Perbedaan antara AI, pembelajaran mesin, dan pembelajaran mendalam

Dunia teknologi – Dalam beberapa tahun terakhir, seiring dengan ledakan revolusi industri 4.0, istilah-istilah seperti kecerdasan buatan (AI), machine learning dan deep learning secara bertahap menjadi populer dan menjadi konsep yang harus dipahami oleh warga era 4.0.

Hubungan antara ketiga konsep ini dapat dijelaskan dengan menganggapnya sebagai lingkaran, di mana AI – ide paling awal – adalah lingkaran terbesar, diikuti oleh pembelajaran mesin – konsep yang muncul setelahnya. , dan akhirnya pembelajaran mendalam – yang mendorong arus. AI boom – adalah lingkaran terkecil.

Membangun sistem AI tentu saja sangat rumit, tetapi memahaminya tidak begitu sulit. Sebagian besar kecerdasan buatan saat ini hanyalah mesin tebak yang sangat bagus (mirip dengan otak kita). Anda memberi sistem sekelompok data (seperti angka 1 sampai 10) dan meminta sistem untuk membuat model (x + 1, mulai dari 0) dan membuat prediksi. (Angka berikutnya adalah sebelas). Tidak ada keajaiban, inilah yang dilakukan otak manusia setiap hari: gunakan apa yang kita ketahui untuk membuat tebakan tentang hal yang tidak diketahui.

Apa yang membuat AI berbeda dari program komputer lain adalah bahwa alih-alih harus membuat program khusus untuk setiap kasus, kami dapat sepenuhnya mengajarkan AI (pembelajaran mesin), dan juga memiliki kemampuan untuk pembelajaran mendalam secara otomatis. Ketiga konsep tersebut pada dasarnya dapat didefinisikan sebagai berikut:

Artificial Intelligence (AI):  mesin yang dapat meniru perilaku dan pemikiran manusia.

Pembelajaran mesin:  Fitur AI yang memungkinkan para ahli melatih AI untuk mengenali pola data dan membuat prediksi.

Pembelajaran mendalam:  Teknik kecil pembelajaran mesin yang memungkinkan mesin untuk melatih diri mereka sendiri.

Konsep khusus

Kecerdasan buatan – otak manusia dalam bentuk mesin

AI dapat didefinisikan sebagai cabang ilmu komputer yang berhubungan dengan otomatisasi perilaku cerdas. AI adalah bagian dari ilmu komputer, dan oleh karena itu harus didasarkan pada prinsip-prinsip teoretis yang dapat diterapkan di lapangan. Sederhananya: itu adalah kecerdasan mesin yang diciptakan oleh manusia. Kecerdasan ini dapat berpikir, berpikir, belajar, ... seperti kecerdasan manusia. Memproses data pada tingkat yang lebih besar, lebih besar, sistematis, ilmiah, dan lebih cepat daripada manusia.

Namun, saat ini teknologi AI masih sangat terbatas. Misalnya, Alexa – pembantu rumah tangga yang hebat, salah satu ikon paling populer dari aplikasi kecerdasan buatan, tetapi masih tidak dapat lulus tes Turing.

Singkatnya, apa yang kami lakukan dengan AI hari ini adalah dalam konsep "AI Sempit". Teknologi ini mampu melakukan tugas-tugas tertentu dengan cara yang mirip, atau lebih baik dari, manusia. Contoh "AI sempit" dalam praktiknya termasuk teknologi klasifikasi gambar Pinterest atau pengenalan wajah untuk menandai teman di Facebook.

Teknologi ini mewakili beberapa aspek kecerdasan manusia, tapi bagaimana bisa? Dari mana datangnya kebijaksanaan itu? Mari kita beralih ke lingkaran berikutnya: pembelajaran mesin.

Pembelajaran mesin – sebuah pendekatan AI

Machine Learning adalah istilah luas yang mengacu pada tindakan Anda mengajar komputer untuk meningkatkan tugas yang dilakukannya. Lebih khusus lagi, pembelajaran mesin mengacu pada sistem apa pun di mana kinerja komputer saat melakukan tugas menjadi lebih baik setelah menyelesaikan tugas itu berkali-kali. Dengan kata lain, kemampuan paling dasar dari pembelajaran mesin adalah menggunakan algoritma untuk menganalisis informasi yang tersedia, belajar darinya, dan kemudian membuat keputusan atau prediksi tentang sesuatu yang terkait. Alih-alih membuat perangkat lunak dengan instruksi dan tindakan terperinci untuk melakukan tugas tertentu, komputer "dilatih" menggunakan sejumlah besar data dan algoritme untuk mempelajari cara melakukan tugas tersebut. .

Tanpa pembelajaran mesin, AI saat ini akan sangat terbatas karena memberi komputer kekuatan untuk mencari tahu tanpa diprogram secara eksplisit. Sebagai contoh jenis pembelajaran mesin, katakanlah Anda ingin sebuah program dapat mengidentifikasi kucing dalam gambar:

• Pertama, Anda memberi AI serangkaian karakteristik kucing untuk dikenali mesin, seperti warna bulu, bentuk tubuh, ukuran, dll.
• Selanjutnya, Anda memasukkan beberapa gambar ke AI, di mana beberapa atau semua gambar mungkin diberi label “kucing” sehingga mesin dapat lebih efektif memilih fitur dan detail terkait kucing. .
• Setelah mesin menerima semua data kucing yang diperlukan, ia harus tahu cara menemukan kucing dalam gambar – “Jika gambar berisi detail X, Y, atau Z tertentu, ada peluang 95% untuk menemukan kucing dalam gambar. . Mungkin itu kucing."

Secara umum, penerapan pembelajaran mesin saat ini sangat populer dan kegunaannya tidak terbantahkan.

Pembelajaran mendalam – teknik pembelajaran mesin

Dapat dikatakan bahwa hingga saat ini, AI telah mencapai banyak kemajuan. Anggap saja sebagai semacam pembelajaran mesin dengan "jaringan saraf" mendalam yang dapat memproses data dengan cara yang sama seperti otak manusia. Perbedaan utama di sini adalah bahwa manusia tidak perlu mengajarkan program pembelajaran mendalam seperti apa kucing itu, tetapi berikan saja semua gambar kucing yang diperlukan, dan ia akan mengetahuinya sendiri. , belajar mandiri. Langkah-langkah yang harus dilakukan adalah sebagai berikut:

• Berikan mesin banyak gambar kucing.
• Algoritme akan memeriksa gambar untuk melihat fitur umum dan detail di antara gambar.
• Setiap gambar akan didekodekan secara mendetail di berbagai tingkatan, dari bentuk umum yang besar hingga ubin yang lebih kecil dan lebih kecil. Jika suatu bentuk atau garis diulang berkali-kali, algoritme akan melabelinya sebagai properti penting.
• Setelah menganalisis cukup banyak gambar yang diperlukan, algoritme sekarang mengetahui pola mana yang memberikan bukti terkuat tentang kucing, dan yang harus dilakukan manusia hanyalah menyediakan data mentah.

Singkatnya: Pembelajaran mendalam adalah jenis pembelajaran mesin di mana mesin melatih dirinya sendiri. Pembelajaran mendalam membutuhkan lebih banyak input data dan daya komputasi daripada pembelajaran mesin, tetapi sudah mulai diterapkan oleh perusahaan teknologi besar seperti Facebook dan Amazon. Di antara mereka, salah satu nama paling terkenal dalam pembelajaran mesin adalah AlphaGo, komputer yang dapat memainkan Go melawan dirinya sendiri hingga dapat memprediksi gerakan paling akurat yang cukup untuk mengalahkan banyak juara dunia.

Menyimpulkan

Pembelajaran mendalam telah memungkinkan penerapan banyak masalah mesin nyata sambil memperluas bidang kecerdasan buatan secara keseluruhan. Pembelajaran mendalam mengganggu cara manusia bekerja dengan membuat semua jenis mesin bantu bisa diterapkan, mirip atau identik dengan manusia. Mobil tanpa pengemudi, perawatan kesehatan yang lebih baik… Semua diwujudkan di zaman sekarang ini. AI adalah masa kini dan masa depan dunia. Dengan bantuan deep learning, AI dapat mewujudkan mimpi sci-fi yang telah lama kita bayangkan.