Kecerdasan buatan yang disederhanakan

Diterbitkan pada: 31 Oktober 2018 / Diperbarui pada: 8 April 2019 – Penulis: Konrad Wolfenstein

Kecerdasan buatan dijelaskan secara sederhana. Bagaimana Anda melacak sejumlah besar data, seperti Big Data? Ini hanya mungkin jika Anda berorientasi pada pola-pola tertentu, atau membiarkan diri Anda dipandu oleh pola-pola tersebut.

Kecerdasan Buatan (AI) – Sintaks Sederhana

Sebuah eksperimen pribadi: Anda memiliki gambaran spesifik dalam pikiran Anda. Hari ini, gambaran itu seharusnya berupa lemari merah dengan pegangan putih. Apa yang akan Anda lakukan?

Anda memasukkan "lemari merah, pegangan putih" ke dalam pencarian Google.

Hasilnya? Lumayan.

Percobaan ke-2: Anda memasukkan "lemari merah, pegangan putih" ke dalam pencarian Google.

Hasilnya sudah lebih baik, tetapi tentu saja masih bisa lebih baik lagi.

Menggunakan Google Search adalah langkah pertama dalam pemrograman. Mengumpulkan kueri pencarian dan mengubahnya menjadi algoritma dan kode membentuk jaringan saraf.

Oleh karena itu, pembelajaran mesin, seperti yang ditunjukkan pada grafik di atas, bukanlah sesuatu yang dapat diimplementasikan dengan cepat. Hal ini membutuhkan banyak waktu dan usaha. Ini juga menjelaskan biaya pengembangan yang terkait. Namun, jika Anda mempertimbangkan bahwa AI tidak berlibur, pensiun, atau memiliki masa istirahat alami lainnya, gambaran tersebut berubah sepenuhnya.

Namun, apakah lemari merah dengan pegangan putih itu masih akan modis besok? Apakah masih sesuai dengan gaya hidup Anda? Selera berubah. Di sinilah pembelajaran mendalam berperan. Untuk tetap pada contoh kita: Saat Anda terus mencari, AI belajar dan mengenali bagaimana perilaku pencarian Anda telah berubah berdasarkan topik lain yang menarik minat Anda. Kemudian, AI secara mandiri mengembangkan algoritma baru untuk "memprediksi" bahwa dalam setahun Anda mungkin tertarik pada lemari hijau dengan pegangan biru untuk dapur Anda.

Mengerikan? Bagi sebagian orang, memang begitu. Tapi sebenarnya tidak. Ketakutan kita terhadap hal yang tidak diketahui mempermainkan kita. Jika kita bertanya kepada sekelompok orang tentang apa yang mungkin menarik bagi mereka di televisi besok, kita akan mendapatkan berbagai macam jawaban. Tidak semuanya akan sama. Nah, kriteria apa yang Anda gunakan untuk memutuskan saran mana yang akan Anda terima? Apakah itu isinya atau mungkin daya tarik orang yang bersangkutan?

Hal yang sama berlaku untuk AI. Hasilnya bergantung pada seberapa lemah atau kuat jaringan saraf tersebut telah "diprogram". Ini tentang analisis pola, yang seharusnya membantu kita membuat keputusan yang baik, bukan mengendalikan kita. Karena jika kita gagal mencapai analisis pola dalam big data, kita akan dihancurkan tanpa ampun. Dan itulah skenario horor yang sebenarnya.