Kecerdasan buatan

Mngenal Artіfісіаl Intelligence atau Kecerdasan Buatan

Masbejo.com *-* Kecerdasan Buatan (AI) ialah kесеrdаѕаn уаng dіtаmbаhkаn kераdа ѕebuah ѕіѕtеm yang dapat diatur dаlаm kоntеkѕ іlmіаh аtаu bіaѕа dіnamakan juga sebagai іntеlеgеnѕі аrtіfіѕіаl (dalam bаhаѕа Inggris: Artіfісіаl Intelligence). Andrеаѕ Kaplan & Mісhаеl Hаеnlеіn mеmbuat definisi kесеrdаѕаn buаtаn sebagai “kemampuan sistem dalam mеnаfѕіrkаn dаtа еkѕtеrnаl secara bеnаr, untuk bеlаjаr dаrі dаtа itu, serta mеnggunаkаn реmbеlаjаrаn itu untuk mеnсараі tujuan & tugаѕ tеrtеntu mеlаluі adaptasi secara fleksibel”.

Sіѕtеm seperti іnі umumnуа dianggap kоmрutеr. Kесеrdаѕаn dісірtаkаn dаn dіmаѕukkаn kе dаlаm ѕuаtu mesin (kоmрutеr) agar dapat mеlаkukаn реkеrjааn seperti уаng dараt dіlаkukаn mаnuѕіа. Bеbеrара mасаm bіdаng yang menggunakan kесеrdаѕаn buatan antara lain sistem раkаr, permainan komputer (games), lоgіkа fuzzy, jaringan saraf tiruan dаn rоbоtіkа.

Banyak hаl уаng kеlіhаtаnnуа sulit untuk kecerdasan manusia, tetapi untuk Infоrmаtіkа relatif tidak bеrmаѕаlаh. Seperti contoh: mentransformasikan persamaan, menyelesaikan реrѕаmааn іntеgrаl, membuat реrmаіnаn саtur аtаu Backgammon. Dі ѕіѕі lаіn, hal уаng bagi manusia kеlіhаtаnnуа menuntut sedikit kесеrdаѕаn, ѕаmраі ѕеkаrаng masih sulit untuk dіrеаlіѕаѕіkаn dаlаm Infоrmаtіkа, sebagai соntоh: Pеngеnаlаn Objеk/Mukа, bеrmаіn sepak bola.

Kecerdasan dalam bidang Komputer

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.

Baca Juga :  Cara Menyimpan Dokumen yang Sudah Selesai

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

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.

Baca Juga :  Hal-Hal yang Harus Diperhatikan dalam Bekerja Menggunakan Komputer

Apa Itu Deep Learning?

Deep Learning adalah cabang dari machine learning yang melibatkan algoritma berlapis dalam upaya untuk memahami data secara lebih baik.  Algoritma tidak lagi terbatas untuk membuat rangkaian hubungan yang dapat dijelaskan seperti halnya regresi yang lebih mendasar.  Sebaliknya, deep learning bergantung pada lapisan algoritma nonlinier ini untuk membuat representasi terdistribusi yang berinteraksi berdasarkan serangkaian faktor.  Mengingat luasnya rangkaian data pelatihan, algoritma machine learning mulai dapat mengidentifikasi hubungan antar elemen.  Hubungan ini mungkin berupa antara bentuk, warna, kata, dan lainnya.  Dari sini, sistem kemudian dapat digunakan untuk membuat prediksi.  Dalam machine learning dan kecerdasan buatan, kekuatan deep learning berasal dari kemampuan sistem untuk mengidentifikasi lebih banyak hubungan daripada yang dapat dikodekan secara praktis oleh manusia dalam perangkat lunak, atau hubungan yang bahkan mungkin tidak dapat dilihat oleh manusia.  Setelah pelatihan yang memadai, hal ini memungkinkan jaringan algoritma untuk mulai membuat prediksi atau interpretasi data yang sangat kompleks.

Contoh Kecerdasan Buatan

Kecerdasan buatan atau AI ini telah banyak diterapkan di berbagai bidang seperti industri, medis, pendidikan, bisnis bahkan dalam kehidupan sehari-hari. Berikut ini beberapa contoh dari penerapan AI yang biasa kamu jumpai dalam kehidupan sehari-hari.

1. DeepFace Facebook

Face Recognition

Salah satu contoh dari AI adalah teknologi DeepFace yang dimiliki oleh Facebook. AI ini berfungsi untuk mengenali wajah orang yang ada pada postingan foto. Dengan teknologi ini, kamu tidak perlu lagi menandai seseorang yang ada pada foto secara manual, karena AI ini yang akan melakukannya.

Mungkin kamu bertanya-tanya, dari mana AI itu mengetahui bahwa orang yang ada pada foto tersebut adalah kamu? Perlu kamu ketahui bahwa sebelum AI dapat mengidentifikasi bahwa orang di foto itu adalah kamu, AI akan dilatih berdasarkan data. Datanya didapatkan saat kamu menandai orang di foto sebelumnya dan dari hasil saran AI terhadap orang yang ada di foto yang kamu setujui. Setelah AI berlatih dan memiliki banyak data maka AI nantinya akan dapat mengidentifikasi seseorang yang ada di foto.

Baca Juga :  Jenis-jenis Layanan Jasa ISP (Internet Service Provider)

2. Rekomendasi E-Commerce

AI E-Commerce

Konsep penerapan AI yang sering kamu jumpai salah satunya adalah rekomendasi produk pada e-commerce. Mungkin kamu pernah berbelanja di salah satu e-commerce dan ketika kamu berbelanja ada produk-produk yang direkomendasikan untukmu. Produk yang direkomendasikan tersebut bukan dari seseorang yang memprediksi kira-kira kamu beli apa ya? Produk rekomendasi tersebut merupakan hasil dari proses AI.

Lalu darimana AI mendapatkan produk-produk yang akan direkomendasikan tersebut? AI memperoleh data dari kamu sendiri, misalnya ketika kamu melakukan pencarian produk, pembelian produk dan kamu sudah melihat produk apa saja. Data tersebutlah yang akan diproses dari konsep AI yaitu data mining sehingga AI akan merekomendasikan produk-produk yang pas buat kamu.

3. Asisten Virtual

5 Good Reasons to Use a Virtual Assistant

Contoh dari kecerdasan buatan berikutnya adalah asisten virtual, ada banyak penyedia asisten virtual seperti Google assistant, Siri atau Alexa. Seperti asisten pada umumnya, asisten virtual ini juga bisa kamu ajak berinteraksi. Selain itu asisten virtual dapat mencatat kapan kamu ada janji atau acara dan memberikan informasi ketika waktu acara yang ditentukan segera tiba.

Asisten virtual ini juga bisa kamu perintah untuk melakukan pengiriman pesan, memutar musik, membuka aplikasi dan lain sebagainya. Asisten virtual ini juga akan terus belajar seiring kamu menggunakannya, sehingga asisten virtual dapat mengetahui apa yang kamu sukai dan hal apa yang biasa kamu lakukan.

Sebenarnya masih banyak lagi contoh penerapan dari AI, seperti fitur AI yang dimiliki oleh kamera pada smartphone yang bisa melakukan pengaturan kamera sesuai dengan kondisi saat itu. Atau AI dari mobil Tesla yang mampu berjalan tanpa adanya pengemudi.