Apa itu Pembelajaran Mesin dan Pembelajaran Mendalam dalam Kecerdasan Buatan

SMKN1SLAHUNG - Perangkat yang terhubung ke Internet disebut perangkat pintar. Hampir semua yang berhubungan dengan Internet dikenal sebagai perangkat pintar . Dalam konteks ini, kode yang membuat perangkat SMARTER - sehingga dapat bekerja dengan minimal atau tanpa campur tangan manusia - dapat dikatakan didasarkan pada Artificial Intelligence (AI). Dua lainnya, yaitu: Machine Learning (ML), dan Deep Learning (DL), adalah berbagai jenis algoritma yang dibangun untuk membawa lebih banyak kemampuan ke perangkat pintar. Mari kita lihat AI vs ML vs DL secara rinci di bawah ini untuk memahami apa yang mereka lakukan dan bagaimana mereka terhubung ke AI.

Apa itu Inteligensi Buatan sehubungan dengan ML & DL

AI dapat disebut sebagai superset dari proses Machine Learning (ML), dan proses Deep Learning (DL). AI biasanya adalah istilah umum yang digunakan untuk ML dan DL. Deep Learning adalah lagi, subset dari Machine Learning (lihat gambar di atas).

Beberapa berpendapat bahwa Pembelajaran Mesin tidak lagi menjadi bagian dari AI universal. Mereka mengatakan ML adalah ilmu lengkap dalam dirinya sendiri dan dengan demikian, tidak perlu disebut dengan mengacu pada Kecerdasan Buatan. AI berkembang pesat pada data: Big Data. Semakin banyak data yang dikonsumsi, semakin akurat. Bukannya ia akan selalu memprediksi dengan benar. Akan ada bendera palsu juga. AI melatih dirinya sendiri tentang kesalahan-kesalahan ini dan menjadi lebih baik dalam apa yang seharusnya dilakukan - dengan atau tanpa pengawasan manusia.

Inteligensi buatan tidak dapat didefinisikan dengan baik karena telah merambah hampir semua industri dan mempengaruhi terlalu banyak jenis proses dan algoritma (bisnis). Kita dapat mengatakan bahwa Kecerdasan Buatan didasarkan pada Ilmu Data (DS: Big Data ) dan berisi Pembelajaran Mesin sebagai bagian yang berbeda. Demikian juga, Deep Learning adalah bagian berbeda dari Machine Learning.

Cara pasar TI miring, masa depan akan didominasi oleh perangkat pintar yang terhubung, yang disebut Internet of Things (IoT) . Perangkat pintar berarti kecerdasan buatan: langsung atau tidak langsung. Anda sudah menggunakan kecerdasan buatan (AI) dalam banyak tugas dalam kehidupan sehari-hari Anda. Misalnya, mengetik pada keyboard ponsel cerdas yang terus menjadi lebih baik pada "saran kata". Di antara contoh lain di mana Anda secara tidak sadar berurusan dengan Kecerdasan Buatan sedang mencari hal-hal di Internet, belanja online, dan tentu saja, kotak masuk email Gmail dan Outlook yang selalu pintar.

Apa itu Pembelajaran Mesin

Machine Learning adalah bidang Inteligensi Buatan di mana tujuannya adalah untuk membuat mesin (atau komputer, atau perangkat lunak) belajar dan melatih dirinya sendiri tanpa banyak pemrograman. Perangkat seperti itu membutuhkan lebih sedikit pemrograman karena mereka menerapkan metode manusia untuk menyelesaikan tugas, termasuk belajar bagaimana melakukan lebih baik. Pada dasarnya, ML berarti memprogram komputer / perangkat / perangkat lunak sedikit dan memungkinkannya untuk belajar sendiri.

Ada beberapa metode untuk memfasilitasi Pembelajaran Mesin. Dari mereka, tiga berikut digunakan secara luas:

Pembelajaran Supervisi dalam Pembelajaran Mesin

Dibimbing dalam arti bahwa para programmer terlebih dahulu menyediakan mesin dengan data berlabel dan jawaban yang sudah diproses. Di sini, label berarti nama baris atau kolom dalam database atau spreadsheet. Setelah memasukkan set besar data tersebut ke komputer, siap untuk menganalisis set data lebih lanjut dan memberikan hasilnya sendiri. Itu berarti Anda mengajari komputer cara menganalisis data yang dimasukkan ke dalamnya.

Biasanya, ini dikonfirmasi menggunakan aturan 80/20. Set besar data dimasukkan ke komputer yang mencoba dan mempelajari logika di balik jawaban. 80 persen data dari suatu acara diumpankan ke komputer bersama dengan jawaban. 20 persen sisanya diumpankan tanpa jawaban untuk melihat apakah komputer dapat memberikan hasil yang tepat. 20 persen ini digunakan untuk pemeriksaan silang untuk melihat bagaimana komputer (mesin) belajar.

Pembelajaran Mesin Tanpa Pengawasan

Pembelajaran tanpa pengawasan terjadi ketika mesin diumpankan dengan set data acak yang tidak berlabel, dan tidak berurutan. Mesin harus mencari cara untuk menghasilkan hasilnya. Misalnya, jika Anda menawarkan softballs dengan warna yang berbeda, itu harus dapat dikategorikan berdasarkan warna. Dengan demikian, di masa depan, ketika mesin disajikan dengan softball baru, ia dapat mengidentifikasi bola dengan label yang sudah ada dalam database-nya. Tidak ada data pelatihan dalam metode ini. Mesin harus belajar sendiri.

Pembelajaran Penguatan

Mesin yang dapat membuat urutan keputusan termasuk dalam kategori ini. Lalu ada sistem penghargaan. Jika mesin bekerja dengan baik pada apa pun yang diinginkan oleh programmer, ia mendapat hadiah. Mesin diprogram sedemikian rupa sehingga sangat membutuhkan imbalan maksimal. Dan untuk mendapatkannya, itu memecahkan masalah dengan merancang algoritma yang berbeda dalam kasus yang berbeda. Itu berarti komputer AI menggunakan metode coba-coba untuk mendapatkan hasil.

Misalnya, jika mesin adalah kendaraan yang bisa menyetir sendiri, ia harus membuat skenario sendiri di jalan. Tidak mungkin seorang programmer dapat memprogram setiap langkah karena dia tidak bisa memikirkan semua kemungkinan ketika mesin di jalan. Di situlah Reinforcement Learning masuk. Anda juga bisa menyebutnya trial and error AI.

Bagaimana Deep Learning berbeda dari Machine Learning

Deep Learning adalah untuk tugas yang lebih rumit. Deep Learning adalah bagian dari Machine Learning. Hanya itu mengandung lebih banyak jaringan saraf yang membantu mesin dalam belajar. Jaringan saraf buatan manusia bukanlah hal baru. Laboratorium di seluruh dunia berusaha membangun dan meningkatkan jaringan saraf sehingga mesin dapat membuat keputusan yang tepat. Anda pasti pernah mendengar tentang Sophia , seorang humanoid di Saudi yang diberi kewarganegaraan biasa. Jaringan saraf seperti otak manusia tetapi tidak secanggih otak.

Ada beberapa jaringan bagus yang menyediakan pembelajaran mendalam tanpa pengawasan. Anda dapat mengatakan bahwa Deep Learning adalah lebih banyak jaringan saraf yang meniru otak manusia. Namun, dengan data sampel yang cukup, algoritma Deep Learning dapat digunakan untuk mengambil detail dari data sampel. Misalnya, dengan mesin pengolah gambar DL, lebih mudah membuat wajah manusia dengan emosi yang berubah sesuai dengan pertanyaan yang diajukan mesin.

Di atas menjelaskan AI vs MI vs DL dalam bahasa yang lebih mudah. AI dan ML adalah bidang yang luas - yang baru saja terbuka dan memiliki potensi yang luar biasa. Inilah alasan sebagian orang menentang penggunaan Machine Learning dan Deep Learning dalam Inteligensi Buatan.