Perbedaan Artificial Intelligence, Machine Learning, dan Deep Learning

Di Googling - Dalam beberapa tahun terakhir kita semua sudah mendengan dengan istilah AI (Artificial Intelligence), menjadi topik yang rutin diperbincangkan pada semua bidang terutama elektronika dan informatika. Tetapi Anda mungkin baru-baru ini mendengar tentang istilah lain seperti "Machine Learning" dan "Deep Learning," kadang-kadang digunakan secara bergantian atau tertukar. Akibatnya, perbedaan antara Artificial Intelligence, Machine Learning, dan Deep Learning menjadi salah pemahaman.

Saya akan mulai dengan memberikan penjelasan singkat tentang arti sebenarnya dari Artificial Intelligence (AI), Machine Learning (ML), dan Deep Learning (DL) dan bagaimana perbedaannya. Kemudian, saya akan membagikan bagaimana AI dan Internet of Things (IoT) saling terkait erat, dengan beberapa kemajuan teknologi yang semuanya berkumpul sekaligus untuk menetapkan dasar bagi ledakan AI dan IoT.

Jadi apa perbedaan antara AI, ML, dan DL?

        Pertama kali diciptakan pada tahun 1956 oleh John McCarthy, AI melibatkan mesin yang dapat melakukan tugas yang merupakan karakteristik kecerdasan manusia. Meskipun ini agak umum, ini mencakup hal-hal seperti perencanaan, pemahaman bahasa, mengenali objek dan suara, pembelajaran, dan pemecahan masalah.

Kita dapat menempatkan AI dalam dua kategori, umum dan sempit.  AI dalam kategori umum akan memiliki semua karakteristik kecerdasan manusia, termasuk kapasitas yang disebutkan di atas.  AI dalam kategori sempit menunjukkan beberapa aspek kecerdasan manusia, dan dapat melakukan aspek itu dengan sangat baik, tetapi kurang di bidang lain.

"Artificial intelligence adalah teknik yang memungkinkan mesin untuk bertindak seperti manusia dengan menirukan perilaku dan sifat-sifatnya".

        Arthur Samuel menciptakan frasa tidak terlalu lama setelah AI, pada tahun 1959, mendefinisikannya sebagai, "kemampuan untuk belajar tanpa diprogram secara eksplisit." Perlu anda tahu, Anda bisa mendapatkan AI tanpa menggunakan machine learning, tetapi ini akan membutuhkan pembuatan jutaan baris kode dengan aturan dan pohon keputusan yang kompleks.

Jadi, alih-alih rutinitas perangkat lunak hard-coding dengan instruksi khusus untuk menyelesaikan tugas tertentu, machine learning adalah cara "melatih" suatu algoritma sehingga ia dapat mempelajari caranya. “Pelatihan” melibatkan pemberian sejumlah besar data ke algoritma dan memungkinkan algoritme untuk menyesuaikan diri dan meningkatkan.

Sebagai contoh, pembelajaran mesin telah digunakan untuk membuat peningkatan drastis pada computer vision (kemampuan mesin untuk mengenali objek dalam gambar atau video). Anda mengumpulkan ratusan ribu atau bahkan jutaan gambar dan kemudian meminta manusia untuk menandainya. Misalnya, manusia mungkin menandai gambar yang terdapat kucing di dalamnya dan gambar yang tidak terdapat kucing. Kemudian, algoritma mencoba membangun model yang dapat secara akurat menandai gambar yang berisi kucing atau tidak. Setelah tingkat akurasi cukup tinggi, mesin sekarang telah "mempelajari" seperti apa kucing itu."Machine learning adalah bagian dari artificial intelligence yang memungkinkan suatu komputer dapat belajar dan membuat prediksi berdasarkan pengalaman (data)".

        Deep Learning adalah salah satu dari banyak pendekatan untuk machine learning. Pendekatan lain termasuk decision tree learning, inductive logic programming, clustering, reinforcement learning, dan Bayesian networks,  antara lain.

Deep Learning mengikuti cara kerja struktur dan fungsi otak, yaitu interkoneksi banyak neuron. Jaringan Syaraf Tiruan (JST) adalah algoritma yang meniru struktur biologis otak.

Dalam JST, ada "neuron" yang memiliki lapisan dan koneksi terpisah ke "neuron" lainnya. Setiap lapisan memilih fitur khusus untuk dipelajari, seperti kurva/tepi dalam pengenalan gambar. Lapisan inilah yang memberi nama deep learning, kedalaman dibuat dengan menggunakan banyak lapisan sebagai lawan dari satu lapisan.

"Deep learning adalah salah satu cabang ilmu dari machine learning yang mempunyai cara baru dalam pengolahan data dengan menggunakan algoritma abstraksi tingkat tinggi menggunakan sekumpulan fungsi non linear secara berlapis-lapis dan mendalam".

Keterkaitan AI dan IoT

        Jika diibaratkan hubungan antara AI dan IoT seperti hubungan antara otak dan tubuh manusia. Tubuh kita mengumpulkan input sensorik seperti penglihatan, suara, dan sentuhan. Otak kita mengambil data itu dan memahaminya, mengubah cahaya menjadi objek yang dapat dikenali, dan mengubah suara menjadi ucapan yang dapat dimengerti. Otak kita kemudian membuat keputusan, mengirimkan sinyal kembali ke tubuh untuk memerintahkan gerakan seperti mengambil objek atau berbicara.

Semua sensor terhubung yang membentuk Internet of Things (IoT) seperti tubuh kita, mereka menyediakan data mentah tentang apa yang terjadi di dunia. Kecerdasan buatan seperti otak kita, memahami data itu dan memutuskan tindakan apa yang harus dilakukan. Dan perangkat IoT yang terhubung kembali seperti tubuh kita, melakukan tindakan fisik atau berkomunikasi dengan orang lain.

Machine Learning dan Deep Learning telah menyebabkan lompatan besar bagi Artificial Intelligence (AI) dalam beberapa tahun terakhir. Seperti disebutkan di atas, Machine Learning dan Deep Learning membutuhkan sejumlah besar data untuk bekerja, dan data ini dikumpulkan oleh miliaran sensor yang terus online.

Di sisi industri, AI dapat diterapkan untuk memprediksi kapan mesin akan membutuhkan perawatan atau menganalisis proses manufaktur untuk mendapatkan keuntungan efisiensi yang besar, menghemat jutaan rupiah.

Di sisi konsumen, daripada harus beradaptasi dengan teknologi, teknologi bisa beradaptasi dengan kita. Alih-alih mengklik, mengetik, dan mencari, kita cukup meminta mesin untuk apa yang kita butuhkan. Kami mungkin meminta informasi seperti cuaca atau tindakan seperti menyiapkan rumah untuk waktu tidur (mematikan termostat, mengunci pintu, mematikan lampu, dll).

       Semoga artikel Perbedaan Artificial Intelligence, Machine Learning, dan Deep Learning ini dapat memberikan manfaat, khususnya untuk diri penulis pribadi dan semoga bisa bermanfaat juga untuk para pembaca sekalian. Mohon dimaafkan apabila ada kesalahan baik dalam informasi yang diberikan digoogling.com dalam penulisan.