Memahami Semua Jenis Kecerdasan Buatan

Kecerdasan buatan

Sebuah cabang ilmu interdisipliner, kecerdasan buatan difokuskan pada pengembangan mesin dengan kemampuan melakukan tugas melalui kecerdasan manusia. Ini mengacu pada proses simulasi kecerdasan manusia dalam mesin. Sistem tersebut dilatih secara khusus untuk meniru perilaku dan tindakan manusia dan diprogram sesuai dengan itu. Belajar, menalar, dan persepsi adalah tujuan dari kecerdasan buatan. AI digunakan di beberapa industri seperti; kesehatan, keuangan, dll. telah menerapkan AI secara efisien.

Menjelajahi berbagai jenis AI akan memberikan pandangan yang jelas tentang jenis yang ada dan tantangan yang terkait dengan AI di jenis masa depan.

Bagaimana AI diklasifikasikan?

Tujuan utama dari kecerdasan buatan adalah untuk meniru proses kecerdasan manusia. Oleh karena itu kriteria yang digunakan untuk klasifikasi AI adalah sejauh mana suatu sistem AI dapat mereplikasi kemampuan manusia. Oleh karena itu, model dianggap sebagai jenis AI yang lebih berkembang jika mereka dapat melakukan lebih banyak fungsi seperti manusia dengan efisiensi yang sama. Di sisi lain, jenis AI yang memiliki kinerja dan fungsionalitas terbatas, dianggap sebagai jenis AI yang kurang berkembang.

Sebagian besar kecerdasan buatan dapat secara luas dibagi menjadi dua kategori: berdasarkan kemampuan dan berdasarkan fungsi.

Jenis Kecerdasan Buatan

SAYA). Tipe 1 AI: Berdasarkan kemampuan

1. AI lemah atau AI sempit (Artificial Narrow Intelligence, ANI)

• Ketika ada tugas khusus yang harus dilakukan dengan kecerdasan, di situlah AI yang sempit muncul. Ini adalah jenis AI yang paling umum di dunia.
• Karena model hanya dapat melakukan tugas yang dilatihnya, AI yang sempit juga disebut sebagai AI yang Lemah. Ia tidak dapat tampil di luar bidangnya.
• Salah satu contoh terbaik dari AI sempit adalah Apple Siri, yang bekerja pada serangkaian fungsi yang telah ditentukan.
• Contoh lain dari AI yang sempit adalah superkomputer IBM Watson yang menggabungkan pembelajaran mesin dan pemrosesan bahasa alami dengan pendekatan sistem pakar.
• Contoh AI sempit termasuk bermain catur, pengenalan suara, dll.

2. AI Umum (kecerdasan umum buatan)

• Tugas intelektual apa pun yang mirip dengan manusia dapat dilakukan oleh jenis AI ini.
• Ide di balik pengembangan model ini terletak pada kenyataan bahwa seharusnya ada sistem yang lebih cerdas yang mampu berpikir seperti manusia dan cerdas.
• Saat ini, tidak ada jenis sistem seperti itu. Namun, para peneliti fokus pada pengembangan sistem AI semacam itu.

3. Super AI (Kecerdasan Super Buatan)

• Jenis AI ini adalah hasil dari AI umum di mana sistem akan mampu melakukan tugas apa pun jauh lebih baik daripada manusia melalui kemampuan properti kognitif.
• Karakteristik super AI termasuk perencanaan, pembelajaran, memecahkan teka-teki, membuat penyesuaian, dll. Semua dengan sendirinya.
• Pengembangan sistem AI super masih menjadi tantangan dan merupakan konsep hipotetis AI.

II). Tipe 2: Berdasarkan fungsinya

1. Mesin reaktif

• Ini adalah bentuk paling sederhana dari kecerdasan buatan yang melakukan fungsi dasar. Ini juga merupakan bentuk AI tertua yang memiliki kemampuan terbatas.
• Tidak ada jenis pembelajaran yang terlibat dalam jenis AI ini. Model menghasilkan beberapa keluaran sebagai reaksi terhadap beberapa masukan. Tidak ada penyimpanan input apa pun dan karenanya tidak ada kemampuan untuk "belajar".
• Model tersebut didasarkan pada kemampuan pikiran manusia untuk merespon berbagai rangsangan. Tidak ada pengalaman masa lalu yang akan digunakan untuk memutuskan tindakan sekarang.
• Untuk respons otomatis terhadap serangkaian input terbatas, jenis model AI ini dapat dipilih.
• Mesin reaktif hanya dapat berfungsi melawan tugas yang diprogramnya. Di luar itu, mesin gagal bekerja karena mereka tidak memiliki pengetahuan atau konsep tentang dunia.
• Salah satu karakteristik dari jenis model AI ini adalah bahwa mesin akan selalu berperilaku dengan cara yang sama seperti yang diprogram terlepas dari waktu dan tempat pelaksanaan tugas.
• Tidak ada pertumbuhan yang dikaitkan dengan mesin reaktif, hanya stagnasi dalam tindakan dan perilaku yang berulang.

Contoh kecerdasan buatan dapat ditemukan di IBM's Deep Blue, superkomputer permainan catur IBM, yang merupakan mesin permainan yang mengalahkan Grandmaster Garry Kasparov pada tahun 1997. Mesin tersebut dapat mengidentifikasi bagian-bagian di papan catur dan memiliki kemampuan memprediksi langkah selanjutnya. . Kemudian memilih langkah optimal dari serangkaian kemungkinan. Mesin ini menggunakan pengetahuannya saat ini tanpa konsep masa lalu.

2. Memori terbatas

• Jenis memori terbatas AI terdiri dari model yang memperoleh pengetahuan dari informasi yang dipelajari sebelumnya, data yang disimpan, atau peristiwa.
• Selain kemampuan mesin reaktif, memori yang terbatas mampu membuat keputusan dari belajar dari data historis. Jenis AI ini melibatkan proses penyimpanan data sebelumnya atau prediksi sebelumnya. Data ini pada akhirnya membantu dalam membuat prediksi yang lebih baik.
• Model dilatih dengan volume data pelatihan yang tinggi. Data ini kemudian disimpan sebagai model referensi dalam memori sistem yang digunakan untuk memecahkan masalah di masa depan.

Aplikasi AI jenis ini dapat ditemukan di asisten virtual, chatbots, dll.

Penerapan memori terbatas dapat dijelaskan dengan konsep mobil self-driving.

• Mobil self-driving melihat ke masa lalu seperti mengamati kecepatan dan arah mobil lain. Ini tidak dicapai pada satu waktu, tetapi membutuhkan tugas untuk mengidentifikasi objek tertentu dari waktu ke waktu.
• Informasi yang disebutkan di atas bersama dengan marka jalan, lampu lalu lintas, kelengkungan jalan, dll. sudah diprogram ke dalam mobil. Dengan informasi ini, mobil self-driving dapat memutuskan kapan harus berpindah jalur, atau menghindari tertabrak, dll.
• Informasi ini bersifat sementara dan tidak disimpan sebagai perpustakaan pengalaman mobil.

Jenis memori AI yang terbatas diterapkan dalam tiga jenis model yang berbeda.

1. Pembelajaran penguatan

Jenis model ini diterapkan dalam pembelajaran mesin untuk memprediksi hasil di masa depan melalui interaksi dengan lingkungan. Ini terdiri dari siklus coba-coba. Contoh model penguatan termasuk mengajarkan komputer cara bermain catur.

2. Memori jangka pendek panjang (LSTM)

Model LSTM membantu dalam memprediksi hasil berikutnya secara berurutan. Oleh karena itu, barang-barang di masa lalu dianggap kurang penting dibandingkan dengan barang-barang saat ini.

3. Jaringan Perlawanan Generatif Evolusioner (E-GAN)

Model jenis ini terus berkembang menunjukkan proses suatu hal yang berkembang. Itu tidak mengikuti jalur yang pasti setiap kali melainkan dimodifikasi. Modifikasi ini mungkin mengarah pada prediksi jalur resistensi yang lebih baik atau paling tidak. Proses simulasi model E-GAN agak mirip dengan evolusi manusia di bumi.

Sistem kerja jenis memori terbatas

Jenis model ini bekerja dalam dua cara

• model terus dilatih pada data baru
• Lingkungan AI model memberikan kesempatan untuk pelatihan otomatis model dan pembaruannya atas perilaku model.

Dua jenis AI yang disebutkan di atas praktis ditemukan berlimpah. Namun, dua jenis AI berikutnya ada sebagai konsep teoretis atau pekerjaan yang sedang berlangsung.

3. Teori pikiran

• Theory of mind merupakan model pembelajaran mesin yang memiliki kemampuan proses pengambilan keputusan yang setara dengan pikiran manusia tetapi dilakukan melalui mesin.
• Para peneliti saat ini terlibat dalam inovasi tipe konseptual AI, "Teori pikiran".
• Jenis AI ini berinteraksi dengan pikiran dan emosi manusia. Model-model ini akan mencakup pemahaman bahwa pikiran dan emosi orang mempengaruhi keluaran perilaku. Hal ini pada akhirnya mempengaruhi proses berpikir dari “theory of mind”.
• Salah satu faktor penting dalam interaksi manusia adalah interaksi sosial. Oleh karena itu, mesin hipotetis harus mengidentifikasi, memahami, mempertahankan, dan mengingat keluaran dan perilaku emosional sambil mengetahui bagaimana meresponsnya.
• Dengan informasi yang diperoleh dari manusia, mesin akan dapat menerapkan dan menyesuaikannya dengan pembelajaran mereka. Akibatnya, mereka akan tahu bagaimana berkomunikasi dan menangani situasi yang berbeda.
• Bentuk AI yang sangat canggih.

Jenis model lain saat ini menunjukkan hubungan satu arah seperti perintah yang diberikan kepada Alexa atau berteriak di peta Google ketika menunjukkan arah yang salah. Namun, model AI tampaknya tidak menanggapi perilaku marah. Sebaliknya, ia membungkuk kepada komandan setiap saat. Contoh model AI jenis ini adalah robot “Sophia” yang dibuat oleh Hanson Robotics. Bot humanoid memiliki kemampuan untuk melihat dan merespons interaksi yang menunjukkan ekspresi wajah yang berbeda.

Teori pikiran sedikit maju dan akan terbukti menjadi teman yang lebih baik. Jenis model ini terlihat dalam tahap awal.

4. Sadar diri

• Jenis AI ini merupakan tahap akhir dari AI yang belum dikembangkan secara praktis tetapi hanya hadir dalam cerita. Jenis mesin ini masih merupakan konsep hipotetis kecerdasan buatan tetapi ketika dikembangkan akan lebih pintar dari manusia.
• Model kesadaran diri AI selangkah lebih maju daripada teori pikiran yang memiliki pemikiran dan reaksi yang dipandu sendiri
• Model akan berkembang ke titik di mana sistem mencapai keadaan kesadaran diri. Ini adalah salah satu penelitian AI terbaik
• Para model tidak hanya memiliki emosi dengan orang-orang yang berinteraksi dengannya, tetapi juga memiliki keyakinan dan keinginan mereka sendiri.
• Meskipun model dapat mengarah pada kemajuan peradaban, itu juga dapat mengakibatkan situasi bencana. Dengan pencapaian keadaan kesadaran diri, mesin akan memiliki ide pelestarian diri. Ini mungkin mengarah pada situasi di mana AI akan mengambil alih umat manusia melalui plot skema oleh jenis AI ini.

Kesimpulan

Asumsi utama di balik pengembangan berbagai jenis AI adalah bahwa kecerdasan manusia dapat direpresentasikan dalam bentuk operasi simbolis yang dapat diprogram oleh komputer digital. Contoh AI telah menunjukkan sejauh mana model AI dapat melihat dunia nyata. Dengan pengembangan lebih lanjut dari konsep hipotetis model AI, mungkin ada kebutuhan untuk mesin yang lebih berkembang untuk mendukung kompleksitas pemikiran manusia.

Jika Anda tertarik untuk mempelajari lebih lanjut tentang Kecerdasan Buatan, lihat Program PG Eksekutif IIIT-B & upGrad dalam Pembelajaran Mesin & AI yang dirancang untuk para profesional yang bekerja dan menawarkan 450+ jam pelatihan ketat, 30+ studi kasus & tugas, IIIT -B Status Alumni, 5+ proyek batu penjuru praktis & bantuan pekerjaan dengan perusahaan-perusahaan top.