fbpx

Machine Learning vs. Artificial Intelligence: Apa Perbedaannya?

Machine learning atau pembelajaran mesin, artificial intelligence atau kecerdasan buatan … kedua topik ini tidak bisa saling dipertukarkan. Berikut ini sekilas istilah dan pembeda utamanya.

Artificial Intelligence atau Kecerdasan Buatan

Istilah luas yang pertama kali muncul dalam penelitian yang diterbitkan pada tahun 1956. Selama bertahun-tahun, pemahaman kebanyakan orang tentang kecerdasan buatan (AI) berasal dari budaya pop, dalam bentuk robot. Contoh apa yang banyak orang anggap sebagai AI – Deep Blue mengalahkan pemain catur terbaik, Siri mengenali sebuah lagu, Amazon menyarankan sebuah buku baru – benar-benar contoh komputer yang semakin kecil yang menjalankan serangkaian algoritma, mencari melalui database besar, atau melakukan banyak hal. perhitungan sangat cepat. Menggunakan istilah kecerdasan buatan atau AI dapat tidak akurat dan, lebih sering daripada tidak, meningkatkan harapan yang tidak realistis.

Baca Juga:  13 Industri Yang Terkena Dampak Revolusi AI
artificial-intelligence-vs-machine-learning Machine Learning vs. Artificial Intelligence: Apa Perbedaannya?
Credits: Image by Gerd Altmann from Pixabay

Machine Learning

Area AI yang menggunakan data untuk membantu komputer meningkatkan kinerja tanpa diprogram secara eksplisit. Pemrograman statis memberi komputer satu set instruksi yang tidak berubah seiring waktu. Pembelajaran dengan mesin (Machine Learning), sebaliknya, memungkinkan programmer untuk memungkinkan komputer menilai dan mengubah proses komputasinya melalui pelatihan. 

Bekerja terutama dengan data dalam bentuk bahasa, teks, video, atau gambar, pembelajaran mesin menggunakan teknik statistik untuk memungkinkan sistem komputer untuk memecahkan masalah, membuat keputusan dan prediksi, atau meningkatkan efisiensi tugas spesifik yang didefinisikan secara sempit.

Baca Juga:  3 Cara Smart Office Mengubah Masa Depan Dunia Kerja

Machine Learning yang diawasi

Di sini, komputer “dilatih” untuk mengklasifikasikan input dengan benar. Pelatihan ini terjadi dengan menyediakan komputer dengan dataset terstruktur – data yang telah diatur atau dilabeli dengan cara yang telah ditentukan – yang menghubungkan ribuan input yang mungkin dengan label terkait yang dipahami oleh komputer. 

Setelah komputer mencerna dan mengklasifikasikan input baru, programmer harus mengevaluasi “kebenaran” atau keakuratan dari output yang dihasilkan komputer untuk membantu meningkatkannya. Misalnya, jika Anda memberi label dan memasukkan jutaan gambar bungan mawar dan bunga petunia ke dalam komputer dengan label terkait, melalui machine learning yang diawasi, komputer pada akhirnya akan dapat membedakan antara gambar mawar dan petunia di masa depan dengan kecepatan yang dapat ditoleransi.

Baca Juga:  Efek Revolusi Industri 4.0 Terhadap Perusahaan

Machine Learning Tanpa Pengawasan

Juga disebut penambangan data, ini menangani masalah yang sangat sempit dengan menganalisis data yang tidak terstruktur – data yang belum diorganisir atau dilabeli sebelumnya – untuk menemukan pola. Komputer mencari pola yang dapat dilihat dalam data dan mencari output yang tidak diketahui atau “kebenaran dasar”. Salah satu fokus utama adalah deteksi anomali; komputer mengidentifikasi titik-titik dalam dataset atau aliran yang berada di luar rentang normal tanpa kisaran ini telah ditentukan sebelumnya.

Source: securitysales.com

Tinggalkan komentar

This site uses Akismet to reduce spam. Learn how your comment data is processed.