Pembelajaran Mesin vs. Kecerdasan Buatan

Diterbitkan: 2020-08-07

Seluruh dunia saat ini sedang dikunci karena pandemi COVID-19. Sekolah, perguruan tinggi, dan bahkan kantor telah ditutup untuk menghindari penyebaran virus lebih lanjut. Jika Anda ingin meningkatkan keterampilan diri Anda dengan beberapa teknologi baru atau ingin tahu lebih banyak tentangnya, ini adalah waktu terbaik.

Katakanlah Machine Learning (ML) dan Artificial Intelligence (AI) adalah salah satu keterampilan atau teknologi yang ingin Anda jelajahi, maka Anda berada di tempat yang tepat. Ada banyak kursus AI dan Pembelajaran Mesin yang tersedia di world wide web yang disediakan oleh beberapa lembaga pelatihan online. Tidak seperti kebanyakan dari mereka, kita akan membahas dasar-dasar ML dan AI dalam kebanyakan istilah awam. Kami juga akan membahas beberapa perbedaan antara keduanya di bagian ringkasan. Tanpa basa-basi lagi, mari kita mulai.

Kecerdasan Buatan (AI):

Jika Anda pernah menonton salah satu film Iron-Man atau menggunakan smartphone yang cukup modern, Anda pasti pernah mendengar tentang Artificial Intelligence (AI). Untuk menyegarkan Anda, JARVIS dalam film Iron-Man adalah AI. Juga, Asisten Google di perangkat Android Anda atau Siri di perangkat Apple Anda, yang kita semua tahu, adalah contoh terbaik yang dapat kita pikirkan tentang Kecerdasan Buatan. Namun, Kecerdasan Buatan lebih dari sekadar asisten Anda.

Mari kita lihat definisi sebenarnya untuk memahami apa itu Kecerdasan Buatan:

Ilmu komputer mendefinisikan penelitian Kecerdasan Buatan sebagai pembelajaran " agen cerdas ": perangkat apa pun yang beradaptasi dengan lingkungannya dan mengambil tindakan yang diperlukan yang memaksimalkan peluangnya untuk berhasil mencapai tujuannya. Definisi yang lebih rinci menggambarkan AI sebagai “kemampuan sistem untuk memahami dengan benar data yang berasal dari agen eksternal, belajar dari data tersebut, dan menggunakan pembelajaran tersebut untuk mencapai tujuan dan tugas tertentu melalui adaptasi yang fleksibel.”

Dalam istilah awam, AI adalah sistem buatan yang mencoba meniru perilaku dan tindakan manusia, terutama saat memecahkan masalah kompleks seperti klasifikasi kucing & anjing berdasarkan gambar, pengenalan wajah, penelitian obat medis, pembuatan musik, dll.

Sebagian besar kursus AI dan Pembelajaran Mesin tidak memperkenalkan kita pada tiga jenis sistem pembelajaran AI berikut:

Narrow AI (Weak AI) : Saat ini, semua aplikasi hype dan AI ada di sini. Ini adalah sistem Kecerdasan Buatan yang dapat melakukan tugas tertentu sama atau lebih baik daripada yang dilakukan manusia. Hal ini umumnya tidak mampu mengalami kesadaran. Misalnya, Detektor Wajah di media sosial, Pengenalan objek dan bentuk, AI dalam game, dll.
AI Umum (AI Kuat) : Ini adalah sistem AI yang telah mencapai keadaan umum di mana ia dapat mendorong tugas intelektual apa pun dengan tingkat akurasi yang sama dengan manusia. Ia mampu mengalami kesadaran.
Super AI (Theoretical AI) : Ini adalah sistem AI yang melampaui kecerdasan manusia dalam semua aspek. Ia bahkan bisa mengalahkan manusia paling cerdas. Kebanyakan orang khawatir tentang jenis AI ini. Wajah-wajah terkenal seperti Elon Musk merasa sistem AI ini kemungkinan akan menyebabkan kepunahan manusia.

Untuk meringkas bagian AI :

Ini adalah bidang ilmu komputer yang luas yang memungkinkan mesin memiliki kecerdasan seperti manusia. Sebagian besar pekerjaan AI saat ini dilakukan dalam kategori "AI Sempit". Kami masih jauh dari menciptakan General atau Super AI.

Pembelajaran Mesin (ML):

Jika Anda mengikuti pengumuman terbaru dari raksasa teknologi besar mana pun, Anda pasti pernah mendengar istilah ini. Seperti Microsoft baru-baru ini mengumumkan pekerjaan mereka pada peningkatan fitur "FIND" di MS-Word, yang sekarang menggunakan ML untuk menemukan kata-kata yang dimaksudkan bahkan jika Anda membuat kesalahan ketik di kotak teks Temukan ("Ctrl + F").

Mari kita pergi melalui definisi pertama:

“ Pembelajaran mesin adalah studi terperinci tentang algoritme komputer yang menyesuaikan secara otomatis melalui pengalaman. “

Ini adalah bagian dari AI. Ini memungkinkan sistem untuk secara otomatis belajar dan meningkatkan dari pengalamannya, tanpa diprogram secara eksplisit. Itu terjadi karena ML mengandalkan serangkaian algoritma yang canggih serta data terstruktur dan dibersihkan dengan label (kebanyakan) . Sistem ML mencoba mempelajari hubungan antara fitur (kolom atau atribut atau bagian penting dari data) data. Data disediakan untuk model ML oleh Anda.

Pemahaman dasarnya adalah menggunakan fitur-fitur penting dan hubungannya dengan label untuk mendapatkan solusi tugas. Dengan mempelajari relasi, ia mengidentifikasi pola, sifat yang melekat pada data, dan bagaimana nilainya memengaruhi nama. Berdasarkan apa yang telah dipahami dari penguraian data, itu membuat keputusan yang tepat menggunakan berbagai algoritma. Model dilatih pada data yang digunakan dalam pelatihan, divalidasi untuk kinerja dan akurasi pada data validasi, dan diuji pada data uji.

Sistem ML, tidak seperti metode tradisional, tidak memerlukan logika yang dikodekan secara eksplisit untuk solusinya. Misalnya, alih-alih programmer mengkodekan rumus/tesis untuk prediksi penjualan, model itu sendiri mempelajari filosofi berdasarkan pola dan hubungan yang diserapnya selama fase pelatihan. Ada tiga jenis Algoritma ML:

Pembelajaran Terawasi : Di sini, data pelatihan terdiri dari label. Ini bertindak sebagai pengawas untuk model ML. Oleh karena itu dinamakan Supervised Learning. Misalnya, Regresi Linier, Pohon Keputusan, dll.
Pembelajaran Tanpa Pengawasan : Di sini, data pelatihan tidak memiliki label apa pun. Sebagai gantinya, model ML menemukan pola dan mengekstrak fitur yang berguna dengan sendirinya berdasarkan data. Ini disebut Pembelajaran Tanpa Pengawasan, karena tidak ada pengawas. Mereka biasanya digunakan untuk pengelompokan—Misalnya, Pengelompokan K-Means, Asosiasi, dll.
Pembelajaran Penguatan : Sebagian besar kursus AI dan Pembelajaran Mesin tidak memberi tahu banyak tentang jenis ini. Ide kuncinya adalah memberi penghargaan kepada agen karena melakukan tindakan yang benar. Juga, menghukum mereka untuk setiap langkah yang salah. Ikuti pendekatan trial and error, seperti halnya game, misalnya Q-Learning.

Aplikasi khas ML termasuk – Prediksi penjualan, Peramalan, Deteksi penipuan, dll.

Ringkasan AI vs. ML

Ini meniru kecerdasan atau perilaku manusia
Istilah yang lebih luas
Ini masih bidang penelitian.
Saat ini diterapkan di beberapa sektor dan pengembangan produk.

Ini adalah teknik yang memungkinkan komputer untuk belajar dari data yang ada.
Sebagian besar aplikasi ML sudah digunakan di beberapa sektor dan pengembangan produk.

Jadi, saat memilih kursus AI dan Pembelajaran Mesin , periksa apakah semua bagian ini tercakup.