Pembelajaran mesin: apa itu dan apa hubungannya dengan ai?

Hari ini kami ingin mengajarkan Anda secara lebih mendalam salah satu istilah yang telah merevolusi dan akan merevolusi beberapa interaksi seperti yang kita kenal. Kita berbicara tentang Kecerdasan Buatan dan cabang yang paling spesifik, Pembelajaran Mesin atau Pembelajaran Otomatis.

Seperti yang Anda ketahui, komputasi selalu dalam evolusi konstan dan apa yang bisa kita beli biasanya tidak setajam mungkin.

Sebagai contoh, saat kami mengembangkan generasi ke - 4 PCI-Express , para peneliti sudah mengembangkan PCIe Gen 5 dan mempelajari lompatan ke generasi ke- 6 . Untuk alasan yang sama, tidak jarang ditemukan teknologi yang tidak kita ketahui melakukan tugas yang belum pernah kita dengar.

Tetapi sebelum kita melangkah lebih jauh, mari kita persempit topik yang akan kita bicarakan karena, apa itu Pembelajaran Mesin ?

Indeks isi

Apa itu Pembelajaran Mesin ?

Machine Learning adalah cabang khusus dari ilmu komputer dan Inteligensi Buatan di mana sistem yang mampu belajar otomatis dibuat .

Cabang ini memulai studi dan pengembangannya sekitar tahun 80-an dan hari ini cukup berkembang. Untuk alasan yang sama, Kecerdasan Buatan dan Pembelajaran Mesin digunakan dalam banyak bidang ilmiah dan sehari-hari.

Di cabang ini, AI terdiri dari satu atau lebih algoritma yang mampu memproses sejumlah besar data dan belajar sesuai itu. Dua gagasan utama yang menjadi topik pembicaraan topik ini:

• Sistem harus dapat menganalisis data dan membangun keterampilan yang tidak dimilikinya sejak lahir. Intelegensi harus mampu melakukan pekerjaan secara mandiri, yaitu tanpa pengawasan manusia.

Di dunia nyata, kami memiliki contoh-contoh praktis seperti klasifikasi spam dalam email, rekomendasi terkait di Amazon, atau prediksi masa depan menggunakan data perusahaan. Yang terakhir adalah bagian yang menarik yang semakin banyak perusahaan bertaruh.

Menggunakan Machine Learning kita dapat melihat pola apa yang mengidentifikasi pelanggan yang tidak puas atau mantan pelanggan untuk mencoba meningkatkan hubungan dengan pengguna lain di negara yang sama. Senioritas, jumlah pengaduan, rencana kontrak dan lainnya dipelajari untuk membuat profil tertentu. Setelah kesimpulan AI ditarik, sekelompok pakar pemasaran dapat membuat kampanye khusus untuk memerangi masalah tersebut.

Dengan demikian, perusahaan dapat membuat rencana untuk menarik atau mempertahankan pelanggan berdasarkan asumsi tertentu dan beralih dari strategi reaktif ke yang proaktif. Ini adalah taktik yang sangat menarik yang menggunakan Kecerdasan Buatan , data dalam jumlah besar dan Pembelajaran Mesin .

Bagaimana Kecerdasan Buatan dilatih?

Agar Kecerdasan Buatan dipersiapkan, ia harus melalui fase yang berbeda:

1. Ia melewati lingkungan yang terkontrol terlebih dahulu. Di sini Anda memasukkan sejumlah besar data dan hasil masing-masing yang dengannya Anda dapat membuat hubungan antar gagasan. Bagian ini disebut Supervised Learning . Kemudian Anda dimasukkan ke dalam lingkungan yang bebas dan tidak dijawab di mana AI itu sendiri harus memilih hasilnya. Dengan mengetahui apakah jawaban Anda benar atau tidak, Anda membuat aturan baru dalam algoritme Anda. Tahap ini disebut Pembelajaran Tanpa Pengawasan . Akhirnya, sebuah lingkungan disiapkan untuknya di mana ia terputus-putus. Jika, misalnya, sulit bagi Anda untuk membedakan gambar dengan luminositas rendah, mungkin Anda dilatih dengan foto malam. Fase ini disebut Reinforcement Learning. Proses ini dapat dilakukan dari langkah 2 sebanyak yang Anda inginkan untuk menyempurnakan Intelejen .

Skema umum tentang Pembelajaran Mesin

Contoh praktisnya adalah menunjukkan AI sepuluh juta foto dan memberi tahu mereka yang mana anjing dan mana yang bukan. Di sini ia akan menceritakan bahwa anjing biasanya memiliki bulu, mereka biasanya berjalan dengan empat kaki dan ada berbagai bentuk dan ukuran tergantung pada jenisnya.

Setelah itu, dia diberikan sejuta foto untuk diklasifikasi. Di sini Anda harus menjawab apakah ada anjing di dalam foto dan apakah Anda akan membuat 'ide' baru di database Anda atau tidak. Untuk mengimplementasikan data baru ini, Intelijen akan menetapkan aturan baru dalam algoritmanya dan sekarang, misalnya, ia akan dapat membedakan anjing dari kucing.

Akhirnya, efisiensinya dipelajari dan foto-foto baru disiapkan untuk melatih kelemahannya.

Tentu saja, ini adalah sistem yang sederhana dan sangat berulang untuk demonstrasi, tetapi ada metode lain yang lebih eksperimental dan aneh.

Tay, bot Twitter

Kasus pelatihan eksperimental baru-baru ini adalah Tay , AI yang dikembangkan oleh Microsoft yang dirancang untuk belajar mengekspresikan dirinya sebagai manusia.

Profil Twitter Tay

Bot itu diprogram untuk awalnya berbicara sebagai gadis berusia 19 tahun dan pada 23 Maret 2016, ia dilepaskan di tempat gelap Twitter.

Anda diprogram untuk berbicara dengan komunitas dan belajar dari pesan yang Anda terima serta interaksi Anda dengan pengguna. Pembelajarannya hampir sepenuhnya otonom, meskipun ia harus ditarik setelah 16 jam karena menunjukkan perilaku negatif.

Dalam durasi singkat hidupnya, ia men-tweet lebih dari 96.000 tweet. Namun, perilaku ofensif yang disengaja dari jejaring sosial ini membuatnya lebih cepat daripada segera bagi Tay untuk menanggapi dengan frasa rasis dan lainnya.

Dalam hal ini, Pembelajaran yang Dibimbing dan serangkaian aturan dasar seharusnya telah direvisi dengan semestinya. Mengetahui nada riang dan ofensif dari jaringan sosial, Tay tidak siap untuk membedakan yang nyata dari yang sarkastik. Untuk alasan yang sama, beberapa pengguna dengan mudah "mematahkan" batasan intelektual " Intelejen .

Aplikasi Pembelajaran Mesin di dunia nyata

Kami telah memberi tahu Anda tentang beberapa penggunaan sehari-hari yang mungkin Anda sudah tahu tentang Pembelajaran Mesin , tetapi kasus apa yang ada.

Di bawah ini Anda akan melihat serangkaian aplikasi praktis dari teknologi ini dalam masalah yang paling umum. Tentu saja, mereka adalah solusi mutakhir, sehingga mereka juga biasanya membutuhkan lebih banyak uang.

Kesehatan

Sebuah teknologi untuk jenis pakaian baru yang mampu membaca informasi tentang tubuh kita sedang dipelajari. Mungkin bisa membaca detak jantung, pernapasan, atau kecemasan kita.

Data-data ini dibaca oleh Intelijen yang mengevaluasi keadaan pasien secara real time. Jadi jika Anda memiliki masalah seperti serangan jantung pada waktu tertentu, Anda dapat mendiagnosis dan / atau merespons lebih cepat.

Di sisi lain, beberapa bot yang mampu mendeteksi pemikiran bunuh diri telah diterapkan pada beberapa orang. Facebook Intelligence yang terkenal membaca percakapan dan aktivitas Anda untuk mengenali pola kecenderungan bunuh diri, meskipun ada versi lain yang mempelajari lebih dekat perilaku orang tersebut, nada suaranya, dan bahasa tubuhnya.

Keuangan

Dalam bidang ekonomi, beberapa bank dan perusahaan telah menggunakan solusi berbasis Machine Learning untuk mendeteksi dan mencegah penipuan.

Di sisi lain, sesuatu yang serupa juga digunakan untuk lebih mudah mengidentifikasi peluang investasi. Ini juga digunakan untuk memutuskan kapan akan menjual atau membeli saham dan cara lain.

Pemasaran

Ini telah kami sebutkan, tetapi ini adalah salah satu aplikasi yang paling dikenal.

Ini akan terjadi pada Anda untuk melihat beberapa produk di Amazon , masuk ke Facebook, Google atau Instagram dan lihat saja produk itu di iklan Anda. Bukan kebetulan, karena jejaring sosial dan Google menerapkan Intelejen yang mempelajari sejarah Anda dan kemungkinan minat Anda untuk menangkap mereka di mana mereka bisa.

Beberapa pengguna melihatnya sebagai cara mengganggu 'menyerang' pengguna dan tidak mengherankan karena mereka membombardir Anda dengan sebuah ide. Namun, iklan akan bergerak ke arah itu karena lebih bersifat pribadi dan iklan akan ditargetkan untuk pembeli potensial.

Pembelajaran Mesin dan Pembelajaran Mendalam

Kedua istilah ini biasanya berjalan beriringan, tetapi tidak persis sama. Dalam artikel mendatang kita akan membicarakan istilah kedua ini, karena itu adalah sesuatu yang pantas untuk dipelajari.

KAMI MENYARANKAN ANDA Cara menghapus driver AMD dengan bersih dan mudah

Secara umum, kita dapat membangun hubungan antara Pembelajaran Mesin dan Pembelajaran Mendalam sebagai hubungan yang dimiliki Kecerdasan Buatan dan Pembelajaran Mesin . Deep Learning adalah cabang Machine Learning yang bahkan lebih spesifik.

Ini berbagi bagian penting seperti evolusi dari waktu ke waktu dan pengalaman, tetapi memiliki serangkaian perbedaan.

Pembelajaran Jauh Sederhana

Dasarnya untuk belajar dan memproses data adalah menggunakan lapisan berbeda yang bertindak seolah-olah mereka adalah neuron. Oleh karena itu, kita dapat menetapkan bahwa Intelijen ini biasanya lebih halus, tetapi juga lebih rumit dan mahal untuk dibangun.

Meskipun jika Anda lebih tertarik dengan topik ini, tetap ikuti perkembangan situs web dan kunjungi artikel kami berikutnya tentang Pembelajaran Jauh .

Seberapa jauh kita dari Skynet ?

Kami memiliki bagian ini untuk pikiran yang paling melamun.

Ini adalah topik yang sangat berulang dalam buku, film, dan lainnya. Tidak untuk apa-apa ada genre atau tema yang disebut Cyberpunk . Namun, jauh dari distopia futuristik yang dikendalikan oleh Kecerdasan Buatan , mesin kami masih memiliki jalan panjang.

Robot Cerdas Rick & Morty

Sistem Pembelajaran Mesin saat ini termasuk dalam kelompok ' AI lemah'. Seperti yang telah kita lihat, Intelijen ini hanya mampu memahami pola dan membuat kesimpulan sederhana. Mereka sangat berguna untuk mendukung kita dalam konteks tertentu, tetapi mereka sama sekali bukan sistem otonom.

Di sisi lain kita akan memiliki 'AI kuat' , yang diwakili dalam cerita futuristik di mana mereka setara atau jauh lebih cerdas daripada manusia. Kita dapat menemukan contoh penting dalam budaya populer seperti 'Matrix' , 'Terminator' , 'Ghost in the Shell' atau 'Halo' . Bahkan, dalam daftar ini ada dua karya yang saling terkait; Tebak yang mana?

Saat ini kami masih mengembangkan mobil yang sepenuhnya otonom dan aman. Kami terus maju, tetapi kami masih memiliki cara untuk mengembangkan fakta yang sama yang seluruhnya terbuat dari teknologi.

Jika Anda ingin tahu lebih banyak tentang itu, Anda dapat mengunjungi artikel kami tentang Kecerdasan Buatan . Ini adalah teks dari sudut pandang yang lebih umum dan kami mempelajari sedikit kemungkinan akibat teknologi ini.

Kata-kata Akhir tentang Pembelajaran Mesin

Mirip dengan kesimpulan kami tentang Kecerdasan Buatan, jelas bahwa masa depan tidak pasti. Namun, tidak dapat dihindari bahwa evolusi perlu ditinjau untuk menerapkan teknologi di antara keterampilan dan karakteristiknya.

Sedikit demi sedikit, Internet akan semakin banyak dikendalikan oleh program dan algoritma. Jejaring sosial akan dikalibrasi dengan lebih baik dan akan menawarkan kita konten lebih banyak sesuai dengan selera kita. Dan akhirnya, hubungan online akan jauh lebih aman dengan mendeteksi lebih mudah ketika ada bahaya penipuan atau sejenisnya.

Di sisi lain, jangan kaget bahwa abad ini adalah saat IoT (Internet of Things) akan bersinar. Ini adalah ide yang sudah lama kami impikan dan semakin dekat. Selain itu, IoT adalah penawar besar teknologi mutakhir terkait dengan Pembelajaran Mesin, meskipun masih kurang beberapa penyesuaian terkait keamanan.

Untuk bagian kami, kami pikir itu akan menjadi evolusi bertahap dan selama Anda diberitahu tentang apa yang terjadi, Anda tidak perlu takut. Mobil atau kulkas baru mungkin terdengar aneh bagi Anda, tetapi saya tentu tidak berpikir kita akan melihat kebangkitan 'AI kuat'.

Kami merekomendasikan membaca laptop terbaik di pasar

Akhirnya, kita harus mengakui bahwa kita bukan ahli dalam Kecerdasan Buatan atau Pembelajaran Mesin , jadi jangan kaget dengan beberapa data aneh. Jika kami melakukan kesalahan, jangan ragu untuk memberi tahu kami! Lagipula, kita bukan mesin yang sempurna.

Dan Anda, apa pendapat Anda tentang Pembelajaran Mesin dan Kecerdasan Buatan ? Menurut Anda aspek mana yang harus diimplementasikan? Bagikan ide Anda di bawah ini.

Font Dataapdsaslagacetawhatsnew yang baru