Artificial Intelligence

 

Mengapa AI penting?

Karena banyak teknologi yang saat ini memanfaatkan kinerja tingkat manusia super seperti, dapat membaca dokumen, menjawab pertanyaan, melakukan pengenalan suara, pengenalan wajah bahkan bermanfaat dalam pencitraan medis. AI juga benar-benar fokus pada beberapa pilihan beberapa masalah seperti mendiagnosis penyakit atau mengubah bagian pesanan pelanggan dan ini adalah pertama kalinya AI memiliki dampak nyata pada industri sehingga berdampak positif untuk masyarakat luas

Bagaimana awal mula AI?

Walaupun proses AI tidak secepat yang dikira dan butuh bertahun-tahun untuk menyelesaikan AI untuk menjadi sebuah hal yang bagus bagi masyarakat luas dimana AI berawal dari :

• Tahun 1956 (The Dartmouth Summer Research Project) mempopulerkan istilah Arficial Intelligence. Namun saat itu mereka tidak membuat banyak kemajuan AI selama musim panas tetapi banyak program dan artefak menarik muncul dari waktu itu terdapat program dimana bisa bermain catur atau membuktikan teorema. Pada musim dingin menjadi periode di mana tidak ada penelitian mengenai AI dikarenakan tidk adanya dana dan hanya mengandalkan upaya pencarian eksponensial yang tidak peduli berapa banyak komputasi.
• Sebelumnya, pada tahun 1943 terdapat ahli saraf McCullough dan ahli logika mengagumi bagaimana otak manusia mampu melakukan semua hal rumit semacam ini dan mereka ingin merumuskan sebuah teori tentang bagaimana ini semua bisa terjadi sehingga mereka mengembangkan teori jaringan saraf tiruan.
• Sampai pada tahun 2012 Alex Net melakukan semacam transformasi besar di mana mereka menunjukkan keuntungan pada benchmark jaringan gambar dan dalam semalam mengubah alphago komunitas visi komputer.

AI dari tahun 80-an mencoba melakukan paradigma pembelajaran adalah menentukan model tanpa parameter, anggap itu sebagai kerangka jadi dalam hal ini memiliki grafik tetapi tidak tahu apa bobot tepinya dan sekarang memiliki beberapa data jadi mungkin saja memiliki data dalam bentuk orang lalu mencoba untuk beralih dari X ke Y dan mengambil sepuluh menit atau satu jam bahkan lebih. Kemudian dari data ini kita dapat belajar untuk menyesuaikan parameter model yaitu dapat menetapkan biaya ke tepi dan data akan memberi tahu dengan menuliskan model tanpa parameter, menerapkan algoritma pembelajaran genetik dan mendapatkan model dengan parameter. Dalam model tersebut akan ada tentang machine learning yang akan menjadi semacam blok bangunan penting dan dapat diterapkan ke salah satu model yang dikembangkan sehingga prinsip utama machine learning adalah dimana memiliki data yang akan ke model utamanya untuk menjadi pendorong banyak kesuksesan karena memungkinkan kita untuk masuk ke istilah rekayasa perangkat lunak guna memindahkan kompleksitas dari kode.

Dalam Machine learning terdapat algoritma atau urutan proses statistic untuk menemukan pola dan fitur tertentu dalam jumlah data yang besar disebut dengan penurunan gradien pada dasarnya mengatakan mulai dengan menghitung turunannya kemudian pada titik yang baru akan dihitung turunannya lagi. Dalam kode, penurunan gradien adalah algoritma yang paling sederhana dan benar-benar mendasari semua algoritma yang digunakan dalam Machine learning kemudian dilanjut sampai dengan mengubah matematika ke bahasa python.