Kecerdasan buatan menjadi sederhana

Diterbitkan pada: 31 Oktober 2018 / Pembaruan dari: 8 April 2019 - Penulis: Konrad Wolfenstein

Kecerdasan buatan dijelaskan secara sederhana. Mempertahankan gambaran umum, misalnya Big Data? Ini hanya mungkin jika Anda mengikuti pola tertentu atau membiarkan diri Anda dibimbing.

Kecerdasan Buatan (AI) – Sintaks Sederhana

Eksperimen diri: Anda memiliki gambaran tertentu di kepala Anda. Hari ini seharusnya lemari berwarna merah dengan pegangan putih. Apa yang sedang kamu lakukan?

Dalam pencarian Google "Kabinet Merah, Pegangan Putih".

Menghasilkan? Sederhana.

Coba 2: Anda memasukkan "Kabinet Merah, Tangan Putih" di pencarian Google.

Hasilnya sudah lebih baik, tapi pasti bisa lebih baik lagi.

Langkah pertama dalam pemrograman diambil dengan pencarian Google. Pengumpulan kueri penelusuran dan konversinya menjadi algoritme dan kode membentuk jaringan saraf.

Oleh karena itu, pembelajaran mesin, seperti yang ditunjukkan pada grafik di atas, bukanlah sesuatu yang bisa diterapkan dengan cepat. Banyak waktu dan pekerjaan yang dihabiskan untuk itu. Hal ini juga menjelaskan biaya pengembangan yang terkait. Tetapi jika kita menganggap bahwa AI tidak memiliki liburan, tidak ada pensiun atau kerugian alam lainnya, segalanya terlihat sangat berbeda.

Tapi apakah kabinet merah dengan pegangan putih masih up to date besok? Apakah masih sesuai dengan gaya hidup? Rasanya berubah. Di sinilah pembelajaran mendalam datang. Untuk tetap dengan contoh kami: dengan pencarian lebih lanjut, AI belajar dan, berdasarkan topik lain yang tertarik pada bagaimana perilaku pencarian Anda telah berubah dan mandiri, mengembangkan algoritma baru untuk "memprediksi" bahwa kabinet hijau dengan pegangan biru dapat tertarik pada dapur dalam satu tahun.

Sangat buruk? Bagi sebagian orang, hal ini menakutkan. Tapi sebenarnya tidak. Ketakutan akan hal yang tidak diketahui mempermainkan kita. Jika kami bertanya kepada sekelompok orang apa yang mungkin menarik minat Anda di TV besok, Anda akan mendapatkan jawaban yang beragam. Tidak seragam. Sekarang, bagaimana Anda memutuskan proposal mana yang akan Anda terima? Apakah kontribusi profesionalnya atau penampilan menarik dari orang yang bersangkutan?

Begitulah dengan AI. Bergantung pada seberapa lemah atau kuat jaringan saraf telah "diprogram", pernyataan itu sesuai. Ini tentang analisis pola yang seharusnya membantu kita membuat keputusan yang baik. Bukan untuk mengendalikan kita. Karena jika kami tidak membuat analisis sampel di data besar, kami tanpa ampun. Dan itulah skenario horor yang sebenarnya.