AI, ML, dan Deep Learning Dijelaskan: Perbedaan Utama dan Cara Kerja

Istilah Artificial Intelligence (AI), Machine Learning (ML), dan Deep Learning (DL) sudah sangat umum saat ini. Mereka sering digunakan secara bergantian, terutama saat menangani Big Data, analitik, dan pencarian serta pengindeksan. Meskipun ketiga istilah ini sangat berkaitan, mereka tidaklah sama.

Dalam cerita hari ini, kami akan menjelaskan kepada Anda apa itu AI, ML, dan DL sebenarnya, dan bagaimana mereka berbeda satu sama lain. Jangan khawatir; kami tidak akan menggunakan istilah ilmiah yang rumit – kami akan menjadikannya singkat dan sederhana seakibatkan mungkin.

Kecerdasan Buatan

AI adalah cabang ilmu komputer, yang pertama kali digunakan oleh John McCarthy pada tahun 1956. Komputer biasanya melakukan tugas yang kita perintahkan. Namun, AI adalah cara membangun mesin, atau perangkat lunak yang dapat berpikir secara cerdas dan bekerja sendiri, sama seperti manusia. Ini mencakup 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. Sepenuhnya Reaktif: Jenis dasar, tidak dapat menarik kesimpulan. Contoh – AlphaGo Google, DeepBlue IBM
2. Memori Terbatas: Dapat membuat keputusan yang tepat dan mengambil tindakan. Contoh – Chatbot, kendaraandiri
3. Teori Pikiran: Dapat memahami pikiran, emosi, dan berinteraksi secara sosial. — Belum dibuat*
4. Sadar Diri: Dapat membentuk representasi tentang diri sendiri, sadar akan kondisi diri, dan dapat memprediksi perasaan orang lain. –Belum dibuat*

*Meskipun jenis mesin ketiga dan keempat sebenarnya tidak ada, mereka ditunjukkan dalam film sci-fi, seperti R2D2 (tipe-3) dari Star Wars dan Eva (tipe-4) dari Ex Machina.

Machine Learning

ML adalah subset AI yang memberikan sistem kemampuan untuk belajar, bertindak, dan berperbaiki dari pengalaman tanpa diprogram secara eksplisit. Jadi, alih-alih menulis semua metode dengan instruksi spesifik untuk mencapai tugas tertentu, ML adalah teknik pelatihan program sehingga dapat belajar dari pengalaman masa lalu. Di sini, pelatihan merujuk pada pemberian sejumlah besar data ke program dan membiarkan program mengonfigurasi dirinya sendiri dan berperbaiki.

Misalnya, jika Anda memberikan ribuan gambar kucing kepada algoritma ML, ia akan mulai mengenali bagaimana tampilan kucing – tingginya, warna, bentuk wajah, dll. Akhirnya, ia dapat mengidentifikasi dan secara otomatis memberi tag kucing dalam gambar. Setelah tingkat akurasi cukup tinggi, algoritma dapat dengan tepat mengatakan bagaimana tampilan kucing.

Jenis Machine Learning:

1. Terpantau: Membuat mesin belajar secara eksplisit melalui data dengan output yang didefinisikan.
2. Tidak Terpantau: Memahami data (pola/struktur) dan menarik kesimpulan dari kumpulan data.
3. Penguatan: Pendekatan AI, belajar dari penguatan positif dan negatif, dan memberikan hasil positif.

Deep Learning

Deep Learning adalah subbidang machine learning yang berurusan dengan algoritma yang terinspirasi dari struktur dan fungsi otak manusia, atau interkoneksi banyak neuron. Algoritma ini dikenal sebagai Jaringan Saraf Buatan (ANN) yang meniru struktur biologis otak.

Neuron memiliki lapisan diskrit dan koneksi ke neuron lain. Seseorang dapat memvisualisasikan lapisan ini sebagai hierarki bersarang dari konsep yang 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, semalam dalam/kompleks.

Agar dapat dilatih dengan baik, jaringan deep learning memerlukan kuantitas item yang besar. Alih-alih menulis kode untuk setiap tepi yang mendefinisikan item, sistem belajar dari paparan jutaan titik data.

Google Brain adalah contoh sempurna dari deep learning untuk mengenali kucing setelah mengambil lebih dari sepuluh juta sampel gambar. Jaringan ini tidak perlu dikodekan dengan kriteria spesifik yang mendefinisikan item; mereka dapat mengidentifikasi tepi setelah paparan sejumlah besar sampel.

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

Saat ini, sistem pengenalan gambar yang dikembangkan dengan deep learning lebih baik dari manusia – ini berkisar dari mengenali kucing hingga mengidentifikasi indikator kanker darah dan tumor dalam pemindaian MRI.

Google AlphaGo dilatih pada permainan Go (lebih rumit dari catur), dan ia mengembangkan jaringan sarafnya dengan bermain melawan dirinya sendiri berulang kali. Pada Maret 2016, ia menjadi program komputer pertama yang mengalahkan pemain Go profesional manusia.

Memvisualisasikan AI, ML, dan DL

Kredit gambar: Nvidia

Cara termudah untuk memikirkan hubungan AI, ML, dan DL adalah memvisualisasikannya sebagai lingkaran konsentris, di mana Artificial Intelligence datang pertama, kemudian machine learning, dan akhirnya deep learning yang mendorong ledakan AI saat ini.

Dari Krisis Menuju Boom

Kecerdasan buatan telah menjadi bagian dari imajinasi manusia dan bergeriak di laboratorium penelitian sejak 1956. Kami telah mencapai lebih banyak kemajuan dalam 7 tahun sejak 2012 daripada yang telah dilakukan dalam 25 tahun sebelumnya atas banyak masalah kunci AI seperti pemahaman teks, pemrosesan sinyal, pengenalan suara dan gambar (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 terkait dengan penyimpanan yang tak terbatas dan gerakan Big Data – teks, gambar, transaksi, nama saja.

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

AI adalah Masa Depan, Berkat Deep Learning

Deep Learning telah memungkinkan beberapa aplikasi praktis Machine Learning, dengan memecah tugas-tugas dengan cara yang membuat semua jenis bantuan mesin tampak mungkin. Rekomendasi produk yang lebih baik dan saran cerita, perawatan kesehatan pencegahan yang lebih baik, kendaraan tanpa sopir — saat ini, semua ini mungkin. Dengan bantuan Deep Learning, AI bahkan dapat mencapai status sci-fi yang telah dibayangkan manusia selama bertahun-tahun.