Detail

Apa perbedaan dari Artificial Intelligence, Machine Learning, dan Deep Learning?

Mon, Oct 08 2018 | Author: PT. Central Data Technology

Artificial Intelligence, Machine Learning, dan Deep Learning adalah istilah ini tumpang tindih dan sedikit membingungkan. Lalu , mari kita mulai dengan beberapa definisi singkat terkait 3 hal tersebut.

Artificial Intelligence atau AI berarti membuat suatu komputer untuk meniru perilaku manusia dalam beberapa cara dan kebiasaan. Machine Learning merupakan bagian dari AI, dan ini terdiri dari teknik-teknik yang memungkinkan komputer untuk mengetahui hal-hal dari data dan mengirimkan aplikasi AI. Deep Learning adalah bagian dari Machine Learning yang memungkinkan komputer untuk memecahkan masalah yang lebih kompleks dan rumit.

Deskripsi diatas memang benar adanya dan sedikit lebih ringkas. Mari kita pelajari lebih lanjut masing-masing bidang ini dan memberikan sedikit lebih banyak latar belakang terkait hal diatas.

Apa itu Artificial Intelligence ?

Artificial Intelligence sebagai disiplin akademik yang tercipta pada tahun 1956. Tujuannya saat ini adalah membuat komputer untuk melakukan tugas-tugas yang dianggap unik sebagai manusia dan melakukan hal-hal yang membutuhkan kecerdasan. Awalnya, para peneliti bekerja pada masalah seperti bermain catur dan memecahkan masalah logika.

Jika Anda melihat output dari salah satu program bermain catur, Anda dapat melihat beberapa bentuk "kecerdasan buatan" di balik gerakan tersebut, terutama ketika komputer mengalahkan Anda. Keberhasilan awal menyebabkan para peneliti pertama menunjukkan antusiasme yang hampir tak terbatas untuk kemungkinan AI, hanya cocok dengan sejauh mana mereka salah menilai betapa sulitnya beberapa masalah.

Artificial Intelligence kemudian mengacu pada output komputer. Komputer melakukan sesuatu yang cerdas, jadi itu menunjukkan kecerdasan yang buatan. Istilah AI tidak mengatakan apa-apa tentang bagaimana masalah-masalah itu diselesaikan. Ada banyak teknik yang berbeda termasuk sistem berbasis aturan atau pakar. Dan satu kategori teknik mulai menjadi lebih luas digunakan pada tahun 1980-yaitu Machine Learning.

Apa itu Machine Learning ?

Alasan mengapa para peneliti saat itu menemukan beberapa masalah menjadi jauh lebih sulit adalah bahwa masalah-masalah itu sama sekali tidak cocok dengan teknik-teknik awal yang digunakan untuk AI. Algoritme keras-kode atau tetap, sistem berbasis aturan tidak berfungsi dengan baik untuk hal-hal seperti pengenalan gambar atau mengekstraksi makna dari teks. Solusinya ternyata bukan hanya meniru perilaku manusia atau AI tetapi meniru cara manusia belajar.

Pikirkan tentang bagaimana Anda belajar membaca. Anda tidak duduk dan belajar ejaan dan tata bahasa sebelum mengambil buku pertama Anda. Anda membaca buku-buku sederhana, lulus ke yang lebih kompleks dari waktu ke waktu. Anda benar-benar belajar aturan ejaan dan tata bahasa dari bacaan Anda. Dengan kata lain, Anda memproses banyak data dan belajar darinya.

Hal tersebut sesuai dengan ide dari Machine Learning. Feed suatu algoritma (sebagai lawan dari otak Anda) banyak data dan biarkan itu mencari tahu hal-hal baru. Feed algoritma menggunakan banyak data pada transaksi keuangan, akan mengetahui yang mana yang curang, dan akan menunjukkan penipuan sehingga dapat memprediksi penipuan di masa depan. Memberikan informasi tentang basis pelanggan anda dan biarkan ia mencari tahu cara terbaik untuk menyegmentasikannya.

Saat algoritme ini berkembang, mereka dapat mengatasi banyak masalah. Tetapi beberapa hal yang mudah ditemukan manusia (seperti pengenalan ucapan atau tulisan tangan) masih sulit untuk mesin. Namun, jika Machine Learning adalah tentang meniru cara manusia belajar, mengapa tidak pergi jauh dan mencoba meniru otak manusia? Itu ide di balik jaringan saraf.

Ide menggunakan neuron buatan (neuron, dihubungkan oleh sinapsis, adalah elemen utama dalam otak Anda) telah ada selama beberapa waktu. Dan jaringan saraf yang disimulasikan dalam perangkat lunak mulai digunakan untuk masalah-masalah tertentu. Mereka menunjukkan banyak janji dan bisa menyelesaikan beberapa masalah rumit yang tidak bisa ditangani oleh algoritme lain.

Ternyata masalahnya bukan dengan konsep dari Machine Learning atau bahkan dengan ide meniru otak manusia. Hanya jaringan saraf sederhana dengan 100 atau bahkan 1.000 neuron, terhubung dengan cara yang relatif sederhana, tidak bisa meniru apa yang bisa dilakukan oleh otak manusia. Seharusnya tidak mengejutkan jika Anda memikirkannya, otak manusia memiliki sekitar 86 miliar neuron dan interkoneksi yang sangat kompleks.

Apa itu Deep Learning ?

Sederhananya, Deep Learning adalah tentang menggunakan jaringan saraf dengan lebih banyak neuron, lapisan, dan interkoneksi. Kita masih jauh dari meniru otak manusia dalam segala kerumitannya, tetapi kita bergerak ke arah itu.

Dan ketika Anda membaca tentang kemajuan dalam komputasi dari mobil otonom ke superkomputer Go-playing ke pengenalan suara, tidak lain hal itu adalah Deep Learning. Anda mengalami beberapa bentuk Artificial Intelligence. Di belakang layar, AI itu didukung oleh beberapa bentuk pembelajaran yang mendalam.

Mari kita lihat beberapa masalah untuk melihat bagaimana Deep Learning berbeda dari jaringan saraf sederhana atau bentuk Machine Learning lainnya.

Bagaimana Deep Learning bekerja ?

Deep Learning dapat mendefiniskan tentang berbagai elemen yang menggambarkan sesuatu. Dan itu penting untuk banyak hal termasuk kendaraan otonom. Sebelum mobil dapat menentukan tindakan selanjutnya, perlu diketahui apa yang ada di sekitarnya. Itu harus dapat mengenali orang, sepeda, kendaraan lain, rambu-rambu jalan, dan banyak lagi. Dan melakukannya dalam situasi visual yang menantang. Teknik pembelajaran mesin standar tidak dapat melakukannya.

Kesimpulan

AI mengacu pada perangkat yang menunjukkan kecerdasan mirip manusia dalam beberapa cara. Ada banyak teknik untuk AI, tetapi satu bagian dari daftar yang lebih besar itu adalah Machine Learning dan biarkan algoritme belajar dari data. Akhirnya, Deep Learning adalah bagian dari pembelajaran mesin, menggunakan banyak jaringan saraf berlapis untuk memecahkan masalah yang paling sulit (untuk komputer).

Central Data Technology merupakan salah satu Value Added Distributor terbesar di Indonesia. Central Data Technology sebagai Perusahaan teknologi informasi yang mendistribusikan berbagai brand terkemuka di dunia Teknologi Informasi antara lain Oracle, F5, Fujitsu, Hitachi Vantara, Commvault, Talend, Pentaho, Mapr, Apple, AWS, dan Sundray. Central Data Technology telah menjadi penyedia berbagai solusi untuk Security, Server Storage, Database, Backup, WLAN, dan Cloud yang terdepan.

Info lebih lanjut hubungi : marketing@centraldatatech.com

 

 

Sumber artikel :

www.blogs.oracle.com/bigdata/difference-ai-machine-learning-deep-learning