Mengenal Artificial Intelligence

Mengenal Artificial Intelligence

Kecerdasan Buatan (AI) adalah bidang ilmu komputer yang dikhususkan untuk memecahkan masalah kognitif yang umumnya terkait dengan kecerdasan manusia, seperti pembelajaran, pemecahan masalah, dan pengenalan pola. Kecerdasan Buatan, sering disingkat sebagai “AI”, mungkin berkonotasi dengan robotika atau adegan futuristik, Kecerdasan Buatan (AI) mengungguli robot fiksi ilmiah, ke dalam non-fiksi ilmu komputer canggih modern. Profesor Pedro Domingos, seorang peneliti terkemuka di bidang ini, menggambarkan “lima suku” machine learning, yang terdiri dari simbolis, yang berasal dari logika dan filsafat; koneksionis, yang berasal dari ilmu saraf; evolusioner, berkaitan dengan biologi evolusioner; Bayesian, berhubungan dengan statistik dan probabilitas; dan analogis yang berasal dari psikologi. Baru-baru ini, kemajuan dalam efisiensi komputasi statistik telah membuat Bayesian berhasil memajukan bidang di sejumlah area, yang disebut “machine learning”. Demikian pula, kemajuan dalam komputasi jaringan telah menyebabkan koneksionis memperluas ke subbidang yang disebut “deep learning”. Machine learning (ML) dan deep learning (DL) merupakan bidang ilmu komputer yang berasal dari disiplin Kecerdasan Buatan.

Kecerdasan Buatan (AI) “lebih cerdas” dan belajar lebih cepat dengan lebih banyak data, dan setiap hari, semua perusahaan menghasilkan bahan bakar ini untuk menjalankan solusi machine learning dan deep learning, baik yang dikumpulkan dan diekstraksi dari gudang data seperti Amazon Redshift, yang benar-benar akurat melalui kekuatan “klaster” dengan Mechanical Turk, maupun secara dinamis ditambang melalui Kinesis Streams. Lebih jauh, dengan munculnya IoT, teknologi sensor secara eksponensial menambah jumlah data yang akan dianalisis — data dari sumber dan tempat serta objek dan peristiwa yang sebelumnya hampir tidak tersentuh.

Mengapa kecerdasan buatan penting?

  • AI mengautomasi pembelajaran dan penemuan berulang melalui data. Tetapi AI berbeda dengan automasi robotik yang digerakkan oleh perangkat keras. Alih-alih mengautomasi tugas manual, AI melakukan tugas-tugas yang sering, bervolume tinggi, terkomputerisasi dengan andal dan tanpa mengalami kelelahan. Untuk jenis automasi ini, penyelidikan manusia masih penting untuk mengatur sistem dan mengajukan pertanyaan yang tepat.
  • AI menambahkan kecerdasan pada produk-produk yang ada. Di sebagian besar kasus, AI tidak dijual sebagai aplikasi individu. Akan tetapi, produk yang sudah Anda gunakan akan ditingkatkan dengan kemampuan AI, mirip seperti Siri yang ditambahkan sebagai fitur pada generasi baru produk Apple. Automasi, platform percakapan, bot, dan mesin pintar dapat dikombinasikan dengan sejumlah besar data untuk meningkatkan banyak teknologi di rumah dan di tempat kerja, mulai dari intelijen keamanan hingga analisis investasi.
  • AI beradaptasi melalui algoritme pembelajaran progresif guna memungkinkan data melakukan pemrograman. AI menemukan struktur dan keteraturan dalam data sehingga algoritme memperoleh keterampilan: Algoritme menjadi pengklasifikasi atau prediktor. Jadi, sama seperti algoritme yang dapat mengajarkan dirinya sendiri cara bermain catur, AI dapat mengajarkan sendiri produk apa yang akan direkomendasikan berikutnya secara online. Dan model-model beradaptasi saat memberikan data baru. Propagasi belakang merupakan teknik AI yang memungkinkan model untuk beradaptasi, melalui pelatihan dan data yang ditambahkan, saat jawaban pertama tidak terlalu tepat.
  • AI menganalisis data lebih banyak dan lebih dalam menggunakan jaringan neural yang memiliki banyak lapisan tersembunyi. Membangun sistem deteksi penipuan dengan lima lapisan tersembunyi hampir tidak mungkin beberapa tahun yang lalu. Semuanya berubah dengan kekuatan komputer yang luar biasa dan big data. Anda memerlukan banyak data untuk melatih model pembelajaran mendalam karena model tersebut belajar langsung dari data. Semakin banyak data yang Anda umpankan kepada model, semakin akurat model tersebut.
  • AI mencapai keakuratan mengagumkan melalui jaringan neural mendalam – yang sebelumnya tidak dimungkinkan. Misalnya, interaksi Anda dengan Alexa, Google Search, dan Google Photos semuanya didasarkan pada pembelajaran yang mendalam – dan ketiganya terus menjadi semakin akurat karena kita semakin sering menggunakannya. Di bidang medis, teknik AI dari pembelajaran mendalam, klasifikasi citra, dan pengenalan objek sekarang dapat digunakan untuk menemukan kanker pada MRI dengan akurasi yang sama seperti ahli radiologi yang terlatih.
  • AI memanfaatkan sebagain besar data. Jika algoritme merupakan pembelajaran mandiri, data itu sendiri dapat menjadi kekayaan intelektual. Jawabannya ada dalam data; Anda hanya perlu menerapkan AI untuk mendapatkannya. Karena peran data kini semakin penting dari sebelumnya, data dapat menciptakan keunggulan kompetitif. Jika Anda memiliki data terbaik dalam industri kompetitif, bahkan jika seseorang menerapkan teknik serupa, data terbaiklah yang akan menang.

oemahbeling

See all posts

Leave a Reply

Your email address will not be published. Required fields are makes.

Open chat
Halo
Ada Yang Bisa Dibantu