Kecerdasan Buatan vs Pembelajaran Mesin vs Pembelajaran Mendalam | Perbedaan

Istilah Artificial Intelligence (AI), Machine Learning (ML), dan Deep Learning (DL) telah menjadi sangat umum akhir-akhir ini. Mereka sering digunakan secara bergantian, terutama saat berurusan dengan Big Data, analitik, dan pencarian dan pengindeksan. Meskipun ketiga istilah ini sangat terkait, mereka bukanlah hal yang sama.

Dalam cerita hari ini, kami akan menjelaskan kepada Anda apa itu sebenarnya AI, ML, dan DL, dan perbedaannya satu sama lain. Jangan khawatir; kami tidak akan menggunakan istilah ilmiah yang rumit – kami akan membuatnya sesingkat dan sesederhana mungkin.

Kecerdasan Buatan

AI adalah subdivisi ilmu komputer, pertama kali diciptakan pada tahun 1956 oleh John McCarthy. Komputer biasanya melakukan tugas yang kita perintahkan. Namun, AI adalah cara membangun mesin, atau perangkat lunak yang dapat berpikir cerdas dan bekerja sendiri, sama seperti manusia. Ini termasuk hal-hal seperti memahami bahasa, mengenali suara dan visual, belajar, merencanakan, dan memecahkan masalah.

Misalnya, program konvensional hanya dapat menjawab pertanyaan spesifik, tetapi program AI dapat menjawab pertanyaan umum.

Ada Empat Jenis AI –

1. Reaktif Sepenuhnya: Tipe dasar, tidak bisa menarik kesimpulan. Contoh – AlphaGo Google, DeepBlue IBM
2. Memori Terbatas: Dapat membuat keputusan yang tepat dan mengambil tindakan. Contoh – Chatbots, Kendaraan tanpa pengemudi
3. Teori Pikiran: Dapat memahami pikiran, emosi, dan berinteraksi sosial. — Belum dibangun*
4. Sadar Diri: Dapat membentuk representasi tentang diri mereka sendiri, menyadari keadaan diri sendiri, dan dapat memprediksi perasaan orang lain. –Belum dibangun*

*Meskipun mesin tipe ketiga dan keempat tidak benar-benar ada, mereka diperlihatkan dalam film fiksi ilmiah, seperti R2D2 (tipe-3) dari Star Wars dan Eva (tipe-4) dari Ex Machina.

Pembelajaran Mesin

ML adalah bagian dari AI yang memberikan sistem kemampuan untuk belajar, bertindak, dan meningkatkan dari pengalaman tanpa diprogram secara eksplisit. Jadi, alih-alih secara eksplisit menulis semua metode dengan instruksi khusus untuk mencapai tugas tertentu, ML adalah teknik pelatihan suatu program sehingga dapat belajar dari pengalaman masa lalu. Di sini, pelatihan mengacu pada memasukkan sejumlah besar data ke program dan memungkinkan program untuk mengonfigurasi dirinya sendiri dan meningkatkannya.

Misalnya, jika Anda memberikan ribuan gambar kucing ke algoritme ML, algoritme ML akan mulai mengenali seperti apa kucing – tinggi, warna, bentuk wajah, dll. Akhirnya, ia dapat mengidentifikasi dan secara otomatis menandai kucing dalam gambar. Setelah tingkat akurasi cukup tinggi, algoritme dapat dengan tepat mengetahui seperti apa kucing itu.

Jenis Pembelajaran Mesin:

1. Diawasi: Membuat mesin belajar secara eksplisit melalui data dengan output yang ditentukan.
2. Tidak diawasi: Mesin memahami data (pola/struktur) dan mengambil kesimpulan dari set data.
3. Penguatan: Pendekatan terhadap AI, belajar dari penguatan positif dan negatif, dan berikan penghargaan atas hasil positif.

Pembelajaran Mendalam

Deep Learning adalah subbidang pembelajaran mesin yang membahas algoritme yang terinspirasi oleh struktur dan fungsi otak manusia, atau interkoneksi banyak neuron. Algoritme ini dikenal sebagai Jaringan Syaraf Tiruan (JST) yang meniru struktur biologis otak.

Neuron memiliki lapisan diskrit dan koneksi ke neuron lain. Seseorang dapat memvisualisasikan lapisan ini sebagai hierarki bersarang dari konsep terkait atau pohon keputusan. Setiap lapisan mampu memilih fitur tertentu untuk dipelajari atau mengikuti jalur tertentu. Kedalaman dibangun oleh beberapa lapisan – semakin banyak lapisan yang dimiliki jaringan, semakin dalam/kompleksnya.

Agar terlatih dengan baik, jaringan pembelajaran mendalam membutuhkan item dalam jumlah besar. Daripada menulis kode untuk setiap tepi yang mendefinisikan item, sistem belajar dari paparan jutaan titik data.

Otak Google adalah contoh sempurna pembelajaran mendalam untuk mengenali kucing setelah mengambil lebih dari sepuluh juta sampel gambar. Jaringan ini tidak perlu dikodekan dengan kriteria khusus yang menentukan item; mereka dapat mengidentifikasi tepi setelah terpapar sejumlah besar sampel.

Pada Oktober 2017, kepala Google Brain, Jeff Dean mengatakan di VB Summit, Berkeley –

Saat ini, sistem pengenalan gambar yang dikembangkan dengan pembelajaran mendalam lebih baik daripada manusia – mulai dari mengenali kucing hingga mengidentifikasi indikator kanker darah dan tumor dalam pemindaian MRI.

Google AlphaGo dilatih dalam permainan Go (jauh lebih rumit daripada catur), dan mengembangkan jaringan sarafnya dengan bermain melawan dirinya sendiri berulang-ulang. Pada Maret 2016, ini menjadi program komputer pertama yang mengalahkan pemain Go manusia profesional.

Baca: 18 Mesin Catur Terbaik Berdasarkan Ratingnya

Memvisualisasikan AI ML dan DL

Kredit gambar:Nvidia 

Cara termudah untuk memikirkan hubungan AI, ML, dan DL adalah dengan memvisualisasikannya sebagai lingkaran konsentris, di mana kecerdasan buatan didahulukan, kemudian pembelajaran mesin, dan akhirnya pembelajaran mendalam yang mendorong ledakan AI saat ini.

Dari Payudara Ke Boom

Kecerdasan buatan telah menjadi bagian dari imajinasi manusia dan berkembang pesat di laboratorium penelitian sejak tahun 1956. Kami telah membuat lebih banyak kemajuan dalam 7 tahun sejak 2012 daripada yang kami lakukan dalam 25 tahun sebelumnya dalam berbagai masalah AI utama seperti pengurangan teks, pemrosesan sinyal, suara, dan gambar pengakuan (pekerjaan yang sulit).

Alasan utama ledakan AI dalam beberapa tahun terakhir adalah ketersediaan luas GPU yang membuat pemrosesan paralel menjadi lebih cepat dan lebih murah. Ini juga berkaitan dengan penyimpanan praktis tak terbatas dan seluruh pergerakan Big Data – teks, gambar, transaksi, apa saja.

Saat ini, semua perusahaan raksasa teknologi banyak berinvestasi dalam proyek AI, dan miliaran orang berinteraksi dengan perangkat lunak AI setiap hari melalui mesin telusur web, media sosial, dan platform eCommerce. Dan salah satu jenis (atau bisa dibilang satu-satunya jenis) AI yang paling sering berinteraksi dengan kami adalah Machine Learning.
Menurut statistik, pendapatan global pasar AI akan melampaui $59 triliun pada tahun 2025.

Baca: 18 Fakta Paling Menarik Tentang Komputer Quantum

AI Adalah Masa Depan, Berkat Pembelajaran Mendalam

Deep Learning telah mengaktifkan beberapa aplikasi praktis Machine Learning, dengan memecah tugas dengan cara yang membuat semua jenis bantuan mesin tampak mungkin. Rekomendasi produk dan saran cerita yang lebih baik, perawatan kesehatan preventif yang lebih baik, kendaraan tanpa pengemudi — hari ini, semua hal itu mungkin. Dengan bantuan Deep Learning, AI bahkan dapat mencapai keadaan fiksi ilmiah yang telah lama dibayangkan manusia.