Q:
Apa perbedaan antara kecerdasan buatan, pembelajaran mesin dan pembelajaran mendalam?
SEBUAH:Istilah "kecerdasan buatan, " "pembelajaran mesin" dan "pembelajaran mendalam" menggambarkan proses yang telah dibangun sendiri selama beberapa dekade terakhir, karena dunia telah membuat kemajuan besar dalam daya komputasi, transfer data, dan tujuan teknologi lainnya.
Percakapan harus dimulai dengan kecerdasan buatan, istilah luas untuk setiap kemampuan komputer atau teknologi untuk mensimulasikan pemikiran manusia atau aktivitas otak. Dalam arti tertentu, kecerdasan buatan dimulai sejak dini, dengan program-program bermain catur komputer yang sederhana dan program-program lain yang mulai meniru pengambilan keputusan dan pemikiran manusia.
| Unduh Gratis: Pembelajaran Mesin dan Mengapa Itu Penting |
Kecerdasan buatan terus berkembang dari masa-masa awal komputer pribadi, ke zaman internet, dan akhirnya ke zaman komputasi awan, virtualisasi, dan jaringan canggih. Kecerdasan buatan telah tumbuh dan berkembang dalam banyak hal sebagai industri teknologi utama.
Salah satu tonggak dalam kecerdasan buatan adalah munculnya dan adopsi pembelajaran mesin, pendekatan khusus untuk mencapai tujuan kecerdasan buatan.
Pembelajaran mesin menggunakan algoritma dan program yang canggih untuk membantu perangkat lunak komputer menjadi lebih baik dalam membuat set keputusan tertentu dalam lingkungan kinerja. Alih-alih hanya pemrograman komputer untuk melakukan satu set hal berulang-ulang, seperti halnya dengan program kode tangan tahun 1970-an dan 1980-an, pembelajaran mesin mulai menggunakan heuristik, pemodelan perilaku dan jenis proyeksi lainnya untuk memungkinkan teknologi untuk meningkatkan pengambilan keputusan dan berkembang seiring waktu. Pembelajaran mesin telah diterapkan untuk memerangi email spam, mengimplementasikan kepribadian kecerdasan buatan seperti IBM Watson, dan mencapai tujuan kecerdasan buatan dengan cara lain.
Pembelajaran yang dalam, pada gilirannya, dibangun di atas pembelajaran mesin. Para ahli menggambarkan pembelajaran yang mendalam sebagai penggunaan algoritma untuk mendorong abstraksi tingkat tinggi, seperti penggunaan jaringan saraf tiruan untuk melatih teknologi pada tugas. Pembelajaran mendalam membutuhkan pembelajaran mesin ke tingkat berikutnya dengan mencoba memodelkan aktivitas otak manusia yang sebenarnya dan menerapkannya pada pengambilan keputusan buatan atau pekerjaan kognitif lainnya.
Pembelajaran mendalam telah ditunjukkan melalui contoh-contoh seperti program optimisasi rantai pasokan mutakhir, program peralatan laboratorium, dan jenis inovasi lainnya seperti jaringan permusuhan generatif, di mana dua jaringan yang berlawanan, jaringan generatif dan diskriminatif, saling bekerja sama untuk memodelkan manusia. proses berpikir diskriminasi. Jenis pembelajaran mendalam ini dapat diterapkan untuk pemrosesan gambar dan penggunaan lainnya.
Kenyataannya adalah bahwa pembelajaran yang mendalam mendorong kecerdasan buatan lebih dekat ke apa yang para ahli anggap sebagai "AI kuat, " kecerdasan buatan yang kurang lebih mampu mereplikasi banyak fungsi pemikiran manusia. Ini menimbulkan perdebatan signifikan tentang bagaimana menangani teknologi yang muncul ini secara efektif, dan bagaimana cara merawat dunia di mana komputer berpikir dalam beberapa cara yang sama yang kita lakukan.
