Apa itu Artificial Intelligence (AI)?



Original Source Here

Kok bisa sih AI berpikir seperti manusia? Emang gimana caranya? Pada intinya, AI harus “belajar” sebelum ia bisa mensimulasikan kecerdasan atau perilaku manusia. Terus, gimana cara AI “belajar”?

Ada beberapa metode belajar yang bisa diimplementasikan pada AI. Di antaranya adalah metode supervised, metode semi-supervised, metode unsupervised, dan metode reinforcement.

Pada metode supervised, AI menerima sebuah set data beserta label dari setiap data tersebut untuk memprediksi keluaran dari suatu masukan tertentu. Untuk memudahkan dalam memahami metode ini, bayangkan ilustrasi berikut. Terdapat sebuah set data gambar binatang. Setiap data pada set data tersebut dilabeli dengan nama jenis binatang yang sesuai seperti “kucing”, “harimau”, “anjing”, dan lain-lain. Dengan set data dan label yang ada ini, AI dapat belajar untuk menentukan jenis binatang sehingga ketika ia diberi sebuah masukan data gambar binatang yang tidak dilabeli, ia dapat memprediksi jenis binatang dari binatang pada masukan gambar tersebut.

Metode supervised bisa dikategorikan ke dua kasus yang lebih kecil, yaitu kasus klasifikasi dan kasus regresi. Pada kasus klasifikasi, AI digunakan untuk mengklasifikasikan data ke dalam beberapa kategori. Pada kasus regresi, AI digunakan untuk memprediksi nilai yang kontinu.

Metode semi-supervised mirip dengan metode supervised. Hanya saja, hanya beberapa data saja yang memiliki label. Metode ini merupakan metode antara metode supervised dan metode unsupervised yang akan dibahas berikut.

Berbeda dari metode supervised dan metode semi-supervised yang digunakan untuk memprediksi suatu masukan tertentu, metode unsupervised digunakan untuk eksplorasi data dan menarik temuan-temuan dari sebuah set data. Perbedaan lain adalah, pada metode unsupervised, data pada set data yang digunakan untuk belajar tidak memiliki label.

Secara dua garis besar, metode unsupervised diklasifikasikan ke dalam dua permasalahan, yaitu permasalahan clustering dan permasalahan asosiasi. Permasalahan clustering adalah ketika kita ingin mengklasifikasikan data-data pada set data yang digunakan ke beberapa kategori berdasarkan karakteristik tertentu. Di sisi lain, pada permasalahan asosiasi, kita mencari hubungan dari beberapa variabel.

Terakhir, pada metode reinforcement, AI mengimplementasikan pencarian berbasis trial-error dan reward. Jika AI memberikan hasil yang salah, akan diberikan “hukuman”. Sebaliknya, jika ia memberikan hasil yang benar, akan diberikan “ganjaran”. Besar hukuman/ganjaran yang diberikan tergantung pada tingkat kesalahan/kebenaran yang dihasilkan. Jika kesalahan/kebenaran yang diberikan adalah besar, hukuman/ganjaran yang diberikan pun besar. Berlaku sebaliknya.

AI/ML

Trending AI/ML Article Identified & Digested via Granola by Ramsey Elbasheer; a Machine-Driven RSS Bot

%d bloggers like this: