Perbedaan Antara Kecerdasan Buatan, Pembelajaran Mesin, dan Pembelajaran Mendalam.by.unsplash
penjelasan tentang perbedaan antara kecerdasan buatan, pembelajaran mesin, dan pembelajaran mendalam. Selain itu, hubungan rumit antara IoT dan AI.
Istilah “kecerdasan buatan” adalah istilah yang umum. Lagi pula, film seperti The Matrix, Ex Machina, dan The Terminator semuanya menampilkannya sebagai fokus populer. Namun, Anda mungkin baru-baru ini mendengar istilah lain seperti “Machine Learning” dan “Pembelajaran Mendalam,” yang terkadang digunakan dalam kalimat yang sama dengan “kecerdasan buatan”. Akibatnya, mungkin sulit untuk membedakan antara kecerdasan buatan, pembelajaran mesin, dan pembelajaran mendalam.
Saya akan mulai dengan mendefinisikan secara singkat istilah “kecerdasan buatan”, “pembelajaran mesin”, dan “pembelajaran mendalam”, serta bagaimana mereka berbeda satu sama lain. Setelah itu, saya akan berbicara tentang bagaimana AI dan Internet of Things tidak dapat dipisahkan, dan bagaimana sejumlah kemajuan teknologi bersatu sekaligus untuk meletakkan dasar bagi ledakan AI dan IoT.
Contents
Jadi apa perbedaan antara AI, ML, dan DL?
Perbedaan Antara Kecerdasan Buatan, Pembelajaran Mesin, dan Pembelajaran Mendalam.by.unsplash
John McCarthy pertama kali menggunakan istilah “AI” pada tahun 1956 untuk menggambarkan mesin yang mampu melakukan tugas-tugas yang khas dari kecerdasan manusia. Meskipun ini agak luas, ini mencakup perencanaan, pemahaman bahasa, pengenalan suara dan objek, pembelajaran, dan masalah. -menyelesaikan.
Ada dua jenis AI: luas dan sempit. Semua karakteristik kecerdasan manusia, termasuk kemampuan yang disebutkan di atas, akan ada pada AI secara umum. Narrow AI memiliki satu atau lebih aspek kecerdasan manusia dan sangat mampu melakukan aspek-aspek tersebut, tetapi kekurangan di bidang lain. Ilustrasi AI yang sempit akan menjadi mesin yang hebat dalam mengenali gambar tetapi tidak melakukan hal lain. Pada intinya, pembelajaran mesin hanyalah cara untuk mencapai AI.
Pada tahun 1959, tidak lama setelah AI, Arthur Samuel muncul dengan frasa dan mendefinisikannya sebagai “kemampuan untuk belajar tanpa diprogram secara eksplisit.” Anda tahu, Anda bisa mendapatkan AI tanpa menggunakan pembelajaran mesin, tetapi melakukannya akan membutuhkan jutaan baris kode yang berisi pohon keputusan dan aturan yang rumit. Oleh karena itu, pembelajaran mesin adalah metode “melatih” suatu algoritme sehingga dapat mempelajari cara melakukan tugas tertentu, sebagai lawan dari rutinitas perangkat lunak hard-coding dengan instruksi khusus. Dalam “pelatihan”, banyak data diumpankan ke algoritma dan diperbolehkan untuk berubah dan menjadi lebih baik.
Sebagai contoh, AI telah digunakan untuk membuat peningkatan radikal pada visi PC (kapasitas mesin untuk melihat item dalam gambar atau video). Setelah mengambil ratusan ribu, jika bukan jutaan, gambar, Anda menandainya dengan manusia. Manusia, misalnya, mungkin memberi label gambar dengan kucing versus yang tidak. Algoritme kemudian mencoba membuat model yang dapat secara akurat mengidentifikasi apakah gambar berisi kucing atau tidak, seperti kaleng manusia. Mesin sekarang telah “belajar “seperti apa kucing setelah tingkat akurasinya cukup tinggi.
Salah satu metode untuk pembelajaran mesin adalah pembelajaran mendalam. Pembelajaran pohon keputusan, pemrograman logika induktif, pengelompokan, pembelajaran penguatan, dan jaringan Bayesian hanyalah beberapa dari pendekatan lainnya.Struktur dan fungsi otak, khususnya keterkaitan banyak neuron, menjadi inspirasi untuk pembelajaran mendalam. Algoritma yang dikenal sebagai jaringan saraf tiruan (JST) dirancang untuk meniru struktur biologis otak.
Ada “neuron” di ANN, yang masing-masing memiliki lapisan dan koneksi yang berbeda ke “neuron” lainnya. Dalam pengenalan gambar, misalnya, setiap lapisan memilih fitur tertentu untuk dipelajari, seperti kurva atau tepi. Pelapisan inilah yang memberikan pembelajaran mendalam namanya; alih-alih hanya menggunakan satu lapisan, beberapa lapisan digunakan untuk menciptakan kedalaman.
IoT dan kecerdasan buatan tidak dapat dipisahkan.
Saya memikirkan hubungan antara AI dan IoT seperti hubungan antara otak dan tubuh manusia. Tubuh kita mengumpulkan input sensorik seperti penglihatan, suara, dan sentuhan. Otak kita mengambil data itu dan memahaminya, mengubah cahaya menjadi objek yang dapat dikenali, dan mengubah suara menjadi ucapan yang dapat dimengerti. Otak kita kemudian membuat keputusan, mengirimkan sinyal kembali ke tubuh untuk memerintahkan gerakan seperti mengambil objek atau berbicara.
Semua sensor terhubung yang membentuk Internet of Things seperti tubuh kita, mereka menyediakan data mentah tentang apa yang terjadi di dunia. Kecerdasan buatan seperti otak kita, memahami data itu dan memutuskan tindakan apa yang harus dilakukan. Dan perangkat IoT yang terhubung kembali seperti tubuh kita, melakukan tindakan fisik atau berkomunikasi dengan orang lain.
Melepaskan Potensi Satu Sama Lain
Nilai dan janji AI dan IoT diwujudkan karena satu sama lain. Dalam beberapa tahun terakhir, AI telah membuat kemajuan signifikan berkat pembelajaran mesin dan pembelajaran mendalam. Agar pembelajaran mesin dan pembelajaran mendalam berfungsi, diperlukan sejumlah besar data. Miliaran sensor Internet of Things saat ini mengumpulkan data ini. AI ditingkatkan oleh IoT.
Internet of Things juga akan diadopsi sebagai hasil dari peningkatan AI, menghasilkan siklus yang baik di mana kedua area akan maju secara signifikan. Ini karena IoT dibuat berguna oleh AI. Di sisi industri, AI dapat digunakan untuk memprediksi kapan mesin akan membutuhkan perawatan atau menganalisis proses manufaktur untuk menghemat jutaan dolar dengan meningkatkan efisiensi secara signifikan.
Di sisi konsumen, teknologi dapat beradaptasi dengan kita daripada memaksa kita untuk beradaptasi dengannya. Kita cukup meminta mesin untuk apa yang kita butuhkan, menghemat waktu dan tenaga kita untuk mengklik, mengetik, dan mencari. Kita mungkin meminta informasi seperti cuaca atau tindakan seperti mematikan termostat, mengunci pintu, mematikan lampu, dll., untuk menyiapkan rumah untuk waktu tidur.
Kemajuan Teknologi yang Konvergen Membuat Ini Mungkin.
Metode manufaktur yang ditingkatkan dan chip komputer yang menyusut menghasilkan sensor yang lebih murah dan lebih bertenaga.
Karena smartphone sekarang memiliki konektivitas nirkabel, sekarang dimungkinkan untuk mengirim banyak data dengan kecepatan rendah dalam jumlah besar, memungkinkan semua sensor tersebut mengirim data ke cloud.
Selain itu, pengembangan cloud memungkinkan penyimpanan dan pemrosesan data tersebut secara virtual tanpa batas.
Tentu saja, ada beberapa kekhawatiran mengenai dampak AI pada masyarakat dan masa depan. Namun, satu hal yang pasti, karena AI dan Internet of Things terus berkembang dan menjadi lebih banyak digunakan: Efeknya akan signifikan.
