Gelombang kecerdasan buatan sedang melanda dunia, dan banyak kata yang selalu terngiang di telinga kita: kecerdasan buatan (Artificial Intelligence), pembelajaran mesin (Machine Learning), pembelajaran mendalam (Deep Learning). Banyak orang selalu memiliki pemahaman yang samar tentang arti kata-kata berfrekuensi tinggi ini dan hubungan di baliknya. Artikel ini mengklarifikasi arti kata-kata ini dalam bahasa yang paling sederhana, yang dapat membantu semua orang lebih memahami hubungan di antara mereka.
Dari mobil hingga smartphone, hingga asisten digital, dan bahkan robot. Kami tidak hanya berbicara tentang fitur baru yang inovatif yang muncul setiap hari. Terlebih lagi, perangkat, komputer, dan mesin semuanya melakukan tugas dengan cerdas. Bagaimana mereka melakukannya? — Melalui kecerdasan buatan, alias AI.
Istilah "kecerdasan buatan" pertama kali diciptakan oleh ilmuwan kognitif John McCarthy, yang menulis dalam bukunya: "Penelitian ini didasarkan pada asumsi bahwa setiap perilaku belajar atau karakteristik intelektual lainnya pada prinsipnya dapat menjadi deskripsi yang tepat, sehingga mesin dapat dibangun untuk mensimulasikannya." Sejak itu, kecerdasan buatan telah menghantui pikiran orang dan perlahan-lahan menetas di laboratorium penelitian ilmiah. Dalam dekade berikutnya, kecerdasan buatan telah membalikkan polaritasnya, atau disebut ramalan masa depan peradaban manusia yang mempesona, atau dibuang ke tumpukan sampah sebagai fantasi orang gila teknologi. Hingga 2012, kedua suara itu ada secara bersamaan.
Gambar|Cabang Penelitian Kecerdasan Buatan
Setelah tahun 2012, berkat peningkatan jumlah data, peningkatan daya komputasi dan munculnya algoritma pembelajaran mesin baru (deep learning), kecerdasan buatan mulai meledak. Namun, pekerjaan penelitian ilmiah saat ini terkonsentrasi pada bagian kecerdasan buatan yang lemah, dan sangat berharap bahwa terobosan besar akan dibuat dalam waktu dekat. Sebagian besar kecerdasan buatan dalam film menggambarkan kecerdasan buatan yang kuat, dan bagian ini sulit dicapai di dunia nyata saat ini. (Kecerdasan buatan biasanya dibagi menjadi kecerdasan buatan yang lemah dan kecerdasan buatan yang kuat. Yang pertama memungkinkan mesin memiliki kemampuan untuk mengamati dan memahami, dan dapat mencapai tingkat pemahaman dan penalaran tertentu, sementara kecerdasan buatan yang kuat memungkinkan mesin untuk memperoleh kemampuan adaptif dan memecahkan beberapa masalah yang sebelumnya tidak dihadapi).
Kecerdasan buatan yang lemah diharapkan dapat membuat terobosan, bagaimana pencapaiannya, dan dari mana "kecerdasan" itu berasal? Ini sebagian besar berkat satu pendekatan kecerdasan buatan – pembelajaran mesin.
Kami menggunakan metode paling sederhana untuk memvisualisasikan hubungan antara ketiganya.
Kecerdasan buatan
Sederhananya, kecerdasan buatan menggambarkan berbagai cara di mana mesin berinteraksi dengan dunia di sekitarnya. Dengan kecerdasan-seperti manusia yang canggih, mesin atau perangkat AI dapat meniru perilaku manusia atau melakukan tugas seperti manusia melalui efek gabungan perangkat lunak dan perangkat keras.
Kita bisa melihat banyak tentang kecerdasan buatan saat ini, seperti pengenalan suara (digunakan di perangkat asisten pribadi pintar), pengenalan wajah (digunakan dalam filter yang sedang populer di media sosial), atau pengenalan objek (seperti mencari apel dan gambar). jeruk).
Pembelajaran mesin
Pembelajaran mesin adalah pendekatan atau bagian dari kecerdasan buatan yang menekankan "belajar" daripada program komputer. Sebuah mesin menggunakan algoritme kompleks untuk menganalisis sejumlah besar data, mengidentifikasi pola dalam data, dan membuat prediksi, sebuah proses yang tidak memerlukan manusia untuk menulis instruksi khusus dalam perangkat lunak mesin. Setelah mengira krim puff sebagai jeruk, pengenalan pola sistem meningkat seiring waktu saat ia belajar dari kesalahannya dan mengoreksi dirinya sendiri seperti manusia.
Pembelajaran Mendalam
Pembelajaran mendalam adalah bagian dari pembelajaran mesin yang mendorong kemajuan besar dalam kecerdasan komputer. Ini menggunakan banyak data dan daya komputasi untuk mensimulasikan jaringan saraf yang dalam. Pada dasarnya, jaringan ini meniru konektivitas otak manusia, mengklasifikasikan kumpulan data dan menemukan korelasi di antara mereka. Dengan pengetahuan yang baru dipelajari (tanpa campur tangan manusia), mesin dapat menerapkan wawasannya ke kumpulan data lain. Semakin banyak data yang diproses mesin, semakin akurat prediksinya.
Misalnya, perangkat pembelajaran-dalam dapat memeriksa data besar—seperti warna, bentuk, ukuran, waktu pematangan, dan asal buah—untuk menentukan secara akurat apakah apel adalah apel hijau atau jeruk adalah apel. darah jingga.
Perbedaan antara AI, pembelajaran mesin, dan pembelajaran mendalam tidak sejelas apel dan jeruk, mereka lebih halus. Pembelajaran mesin adalah metode untuk mencapai kecerdasan buatan, dan pembelajaran mendalam adalah teknologi untuk mencapai pembelajaran mesin. Sekarang apakah Anda mengerti perbedaan di antara mereka?
