June 12, 2024

iTechnobuzz !!!

Berita Teknologi Terkini

AI ? Artificial Intelligence

itechnobuzz.com – Kecerdasan buatan (AI) adalah seperangkat teknologi yang memungkinkan komputer melakukan berbagai

fungsi lanjutan, termasuk kemampuan untuk melihat, memahami, dan menerjemahkan bahasa lisan dan tulisan, menganalisis data, membuat rekomendasi, dan banyak lagi.

AI adalah tulang punggung inovasi

Dalam komputasi modern, membuka nilai bagi individu dan bisnis. Misalnya, optical character recognition (OCR) menggunakan AI

untuk mengekstrak teks dan data dari gambar dan dokumen, mengubah konten yang tidak terstruktur menjadi data

terstruktur yang siap untuk bisnis, dan membuka wawasan yang berharga.

Siap untuk memulai? Pelanggan baru mendapatkan kredit gratis senilai $300 untuk dibelanjakan di Google Cloud.

Kecerdasan buatan didefinisikan

Kecerdasan buatan adalah bidang ilmu yang berkaitan dengan membangun komputer dan mesin yang dapat berpikir, belajar, dan bertindak sedemikian rupa sehingga biasanya membutuhkan kecerdasan manusia atau yang melibatkan data yang skalanya melebihi apa yang dapat dianalisis manusia.

AI adalah bidang luas yang mencakup berbagai disiplin ilmu, termasuk ilmu komputer, analitik dan statistik data, rekayasa perangkat keras dan perangkat lunak, linguistik, ilmu saraf, dan bahkan filsafat dan psikologi.

Pada tingkat operasional untuk penggunaan bisnis, AI adalah seperangkat teknologi yang terutama didasarkan pada pembelajaran mesin dan pembelajaran mendalam, yang digunakan untuk analitik data, prediksi dan prakiraan, kategorisasi objek, pemrosesan bahasa alami, rekomendasi, pengambilan data cerdas, dan banyak lagi.

Jenis kecerdasan buatan

Kecerdasan buatan dapat diatur dalam beberapa cara, tergantung pada tahapan pengembangan atau tindakan yang dilakukan.

Misalnya, empat tahap pengembangan AI umumnya diakui.

1. Mesin reaktif

AI terbatas yang hanya bereaksi terhadap berbagai jenis rangsangan berdasarkan aturan yang telah diprogram sebelumnya.

Tidak menggunakan memori dan karenanya tidak dapat belajar dengan data baru.

2. Memori terbatas

Sebagian besar AI modern dianggap sebagai memori terbatas. Itu dapat menggunakan memori untuk meningkatkan

dari waktu ke waktu dengan dilatih dengan data baru, biasanya melalui jaringan saraf tiruan atau model pelatihan lainnya.

Pembelajaran mendalam, bagian dari pembelajaran mesin, dianggap sebagai kecerdasan buatan dengan memori terbatas.

3. Teori pikiran

Teori pikiran AI saat ini tidak ada, tetapi penelitian sedang berlangsung untuk mengetahui kemungkinannya.

Ini menggambarkan AI yang dapat meniru pikiran manusia dan memiliki kemampuan pengambilan keputusan

yang setara dengan manusia, termasuk mengenali dan mengingat emosi dan bereaksi dalam situasi sosial seperti yang dilakukan manusia.

4. Sadar diri

Satu langkah di atas teori pikiran AI, AI sadar diri menggambarkan mesin mitos yang sadar akan keberadaannya

sendiri dan memiliki kemampuan intelektual dan emosional manusia. Seperti teori pikiran AI, AI sadar diri saat ini tidak ada.

Cara yang lebih berguna untuk mengkategorikan jenis kecerdasan buatan secara luas adalah berdasarkan apa yang

dapat dilakukan mesin. Semua yang saat ini kita sebut kecerdasan buatan dianggap sebagai kecerdasan “sempit” buatan,

karena hanya dapat melakukan serangkaian tindakan sempit berdasarkan pemrograman dan pelatihannya. Misalnya,

algoritme AI yang digunakan untuk klasifikasi objek tidak akan dapat melakukan pemrosesan bahasa alami.

Google Search adalah bentuk AI sempit, seperti analisis prediktif, atau asisten virtual.

Kecerdasan umum buatan (AGI) adalah kemampuan mesin untuk “merasakan, berpikir, dan bertindak” seperti manusia.

AGI saat ini tidak ada. Tingkat selanjutnya adalah artificial superintelligence (ASI), di mana mesin akan dapat berfungsi dengan segala cara lebih unggul dari manusia.

Model pelatihan kecerdasan buatan

Ketika bisnis berbicara tentang AI, mereka sering berbicara tentang “data pelatihan”. Tapi apa artinya itu?

Ingatlah bahwa kecerdasan buatan dengan memori terbatas adalah AI yang meningkat seiring waktu dengan

dilatih menggunakan data baru. Pembelajaran mesin adalah bagian dari kecerdasan buatan yang

menggunakan algoritme untuk melatih data untuk mendapatkan hasil.

Secara garis besar, tiga jenis model pembelajaran sering digunakan dalam pembelajaran mesin:

Pembelajaran yang diawasi adalah model pembelajaran mesin yang memetakan input tertentu ke output

menggunakan data pelatihan berlabel (data terstruktur). Sederhananya, untuk melatih algoritme

untuk mengenali gambar kucing, beri makan gambar berlabel kucing.

 

 

Selain pembelajaran yang diawasi dan tidak diawasi, pendekatan campuran yang disebut pembelajaran semi-diawasi sering digunakan,

di mana hanya sebagian data yang diberi label. Dalam pembelajaran semi-diawasi, hasil akhir diketahui, tetapi algoritme

harus memikirkan cara mengatur dan menyusun data untuk mencapai hasil yang diinginkan.

Pembelajaran penguatan adalah model pembelajaran mesin yang secara luas dapat digambarkan sebagai “belajar sambil melakukan”.

Seorang “agen” belajar untuk melakukan tugas yang ditentukan dengan coba-coba (putaran umpan balik) hingga kinerjanya

berada dalam kisaran yang diinginkan. Agen menerima penguatan positif saat melakukan tugas dengan baik dan penguatan

negatif saat melakukan tugas dengan buruk. Contoh pembelajaran penguatan akan mengajarkan tangan robot untuk mengambil bola.

Jenis umum dari jaringan saraf tiruan

Jenis model pelatihan yang umum dalam AI adalah jaringan syaraf tiruan, model yang secara longgar didasarkan pada otak manusia.

Jaringan saraf adalah sistem neuron buatan — terkadang disebut perceptron — yang merupakan node komputasi yang

digunakan untuk mengklasifikasikan dan menganalisis data. Data dimasukkan ke dalam lapisan pertama jaringan saraf,

dengan masing-masing perceptron membuat keputusan, lalu meneruskan informasi tersebut ke beberapa node di lapisan berikutnya.

Model pelatihan dengan lebih dari tiga lapisan disebut sebagai “jaringan saraf dalam” atau “pembelajaran mendalam”.

Beberapa jaringan saraf modern memiliki ratusan atau ribuan lapisan. Output dari perceptron akhir menyelesaikan tugas

yang ditetapkan ke jaringan saraf, seperti mengklasifikasikan objek atau menemukan pola dalam data.