Teknologi

Perbezaan Machine Learning (pembelajaran mesin), Artificial Intelligence (Kecerdasan Buatan), dan Deep Learning (pembelajaran mendalam)

Kini kecerdasan buatan, pembelajaran mesin, dan pembelajaran mendalam adalah tulang belakang setiap teknologi moden dan juga teknologi yang akan datang pada masa akan datang. Ideanya adalah satu kebolehupayaan pada mesin untuk melakukan tugas yang boleh dilakukan oleh manusia atau bekerja seperti otak manusia.

Artificial Intelligence (Kecerdasan Buatan) adalah akar kepada Machine Learning (pembelajaran mesin) dan Deep Learning (pembelajaran mendalam).

Dalam Machine Learning (pembelajaran mesin), kita sebenarnya menjadikan mesin mempelajari jenis keadaan tertentu dari data yang dimasukkan yang kita sendiri ketahui akan hasilnya, dan dari pengalaman pembelajarannya, ia akan meramalkan hasil untuk data yang tidak diketahui untuk jenis keadaan yang sama. Perkara yang sama berlaku untuk Deep Learning (pembelajaran mendalam) juga.

Perbezaan antara Machine Learning (pembelajaran mesin) dan Deep Learning (pembelajaran mendalam) adalah cara mereka bekerja.

Dalam Machine Learning (pembelajaran mesin) model memecahkan data dalam ruang ke dalam keadaan atau titik data dan kemudian cuba untuk memerintahkan mereka dengan membentuk satu keadaan dengan membentuk sempadan kepada satu keputusan yang boleh diklasifikasikan kepada dua atau lebih contoh keputusan dengan cara meramalkan hasil yang akan berlaku dan membandingkannya dengan hasil asal, dengan cara mengira kadar kerugian dan kemudian sekali lagi akan melewati proses yang sama dengan cara untuk meminimumkan kadar kerugian selepas ramalan pada akhir setiap kitaran perubahan.

Secara ringkas, ianya seperti dibuat pada satu kitaran. 
Satu logik, pelbagai kemungkinan cara penyelesaian, dan pelbagai keputusan akan dihasilkan.

Dalam Deep Learning (pembelajaran mendalam), konsep itu adalah untuk memecahkan lapisan data dengan cara bijak, lapisan data yang lebih mendalam dan kebih terperincin biasanya kan menjadikan ramalan keputuan hampir sempurna.

Kedua-dua Machine Learning (pembelajaran mesin) dan model Deep Learning (pembelajaran mendalam) dapat dilatih menerusi data yang kompleks seperti data imej atau audio dalam pembelajaran yang lebih khusus, tetapi untuk ketepatan data yang lebih baik, jika objek kepada pembelajaran itu dapat dikhususkan, maka ianya akan menghasilkan keputusan yang lebih baik.

Ketepatan memainkan peranan yang mendominasi dalam model Machine Learning (pembelajaran mesin) dan ianya berkadaran langsung dengan prestasi model, sedangkan dalam Deep Learning (pembelajaran mendalam) ia juga memainkan peranan penting tetapi ia tidak berkadar langsung dengan prestasi model.

Ini kerana jika model Deep Learning (pembelajaran mendalam) terlatih untuk mengklasifikasikan anjing dan ketepatan latihan model itu adalah 1, tetapi jika model itu diuji terhadap seekor anjing yang telah tercalar di wajahnya maka ia tidak akan mengenalinya sebagai seekor anjing.

Ia adalah kerana sedikit perubahan dalam data berkenaan dengan data terlatih akan memberikan hasil yang salah. 
Ketepatan 80% atau 90% mungkin menjadi model yang baik daripada model dengan ketepatan 100% dalam kes pembelajaran yang mendalam. Model menjadi sangat sensitif.

Kedua-dua konsep Machine Learning (pembelajaran mesin) dan Deep Learning (pembelajaran mendalam) mengelilingi konsep bahawa mereka boleh dilatih tentang suatu contoh atau situasi tertentu dan dapat meramalkan keputusan tentang situasi seperti itu sahaja, tetapi Kecerdasan Buatan berputar di sekitar konsep bahawa model dibina untuk melaksanakan semua jenis tugas tanpa mengira situasi.

Model pintar buatan, belajar dari kesilapan yang dibuat semasa fasa ujian – yang pastinya bukan ciri Machine Learning (pembelajaran mesin) dan Deep Learning (pembelajaran mendalam. Sama seperti otak manusia, mereka sentiasa dalam fasa pembelajaran.

Sekiranya Machine Learning (pembelajaran mesin) atau model Deep Learning (pembelajaran mendalam) terlatih untuk bermain tenis maka hanya boleh bermain tenis sahaja dan jika diminta bermain kriket atau bola sepak maka ia akan bermain dengan cara yang paling teruk kerana ia tidak mempunyai pengetahuan mengenai kriket atau bola sepak.

Dan jika model pintar buatan dilatih untuk bermain tenis dan diminta untuk bermain bola sepak atau permainan lain maka ia mungkin membuat kesilapan pada mulanya kerada model itu tidak ada pengetahuan asas tentang bola sepak.


Akan tetapi, jika model pintar buatan yang telah dilatih utnuk bermain tenis, tetapi diminta untuk bermain bola sepak mungkin ia akan melakukan beberapa kesilapan, tetapi pada masa yang sama ia akan belajar dan cuba untuk memperbaiki permainannya pada masa akan datang dengan cara menyimpan memori cara permainan dan membezakan cara ianya dimainkan supaya keputusan yang bakal dihasilkan adalah lebih tepat (seperti yang diharapkan).

Kecerdasan Buatan adalah ibu Machine Learning (pembelajaran mesin) dan Deep Learning (pembelajaran mendalam).

i. Model Artificial Intelligence (Kecerdasan Buatan) bermaksud model yang boleh berfungsi, berfikir dan bertindak balas seperti otak manusia.

ii. Model Machine Learning (pembelajaran mesin) bermaksud manusia yang otaknya dilatih hanya untuk bertindak balas dengan betul kepada situasi tertentu.

iii. Model Deep Learning (pembelajaran mendalam) bermaksud manusia yang otaknya dilatih hanya untuk bertindak balas dengan betul kepada satu jenis keadaan tertentu tetapi kali ini manusia dapat melihat keadaan melalui mata menganalisa dan menghakimi hasilnya.

Ditulis oleh: Razak Zaha

Selanjutnya...

Artikel Berkaitan

Leave a Reply

Your email address will not be published. Required fields are marked *

Artikel Lain

Close
Back to top button
Close
Close

Adblock Detected

Please consider supporting us by disabling your ad blocker