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.
Secara garis besar, teknik-teknik ini dipisahkan
menjadi teknik pembelajaran yang "diawasi" yakni menggunakan data
pelatihan yang mencakup keluaran yang diinginkan dan yang "tidak
diawasi" yakni menggunakan data pelatihan tanpa keluaran yang diinginkan.
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.
Machine Learning adalah nama yang umumnya
diterapkan pada sejumlah teknik Bayesian yang digunakan untuk pengenalan dan
pembelajaran pola. Pada intinya, machine learning adalah kumpulan algoritma
yang dapat mempelajari dari dan membuat prediksi berdasarkan data yang direkam,
mengoptimalkan fungsi utilitas yang diberikan dalam ketidakpastian, mengekstrak
struktur data tersembunyi, dan menggolongkan data menjadi deskripsi singkat.
Machine Learning sering kali di-deploy jika pemrograman eksplisit terlalu kaku
atau tidak praktis. Tidak seperti kode komputer biasa yang dikembangkan oleh
developer perangkat lunak untuk mencoba menghasilkan keluaran khusus kode
program berdasarkan masukan yang diberikan, machine learning menggunakan data
untuk menghasilkan kode statistik (model ML), yang akan menyajikan "hasil
yang benar" berdasarkan pola yang dikenali dari contoh masukan sebelumnya
(dan keluaran, jika semua teknik diawasi). Akurasi model ML didasarkan terutama
pada kualitas dan kuantitas data historis.
Dengan data yang tepat, model ML dapat menganalisis masalah dimensi
tinggi dengan miliaran contoh, untuk menemukan fungsi optimal yang dapat
memprediksi hasil dengan masukan yang diberikan. Model ML biasanya dapat
memberikan keyakinan statistik tentang prediksi, serta performanya secara
keseluruhan. Skor evaluasi tersebut penting dalam keputusan jika Anda akan
menggunakan model ML atau prediksi setiap individu.
0 Comments