Kecerdasan Buatan, Pembuatan Mesin, Pembelajaran Dalam dan Ilmu Pengetahuan - Apa Perbedaannya?

Perbedaan antara AI, ML, DS, DL. Foto: Oluebube Princess Egbuna Lagos Circle untuk pabrikan Facebook

Ketika saya mulai belajar di mobil, saya kewalahan. Kebingungan saya bukanlah teknis, tetapi bagaimana saya dapat kata-kata ketika saya pergi ke pembelajaran mesin.

Saya pernah mendengar kata-kata seperti ilmu data, kecerdasan buatan, pembelajaran mesin dan pembelajaran mendalam. Ada banyak kata dalam lingkaran ini yang membangkitkan minat.

Anda mungkin bertanya-tanya bagaimana perbedaannya. Saya harap saya bisa menghapus kecurigaanmu jadi duduklah!

Area-area ini berkembang dengan sangat cepat, dan definisi yang akan Anda temukan hari ini mungkin berbeda dari apa yang akan Anda temukan besok, jadi pastikan untuk mengimbangi pertumbuhan teknologi.

Apa itu kecerdasan buatan?

Secara khusus, sebelum mencari makna kecerdasan buatan, saya sampai pada gagasan bahwa robot kecerdasan buatan (AI) dapat melakukan hal yang sama seperti yang dapat dilakukan manusia.

Meskipun ini adalah bagian dari kebenaran, itu belum tentu kecerdasan buatan. Seperti kita ketahui, setengah kebenaran hampir tidak pernah benar.

Menurut kamus Merriam-webster, kata mind adalah "kemampuan untuk belajar atau memahami atau mengatasi situasi baru atau sulit." Hal ini juga didefinisikan sebagai kemampuan untuk menerapkan pengetahuan dalam manajemen lingkungan untuk pemikiran abstrak yang diukur dengan penggunaan rasional dan kriteria objektif (mis. Tes).

Karenanya Artificial Intelligence (AI) didasarkan pada gagasan bahwa sebuah mesin atau program komputer mampu berpikir, memahami dan belajar seperti halnya manusia.

Dari definisi pikiran, kita dapat mengatakan bahwa kecerdasan buatan adalah studi tentang kemungkinan menciptakan mesin yang dapat menerapkan pengetahuan yang diperoleh dari informasi ini ke lingkungan.

Masih kata-kata buzz? Tunggu! Sederhananya ...

AI (Kecerdasan Buatan) adalah cara untuk meningkatkan kecerdasan manusia dalam mesin, terutama sistem komputer, melalui pembelajaran, penalaran, dan koreksi diri.

Contoh nyata dari AI:

Jika Anda adalah teman saya dan saya mengerti bahwa Anda menyukai film akting, saya akan memberikan rekomendasi film berdasarkan apa yang saya ketahui tentang Anda. Ini adalah pikiran manusia.

Jika Anda melihat kategori film tertentu di Netflix, Netflix akan mulai memberi Anda rekomendasi film berdasarkan gaya menonton Anda.

Bagaimana itu mungkin? Kecerdasan Buatan. Ini adalah contoh yang sangat umum dari kecerdasan buatan.

Apa itu pembelajaran mesin?

Kecerdasan buatan sangat besar. Teknik Mesin (ML) adalah bagian dari Kecerdasan Buatan. Apakah Anda ingat dari paragraf sebelumnya aspek pembelajaran dalam memahami kecerdasan? ML tiba.

Machine Learning (ML) adalah alat statistik untuk belajar dari data. Inti dari ML adalah mengajarkan komputer cara memprediksi dan memprediksi data tanpa pemrograman.

Contoh nyata ML:

Kami menerima pesan spam. Mereka selalu difilter, misalnya oleh Gmail. Mail juga diklasifikasikan ke dalam promosi dan sosial serta kategori lain berdasarkan pada layanan pos yang Anda gunakan. Bagaimana Gmail belajar melakukan ini? Pembelajaran Mesin! Ingatlah bahwa ML adalah bagian dari AI.

Apa itu studi mendalam?

Dalam pembelajaran mesin, data terutama melalui algoritma yang membuat perubahan linier untuk produksi.

Pembelajaran mendalam adalah bagian kecil dari pembelajaran mesin yang mengalami banyak perubahan non-linear untuk mendapatkan hasil.

"Jauh" dalam hal ini berarti banyak tahapan. Output dari satu fase adalah input untuk fase lainnya, dan ini dilakukan terus menerus untuk mendapatkan hasil akhir. Tidak semua langkah ini linier. Contoh transformasi nonlinier adalah transformasi matriks.

Deep learning kadang-kadang disebut sebagai deep neural networks (DNNs) karena menggunakan jaringan saraf tiruan multi-layer untuk melakukan deep learning.

Pernahkah Anda melihat foto neuron di otak manusia? Jaringan saraf tiruan dibangun dengan cara yang sama, simpul saraf terhubung seperti jaring.

Algoritma pembelajaran mendalam membutuhkan mesin yang sangat kuat dan sangat berguna dalam mengidentifikasi pola dari input data.

Panduan Pembelajaran Mendalam:

Pernah mendengar tentang WaveNet dan pembicaraan mendalam? Keduanya adalah jaringan Deep Learning yang secara otomatis menghasilkan suara. Teks-teks tersebut ditulis tangan untuk WaveNet dan sistem suara sebelum pidato yang mendalam.

Dengan pembelajaran yang mendalam, sistem belajar meniru suara orang, sehingga sulit untuk membedakan antara suara manusia dan komputer. Deep Learning membawa kita lebih dekat untuk memberi komputer kemampuan untuk berbicara seperti manusia.

Pembelajaran mendalam adalah subset dari ML, yang merupakan subset dari AI, jadi ini adalah AI.

Apa itu Ilmu Informasi?

Ilmu data bersinggungan dengan kecerdasan buatan, tetapi bukan bagian kecil dari kecerdasan buatan.

Ilmu informasi adalah studi tentang keingintahuan yang muncul di bidang apa pun, memperoleh informasi dari sumber pertanyaan besar, memproses, menganalisis, dan memvisualisasikan informasi untuk TI. untuk membuat bermakna. dan strategi bisnis.

Sederhananya, ini adalah pemahaman dan pemahaman informasi. Ada banyak alat yang digunakan dalam ilmu data. Mereka termasuk alat statistik, sarana probabilistik, aljabar linier dan metrik, optimalisasi numerik dan pemrograman.

Penggunaan Ilmu Informasi:

Pilih konsep acak.

Saya memilih sponsorship. Bagaimana orang-orang disponsori karena suatu alasan. Biasanya siapa yang mau memanggil sponsor melalui email. Kata kunci apa yang mereka cari dalam email sponsor? apakah mereka lebih suka panggilan telepon?

Dalam hal ini, ilmu data dapat membantu. Basis data yang mengumpulkan informasi tentang penyebab apa yang mensponsori, mengapa mensponsori, dan apa yang lebih disukai untuk berkomunikasi saluran dan banyak lagi, mengumpulkan kumpulan data yang tidak terstruktur.

Informasi diproses, dianalisis, dan divisualisasikan menggunakan berbagai alat yang telah kita diskusikan. Dari data ini, ditarik kesimpulan.

Informasi ini membantu organisasi nirlaba dan orang mencari sponsor.

Ilmu informasi tidak memiliki kecerdasan buatan penuh, tetapi beberapa informasi bersinggungan dengan kecerdasan buatan.

Ketika sampai pada itu, satu-satunya hal yang penting adalah DATA!