Bisnis Triliunan Tanpa Campur Tangan Manusia Yang Belum Kamu Baca
Gensa – Bisnis Triliunan Tanpa Campur Tangan Manusia Yang Belum […]
Gensa – Bisnis Triliunan Tanpa Campur Tangan Manusia Yang Belum Kamu Baca, Teknologi baru telah diadopsi di setiap industri.
Definisi kecerdasan buatan atau artificial intelligence (AI) yang diterima secara umum adalah kemampuan komputer untuk memutuskan tanpa campur tangan manusia.
Mari kita renungkan sejenak: Jika saya mengajarkan komputer bahwa 2 tambah 2 sama dengan 4, maka mulai saat itu komputer ini akan dapat menjawab pertanyaan “Berapa 2 ditambah 2?” tanpa campur tangan manusia.
Gensa Club – Bisnis Triliunan Tanpa Campur Tangan Manusia Yang Belum Kamu Baca |
Apakah ini berarti ia memiliki kemampuan AI? Yah semacam, tapi itu sedikit seperti curang karena campur tangan manusia memang terjadi, hanya di masa lalu. Komputer hanya mampu memecahkan pertanyaan spesifik yang diperintahkan untuk dijawab.
Manusia telah menghabiskan 50 tahun terakhir menyediakan komputer dengan jutaan instruksi dalam bentuk algoritma. Akibatnya, komputer saat ini dapat bertindak dalam berbagai situasi yang didefinisikan dengan baik, seperti menghitung lintasan pesawat ruang angkasa, pengembalian pajak, saldo akuntansi, dan sebagainya.
Artikel sebelumnya : Ide Bisnis Jembatan Kesuksesan Untuk Pemula
Jadi, apakah itu AI? Secara formal ya, tapi bukan itu maksud orang-orang saat mereka mengatakan AI akhir-akhir ini.
Keajaiban sejati yang dibicarakan semua orang adalah kemampuan komputer untuk belajar bagaimana berpikir dan memecahkan masalah sendiri — tanpa diberikan instruksi khusus.
Ini adalah bagian paling menarik dari AI, yang disebut Machine Learning (ML).
Sama seperti manusia, komputer perlu dilatih tentang cara mempelajari hal-hal baru dan bertindak dalam situasi baru. Mirip dengan otak manusia, jaringan saraf komputer perlu dilatih untuk menggunakan beberapa jalur yang optimal ketika membuat keputusan. Ini disebut pelatihan.
Bagaimana komputer belajar hari ini?
Seringkali, orang mendengar tentang ML dan membayangkan pendekatan plug-and-play. Mereka mencobanya, tetapi tidak berhasil.
Nah, mari kita bersikap adil terhadap komputer. Bayangkan mengajari seorang anak beberapa konsep kompleks tanpa terlebih dahulu mengajari mereka dasar-dasar seperti membaca dan menulis. Bahkan anak terpandai pun akan gagal.
Sayangnya, inilah yang dilakukan beberapa orang pada komputer. Kami melatih komputer pada data (nyata) yang rumit, yang membingungkan komputer. Kami tidak melakukan ini saat mengajar orang — lalu mengapa, kami hanya melemparkan komputer ke ujung yang dalam?
Salah satu alasannya adalah karena kita butuh dan ingin segera melihat hasilnya. Terlebih lagi, banyak perusahaan tidak memiliki data, keahlian, atau sumber daya yang dibutuhkan untuk menjalankan komputer melalui semua langkah yang diperlukan untuk pelatihan yang tepat.
Baca juga : Tutorial Lengkap Cara Dapatkan Uang Dari Tiktok
Beberapa perusahaan telah mengambil langkah ke arah yang benar dengan membangun data buatan untuk melatih komputer, termasuk Jaringan Pengajaran Generatif dan metodologi Pembelajaran Progresif . Dalam sesi Andrew Ng baru-baru ini, salah satu pendiri Google Brain menyoroti manfaat lebih menekankan pada persiapan data.
Jelas, setiap industri dan proyek di lapangan membutuhkan pelatihan. Lapisan pelatihan ini dapat disamakan dengan pengetahuan tingkat perguruan tinggi dan harus diletakkan di atas fondasi yang dipelajari sebelumnya.
Jadi, seperti apa seharusnya pelatihan ML agar benar-benar berfungsi?
Langkah 1: Mulailah dengan dasar-dasar.
Sebelum seorang siswa dapat belajar aljabar, mereka harus dapat berhitung.
Pelatihan komputer ML juga harus dimulai dengan data sederhana. Pikirkan tempat penitipan anak komputer. Perlahan-lahan, kompleksitas data meningkat, bekerja hingga menggunakan data nyata.
Langkah 2: Membangun fondasi.
Anak-anak biasanya diajari “bahaya orang asing”, yang mendorong kaum muda untuk mempercayai orang tua mereka dan figur otoritas tertentu atas seseorang yang tidak mereka kenal. Untuk mesin, penting untuk memahami bahwa tidak semua data dibuat sama. ML harus diinstruksikan tentang cara mengenali sumber tepercaya.
Langkah 3: Spesialisasi.
Anak-anak yang memasuki tempat penitipan anak semuanya datang dengan “batu tulis kosong”. Mereka semua diajari informasi dasar yang sama: huruf-huruf alfabet, cara menghitung dan siapa yang harus dipercaya. Pada saat mereka pergi ke sekolah, mereka dapat mengambil buku sederhana dan melakukan aritmatika dasar.
Perlahan-lahan, sepanjang perjalanan pendidikan mereka, setiap anak mulai mengembangkan lebih banyak pengetahuan dalam mata pelajaran tertentu. Satu anak lebih baik dalam sains, sementara yang lain unggul dalam seni. Di tingkat perguruan tinggi, siswa diajarkan secara mendalam tentang subjek dalam bidang yang sempit.
Demikian pula, pendekatan terukur ini harus diterapkan saat melatih aplikasi ML. Untuk melatih komputer di area tertentu seperti perbankan, ritel, atau kedokteran, pertama-tama kamu harus membangun fondasi pada data buatan sederhana, menambahkan lapisan informasi baru hingga aplikasi akhirnya siap untuk dilatih untuk industri tertentu.
Prediksi untuk bisnis triliunan dolar berikutnya.
Meskipun langkah pertama dalam pelatihan ML tampak jelas, namun tidak mudah untuk diterapkan, karena:
- Kami tidak punya waktu
- Kami tidak memenuhi syarat untuk membangun program pendidikan anak usia dini untuk komputer
- Ini adalah usaha yang sangat mahal
- Terlebih lagi, kompleksitas hanya meningkat dengan setiap langkah tambahan dalam proses pelatihan ML.
Semua ini untuk mengatakan, saya memprediksi perusahaan triliun dolar berikutnya akan menjadi sistem lembaga pendidikan publik untuk ML. Di sinilah komputer masa depan akan dilatih untuk memasuki dunia kerja.(***