Kecerdasan buatan, pembelajaran mesin dan pembelajaran mendalam sekarang menjadi bagian integral dari banyak perusahaan. Seringkali istilah ini digunakan sebagai sinonim.
Kecerdasan buatan bergerak dalam langkah besar - dari prestasi di bidang kendaraan tak berawak dan kemampuan untuk mengalahkan seseorang dalam permainan seperti
poker dan Go, hingga layanan pelanggan otomatis. Kecerdasan Buatan adalah teknologi canggih yang siap merevolusi bisnis.
Seringkali istilah kecerdasan buatan, pembelajaran mesin, dan pembelajaran mendalam digunakan secara serampangan sebagai yang dapat dipertukarkan, tetapi, pada kenyataannya, ada perbedaan di antara mereka. Bagaimana perbedaan istilah ini akan dijelaskan nanti.
Kecerdasan Buatan (AI)
Kecerdasan buatan adalah konsep luas tentang kecerdasan mesin canggih. Pada tahun 1956, pada sebuah konferensi tentang kecerdasan buatan di Dartmouth, teknologi ini dijelaskan sebagai berikut: "Setiap aspek pembelajaran atau fitur kecerdasan lainnya, pada prinsipnya, dapat secara akurat dijelaskan sehingga mesin dapat meniru mereka."
Kecerdasan buatan dapat berhubungan dengan apa saja - dari program komputer untuk bermain catur hingga sistem pengenalan ucapan, seperti, misalnya, asisten suara
Amazon Alexa , yang mampu memahami pembicaraan dan menjawab pertanyaan. Secara umum, sistem kecerdasan buatan dapat dibagi menjadi tiga kelompok: kecerdasan buatan terbatas (AI sempit), kecerdasan buatan umum (AGI), dan kecerdasan buatan superintelijen.
Program
Deep Blue IBM, yang mengalahkan Garry Kasparov dalam catur pada tahun 1996, atau program Google DeepMind
AlphaGo , yang mengalahkan juara dunia Guo Li Sedol pada tahun 2016, adalah contoh kecerdasan buatan terbatas yang dapat menyelesaikan satu masalah spesifik. Ini adalah perbedaan utamanya dari General Artificial Intelligence (AGI), yang setara dengan kecerdasan manusia dan dapat melakukan banyak tugas yang berbeda.
Kecerdasan buatan supramental adalah satu langkah di atas manusia.
Nick Bostrom menggambarkannya sebagai berikut: itu adalah "kecerdasan yang jauh lebih pintar daripada otak manusia terbaik di hampir semua bidang, termasuk kreativitas ilmiah, kebijaksanaan umum, dan keterampilan sosial." Dengan kata lain, ini adalah saat mobil menjadi lebih pintar dari kita.
Pembelajaran mesin
Pembelajaran mesin adalah salah satu bidang kecerdasan buatan. Prinsip dasarnya adalah bahwa mesin menerima data dan “belajar” darinya. Saat ini, ini adalah alat yang paling menjanjikan untuk bisnis berdasarkan kecerdasan buatan. Sistem pembelajaran mesin memungkinkan Anda untuk dengan cepat menerapkan pengetahuan yang diperoleh selama pelatihan tentang kumpulan data besar, yang memungkinkan mereka unggul dalam tugas-tugas seperti pengenalan wajah, pengenalan ucapan, pengenalan objek, terjemahan, dan banyak lainnya. Tidak seperti program dengan instruksi yang dikodekan secara manual untuk melakukan tugas tertentu, pembelajaran mesin memungkinkan sistem untuk belajar bagaimana mengenali pola secara independen dan membuat prediksi.
Sementara kedua program - baik Deep Blue dan DeepMind - adalah contoh penggunaan kecerdasan buatan, Deep Blue dibangun di atas seperangkat aturan yang telah diprogram, sehingga tidak ada hubungannya dengan pembelajaran mesin. Di sisi lain, DeepMind adalah contoh pembelajaran mesin: program mengalahkan juara dunia di Go dengan melatih dirinya sendiri pada serangkaian besar data gerakan yang dilakukan oleh pemain berpengalaman.
Apakah bisnis Anda tertarik untuk
mengintegrasikan pembelajaran mesin ke dalam strategi Anda? Amazon, Baidu, Google, IBM, Microsoft dan lainnya sudah menawarkan platform pembelajaran mesin yang dapat digunakan perusahaan.
Pembelajaran yang mendalam
Pembelajaran mendalam adalah bagian dari pembelajaran mesin. Ini menggunakan beberapa metode pembelajaran mesin untuk memecahkan masalah nyata menggunakan jaringan saraf yang dapat meniru pengambilan keputusan manusia. Pembelajaran mendalam bisa mahal dan membutuhkan sejumlah besar data pelatihan. Hal ini disebabkan oleh kenyataan bahwa ada sejumlah besar parameter yang perlu dikonfigurasi untuk algoritma pelatihan untuk menghindari kesalahan positif. Sebagai contoh, algoritma pembelajaran yang mendalam dapat diinstruksikan untuk "belajar" seperti apa kucing itu. Untuk menghasilkan pelatihan, sejumlah besar gambar akan diperlukan untuk belajar membedakan antara detail terkecil yang memungkinkan untuk membedakan kucing dari, katakanlah, seekor cheetah atau macan kumbang, atau rubah.
Seperti disebutkan di atas, pada bulan Maret 2016, kemenangan besar dicapai ketika program AlphaGo DeepMind mengalahkan juara dunia Guo Li Sedol dalam 4 dari 5 pertandingan menggunakan pembelajaran mendalam. Menurut Google, sistem pembelajaran yang dalam bekerja dengan menggabungkan "
metode Monte Carlo untuk mencari pohon dengan jaringan saraf yang dalam yang telah dilatih dengan seorang guru dalam permainan profesional dan memperkuat pembelajaran dalam permainan dengan diri mereka sendiri."
Pembelajaran mendalam juga memiliki aplikasi bisnis. Anda dapat mengambil sejumlah besar data - jutaan gambar, dan dengan bantuan mereka mengidentifikasi karakteristik tertentu. Pencarian teks, deteksi penipuan, deteksi spam, pengenalan tulisan tangan, pencarian gambar, pengenalan suara, terjemahan - semua tugas ini dapat diselesaikan menggunakan pembelajaran yang mendalam. Misalnya, jaringan pembelajaran Google yang dalam telah menggantikan banyak "sistem berbasis aturan yang membutuhkan kerja manual."
Perlu dicatat bahwa pembelajaran yang mendalam bisa sangat "bias". Misalnya, ketika sistem pengenalan wajah Google awalnya digunakan, itu menandai banyak wajah hitam sebagai gorila. "Ini adalah contoh dari apa yang terjadi jika Anda tidak memiliki orang Afrika-Amerika di set pelatihan Anda," kata Anu Tewary, ilmuwan data utama di Mint at Intuit. "Jika Anda tidak memiliki orang Afrika-Amerika yang bekerja pada sistem, jika Anda tidak memiliki orang Afrika-Amerika yang menguji sistem, maka ketika sistem Anda bertemu orang-orang Afrika-Amerika, ia tidak akan tahu bagaimana harus bersikap."
Ada pendapat bahwa
topik pembelajaran yang mendalam sangat bergembira .
Sundown AI , misalnya, menyediakan interaksi pelanggan otomatis menggunakan kombinasi pembelajaran mesin dan algoritma grafik kebijakan tanpa pembelajaran mendalam.
Artikel asli adalah "
Memahami perbedaan antara AI, pembelajaran mesin, dan pembelajaran mendalam ."