnya. Harus bisa mengenali orang, sepeda, kendaraan lain, rambu jalan, dan lainnya. Dan lakukan itu dalam situasi visual yang menantang. Teknik (ML) standar tidak bisa melakukan itu.
Ambil pemrosesan bahasa alami, yang digunakan saat ini di chatbots dan smartphone voice assistants ponsel cerdas, untuk menyebutkan dua. Pertimbangkan kalimat ini dan cari tahu apa bagian terakhirnya,
Saya lahir di Indonesia dan, meskipun saya tinggal di Portugal dan Brasil hampir sepanjang hidup saya, saya masih berbicara dengan lancar.
Kesimpulan
Jadi semoga definisi pertama di awal artikel lebih masuk akal. AI mengacu pada perangkat yang menunjukkan kecerdasan mirip manusia dalam beberapa cara. Ada banyak teknik untuk AI, tetapi satu bagian dari daftar itu adalah pembelajaran mesin - biarkan algoritme belajar dari data. Terakhir, (DL) mendalam adalah bagian dari (ML), menggunakan jaringan neural berlapis untuk memecahkan masalah tersulit (untuk komputer).
