7 Tren Teratas dalam Kecerdasan Buatan & Pembelajaran Mesin di 2022
Diterbitkan: 2021-01-10Saat ini, pembelajaran mesin dan kecerdasan buatan adalah domain yang populer dan perintis dalam ilmu komputer. Cakupan ilmu data masa depan cerah dan setiap hari para ilmuwan menyentuh cakrawala inovasi baru dan mendorong definisi tentang apa yang mungkin. Mari kita telusuri tren saat ini yang sedang berlangsung di bidang ini.
Apa itu pembelajaran mesin dan kecerdasan buatan?
Diagram berikut akan memperjelas hubungan antara dua bidang:
Sumber gambar: menujudatascience.com
Dengan demikian, pembelajaran mesin benar-benar merupakan bagian dari kecerdasan buatan.
Yang terakhir berkaitan dengan pembuatan mesin untuk berpikir, bernalar, dan bertindak seperti manusia. Untuk membuat keputusan seperti manusia. Pembelajaran mesin, di sisi lain, adalah aplikasi kecerdasan buatan yang berkaitan dengan pengembangan program komputer yang dapat menggunakan data dan belajar sendiri. Jadi, di mana AI bertujuan untuk kecerdasan/kebijaksanaan, pembelajaran mesin bertujuan untuk pengetahuan.
Bergabunglah dengan Kursus ML online dari Universitas top dunia – Magister, Program Pascasarjana Eksekutif, dan Program Sertifikat Tingkat Lanjut di ML & AI untuk mempercepat karier Anda.
Pembelajaran mesin dan AI terbaru
Bergeser dari metode pembelajaran yang diawasi
Sebelumnya, upaya berpusat di sekitar algoritma pembelajaran terawasi yang memprediksi kejadian di masa depan dengan menerapkan pengetahuan yang diperoleh di masa lalu ke data baru melalui penggunaan contoh berlabel. Sekarang, fokusnya bergeser ke domain lain seperti pembelajaran semi-terawat, pembelajaran aktif, adaptasi domain, dan model generatif. Model baru seperti model rendering saraf dikembangkan untuk menggabungkan prediksi dan generasi. Ini terjadi dalam satu jaringan dan mendorong pembelajaran semi-diawasi di mana data berlabel dan tidak berlabel digunakan untuk pelatihan.
Pembelajaran mendalam menemukan aplikasi baru
Para ilmuwan kini telah memperluas aplikasi pembelajaran mendalam untuk memasukkan ilmu material, rekayasa protein, fisika energi tinggi, sistem kontrol, dan prediksi gempa. Pembelajaran dikombinasikan dengan domain pengetahuan dan kendala.
AI semakin baik dalam pendeteksian emosi
University of Alberta telah mengembangkan teknologi yang dapat mendeteksi bahasa depresi di postingan media sosial dengan akurasi yang lebih tinggi dan dengan kebutuhan data yang jauh lebih sedikit. Eksperimen pembelajaran mendalam di masa lalu dan upaya untuk mendeteksi bahasa depresi sangat mahal dan membosankan. Penelitian Universitas, yang dipimpin oleh Nawshad Farruque, mengurangi kebutuhan akan data dalam jumlah besar.
Dia telah memberi banyak contoh yang diambil dari forum depresi untuk mengajarkan model bagaimana benar-benar mengenali bahasa depresi. Dia juga bekerja untuk memperoleh catatan bunuh diri dan surat cinta dengan bahasa yang mirip untuk mendorong akurasi lebih dalam hasilnya.
Dengan karya ini, Farraque berharap dapat mendeteksi depresi sesegera mungkin sehingga yang terkena dapat diarahkan ke sumber daya yang dibutuhkan. Suatu hari, dia berharap, itu dapat dimasukkan ke dalam kebijakan melukai diri sendiri dan bunuh diri Twitter dan meningkatkan algoritme depresi Facebook yang ada.
Pembelajaran mesin sedang digunakan untuk pelestarian seni
Di Belanda, para peneliti di TU delft bekerja untuk merekonstruksi karya seni secara digital menggunakan metode pembelajaran mesin. Mereka telah mengembangkan jaringan saraf convolutional (CNN) untuk merekonstruksi gambar Vincent Van Gogh yang pudar di atas kertas. Untuk melatih model, mereka menggunakan kumpulan data yang berisi reproduksi kualitas yang berbeda dari gambar aslinya. Reproduksi ini dibuat pada waktu yang berbeda selama abad yang lalu.
Meskipun upaya berfokus pada pelestarian dan rekonstruksi karya seni, lapangan bermain dapat diperluas untuk memasukkan gambar dan dokumen yang terdegradasi juga. Selain itu, model tersebut hanya menggunakan informasi visual untuk saat ini. Di masa depan, para peneliti bekerja untuk mempertimbangkan informasi kimia juga, sehingga meningkatkan kompleksitas tetapi juga meningkatkan kinerja dan hasil model.
Baca Juga: Kursus Berorientasi Pekerjaan Jangka Pendek
Pembelajaran mesin sedang digunakan untuk perkiraan usia
Dalam prestasi hampir-manusia super lainnya, para peneliti di Universitas Kwazulu-Natal, di Afrika Selatan mengembangkan jaringan saraf convolutional untuk memperkirakan usia orang. Ini dilakukan dengan mengambil gambar mereka secara acak, lingkungan kehidupan nyata. Dahulu, perkiraan usia ini dilakukan dengan memotret orang-orang di lingkungan yang terkendali seperti laboratorium atau studio fotografi. Dengan pergeseran modus operandi, hasilnya juga bergeser ke arah yang lebih baik.
Peningkatan akurasi menjadi 8,6% lebih baik dari hasil terbaik sebelumnya.
Pematangan pendidikan AI
Karena popularitas dan sifatnya, pendidikan AI dan ML sangat diminati. Platform pembelajaran online seperti upGrad membuat ini dengan kursus online khusus yang diajarkan universitas untuk semua orang. Hal ini menyebabkan peningkatan minat dan adopsi AI dan ML- baik secara pribadi maupun profesional.
Munculnya Pembelajaran Mesin di cloud
Membawa pembelajaran mesin ke cloud akan memudahkan perusahaan untuk bereksperimen dan mendorong batas kemampuan pembelajaran mesin. Tidak selalu mudah untuk mengimplementasikan dan meningkatkan proyek pembelajaran mesin dengan perangkat keras dan perangkat lunak yang ada. Membawa pembelajaran mesin ke cloud tidak hanya mendemokrasikannya tetapi juga membuka peluang bagi banyak perusahaan untuk menjadi berbasis AI dan ML. Jika Anda ingin memanfaatkan hal besar berikutnya yang baru ini, maka Kursus Sertifikasi Lanjutan kami dalam Pembelajaran Mesin di Cloud adalah caranya.
Skandal juga meningkat
Kecerdasan buatan dan pembelajaran mesin adalah alat yang ampuh. Dan dengan kekuatan, datang tanggung jawab. Di dunia yang ideal, setiap orang akan berusaha menggunakan alat ini untuk kemajuan umat manusia, tetapi kita tidak hidup di dunia yang ideal.
Misalnya, Cambridge Analytica dituduh menggunakan informasi pribadi dari profil Facebook orang-orang untuk membangun sistem yang menargetkan pemilih AS. Berdasarkan profil psikologis mereka, sistem menampilkan iklan politik yang dipersonalisasi. Seorang mantan manajer Facebook juga telah memperingatkan bahwa informasi tentang ratusan juta pengguna mungkin berada di tangan perusahaan swasta tanpa diketahui oleh pengguna.
Karena keterlibatan Facebook dan kekhawatiran sebelumnya tentang kebijakan keamanan datanya, kasus ini tidak akan mudah dilupakan. Ini juga dapat meningkatkan paranoia orang tentang berbagi data di internet dan sisi tidak etis dari teknologi berbasis data.
7 perkembangan di atas mencakup arah yang dituju oleh AI dan ML secara keseluruhan. Perkembangan spesifik akan bervariasi tetapi pada akarnya, semuanya akan menandakan kemajuan, kemajuan, pertanyaan tentang privasi, dan kekuatan teknologi. Jika Anda tertarik untuk mengerjakan hal-hal seperti melatih agen untuk bermain tic tac toe, melatih chatbot, dll. Anda harus memeriksa Kursus Sertifikasi Lanjutan kami dalam Pembelajaran Mesin dan Cloud dari upGrad dan IIT-Madras.
