Beyond Hype: Perbedaan antara kecerdasan buatan, pembelajaran mesin dan pembelajaran yang mendalam

Kecerdasan Buatan (AI) telah memasuki kehidupan kita sehari-hari dengan sebuah ledakan. Dari pemasaran hingga kedokteran, tampaknya memengaruhi setiap bisnis dan industri. Perusahaan teknologi sedang berjuang untuk mendominasi perlombaan untuk mengelola pasar dan memperoleh bisnis AI yang paling inovatif dan menjanjikan.

Anda sudah dapat menggunakan AI dalam kehidupan sehari-hari, seperti pengenalan suara, bantuan virtual pada ponsel cerdas Anda, situs web belanja dan algoritma streaming musik atau video, atau bahkan ketika Anda mengunjungi dokter dan membandingkan X-ray. atau gambar medis lainnya dengan informasi medis lainnya.

Dan kemudian ada gagasan pembelajaran mesin dan pembelajaran mendalam yang membingungkan banyak orang. Sangat sering, mereka digunakan secara bergantian, tetapi bahkan jika mereka saling terkait, mereka memiliki arti yang berbeda. Jadi apa perbedaan antara AI, pembelajaran mesin dan pembelajaran mendalam?

Kecerdasan Buatan

Dalam arti luas, menurut pendirinya, AI adalah ilmu dan teknik mesin pintar, terutama perangkat lunak komputer pintar. Ini adalah cara berpikir yang cerdas, seperti yang dipikirkan orang, ketika menggunakan komputer, robot yang dikendalikan komputer, atau perangkat lunak, dengan kecepatan dan kekuatan yang hebat.

Rekayasa kognitif adalah bagian penting dari penelitian AI. Mesin dapat bertindak seperti orang jika mereka memiliki banyak informasi tentang dunia. Mobil otonom hanya dapat berkendara dengan aman, dengan pengetahuan lingkungan yang memadai. Algoritma keputusan hanya sebaik input data.

Dengan kata lain, kecerdasan buatan harus memiliki akses ke hubungan antara objek, kategori, fitur, dan semua, untuk menerapkan rekayasa kognitif. Menggunakan kecerdasan dan kekuatan pemecahan masalah dalam mesin adalah pendekatan yang sulit dan melelahkan. Kami tidak benar-benar di sebelah mobil pintar.

Pembelajaran Mesin

Sementara kecerdasan buatan mencakup seluruh spektrum pembelajaran mesin, istilah "pembelajaran mesin" memiliki makna yang lebih sempit, "kemampuan untuk belajar tanpa pemrograman yang tepat." Kebetulan, perubahan terbesar sedang terjadi saat ini: memberi makan set data besar. masuk dan tunggu hasilnya.

Machine learning adalah jenis AI yang memfasilitasi pembelajaran mesin dan mengajarkan dirinya untuk berkembang ketika menghadapi data yang baru dan terus berubah. Misalnya, umpan berita Facebook menggunakan komputer untuk menyesuaikan makanan setiap orang sesuai dengan keinginan mereka. Elemen utama dari perangkat lunak pembelajaran mesin tradisional adalah analisis statistik dan analisis prediktif untuk mengidentifikasi pola dan untuk menemukan di mana mencarinya, berdasarkan pengamatan sebelumnya tanpa pemrograman.

Pembelajaran mesin telah berkembang selama bertahun-tahun dengan kemampuan untuk melewati set data yang sangat kompleks. Mereka sering disebut sebagai "data besar". Banyak orang mungkin terkejut mengetahui bahwa mereka menghadapi perangkat lunak pembelajaran mesin dalam kehidupan sehari-hari mereka melalui layanan pelaporan tentang isu-isu topikal atau tagar seperti Netflix dan algoritma media sosial. Memisahkan fitur-fitur dalam pembelajaran mesin membutuhkan programmer untuk mencari sesuatu yang membutuhkan proses yang memakan waktu dari komputer hingga pengambilan keputusan. Ini juga mengarah pada pembelajaran mesin yang menghasilkan penurunan akurasi karena kesalahan seseorang dalam proses pemrograman.

Pembelajaran yang mendalam

Deep Learning adalah area termuda dalam pembelajaran mesin yang telah diperkenalkan untuk membawa pembelajaran mesin lebih dekat dengan kecerdasan buatan.

Ini terkait dengan studi tentang "jaringan saraf yang dalam" di otak manusia, dan dalam konteks ini, pembelajaran yang dalam berupaya meniru fungsi lapisan dalam otak manusia, menciptakan pengetahuan dari banyak lapisan pemrosesan informasi. Sebagai teknologi pembelajaran yang mendalam dimodelkan setelah otak manusia, kemampuannya meningkat setiap kali data baru dituangkan.

Di bawah paradigma pembelajaran yang mendalam, sebuah mesin dapat menggunakan sejumlah besar data dan algoritma untuk memberikannya kemampuan untuk belajar bagaimana melakukan tugas. Informasi ini ditransmisikan melalui jaringan saraf, yang berisi sejumlah pertanyaan benar / salah biner atau nilai numerik, setiap bit data yang dapat dilewati dan diklasifikasikan menurut jawaban yang mereka terima. Saat ini, pengenalan gambar secara mendalam oleh mesin pembelajaran mesin digunakan untuk mengajarkan robot dan kendaraan otonom, untuk mengidentifikasi gejala penyakit dan semua jenis gambar dalam kedokteran.

Beberapa waktu lalu Google AlphaGo mempelajari permainan dengan memainkannya berulang-ulang selama berjam-jam. Kemampuan untuk belajar lebih banyak dan lebih cepat, yang tidak dipelajari, adalah kunci untuk kebisingan yang ada melalui pembelajaran yang mendalam. Tetapi teknologi revolusioner berikutnya masih jauh dari selesai.