4 konsep AI utama yang perlu Anda pahami

Bob Friday adalah salah satu pendiri dan CTO Mist Systems .

Kecerdasan buatan (AI) sedang menggemparkan dunia, dengan kasus penggunaan inovatif yang diterapkan di semua segmen industri. Kita masih jauh dari mengganti dokter dengan robot AI, seperti yang terlihat di film, tetapi AI membantu para ahli di semua industri mendiagnosis dan menyelesaikan masalah lebih cepat, memungkinkan konsumen seperti saya untuk melakukan hal-hal menakjubkan, seperti menemukan lagu dengan perintah suara.

Kebanyakan orang fokus pada hasil AI. Bagi kita yang suka melihat secara tersembunyi, ada empat elemen dasar yang harus dipahami: kategorisasi, klasifikasi, pembelajaran mesin, dan pemfilteran kolaboratif. Keempat pilar ini juga mewakili langkah-langkah dalam proses analitis.

Kategorisasi melibatkan pembuatan metrik yang khusus untuk domain masalah (misalnya keuangan, jaringan). Klasifikasi melibatkan penentuan data mana yang paling relevan untuk memecahkan masalah. Pembelajaran mesin melibatkan deteksi anomali, pengelompokan, pembelajaran mendalam, dan regresi linier. Pemfilteran kolaboratif melibatkan pencarian pola di seluruh kumpulan data yang besar.

Kategorisasi

AI membutuhkan banyak data yang relevan dengan masalah yang sedang diselesaikan. Langkah pertama untuk membangun solusi AI adalah membuat apa yang saya sebut "metrik maksud desain", yang digunakan untuk mengkategorikan masalah. Baik pengguna mencoba membangun sistem yang dapat memainkan Jeopardy, membantu dokter mendiagnosis kanker, atau membantu administrator TI mendiagnosis masalah nirkabel, pengguna perlu menentukan metrik yang memungkinkan masalah dipecah menjadi bagian-bagian kecil. Dalam jaringan nirkabel, misalnya, metrik utama adalah waktu koneksi pengguna, throughput, jangkauan, dan roaming. Dalam diagnosis kanker, metrik utamanya adalah jumlah sel darah putih, latar belakang etnis, dan pemindaian sinar-X.

Klasifikasi

Setelah pengguna memiliki masalah yang dikategorikan ke dalam area yang berbeda, langkah selanjutnya adalah memiliki pengklasifikasi untuk setiap kategori yang akan mengarahkan pengguna ke arah kesimpulan yang bermakna. Misalnya, saat melatih sistem AI untuk memainkan Jeopardy, pengguna harus terlebih dahulu mengklasifikasikan pertanyaan sebagai pertanyaan yang bersifat literal atau permainan kata, lalu mengklasifikasikan berdasarkan waktu, orang, benda, atau tempat. Dalam jaringan nirkabel, setelah pengguna mengetahui kategori masalah (misalnya masalah sebelum atau sesudah koneksi), pengguna perlu mulai mengklasifikasikan apa yang menyebabkan masalah: asosiasi, otentikasi, protokol konfigurasi host dinamis (DHCP), atau nirkabel lainnya. , kabel, dan faktor perangkat.

Pembelajaran mesin

Sekarang masalahnya dibagi menjadi beberapa bagian metadata khusus domain, pengguna siap untuk memasukkan informasi ini ke dalam dunia pembelajaran mesin yang ajaib dan kuat. Ada banyak algoritme dan teknik pembelajaran mesin, dengan pembelajaran mesin yang diawasi menggunakan jaringan saraf (yaitu pembelajaran dalam) sekarang menjadi salah satu pendekatan yang paling populer. Konsep jaringan saraf sudah ada sejak 1949, dan saya membangun jaringan saraf pertama saya pada 1980-an. Tetapi dengan peningkatan terbaru dalam kemampuan komputasi dan penyimpanan, jaringan saraf sekarang dilatih untuk memecahkan berbagai masalah dunia nyata, mulai dari pengenalan gambar dan pemrosesan bahasa alami hingga memprediksi kinerja jaringan. Aplikasi lain termasuk penemuan fitur anomali, deteksi anomali deret waktu, dan korelasi peristiwa untuk analisis akar penyebab.

Pemfilteran kolaboratif

Kebanyakan orang mengalami pemfilteran kolaboratif saat mereka memilih film di Netflix atau membeli sesuatu dari Amazon dan menerima rekomendasi untuk film atau item lain yang mungkin mereka sukai. Selain pemberi rekomendasi, pemfilteran kolaboratif juga digunakan untuk memilah-milah kumpulan besar data dan meletakkan wajah pada solusi AI. Di sinilah semua pengumpulan dan analisis data diubah menjadi wawasan atau tindakan yang berarti. Baik digunakan dalam pertunjukan game, atau oleh dokter, atau oleh administrator jaringan, pemfilteran kolaboratif adalah cara untuk memberikan jawaban dengan tingkat kepercayaan yang tinggi. Ini seperti asisten virtual yang membantu memecahkan masalah kompleks.

AI masih sangat berkembang, tetapi dampaknya sangat dalam dan akan terasa lebih tajam karena AI menjadi bagian yang lebih besar dari kehidupan kita sehari-hari. Saat memilih solusi AI, seperti saat membeli mobil, kita perlu memahami apa yang ada di balik kap untuk memastikan kita membeli produk terbaik untuk kebutuhan kita. 

Forum Teknologi Baru menyediakan tempat untuk mengeksplorasi dan mendiskusikan teknologi perusahaan yang sedang berkembang secara mendalam dan luas. Pemilihannya subjektif, berdasarkan pilihan teknologi yang kami yakini penting dan paling menarik bagi pembaca. tidak menerima jaminan pemasaran untuk publikasi dan berhak untuk mengedit semua konten yang dikontribusikan. Kirim semua pertanyaan ke [email protected]