Menurut perkiraan para ahli , pembelajaran mesin adalah masa depan. Ketika orang semakin bergantung pada mobil dan gadget, revolusi teknologi global akan datang, berkat profesi baru akan muncul dan profesi lama menghilang. Berkaitan dengan hal tersebut, tim kami telah menyiapkan studi kecil tentang masalah ini.
Sejarah
Pada tahun 1959, Arthur Samuel, seorang peneliti kecerdasan buatan, menciptakan istilah pembelajaran mesin. Dia menemukan program checker komputer belajar mandiri yang pertama. Samuel mendefinisikan pembelajaran mesin sebagai proses di mana komputer dapat menunjukkan perilaku yang awalnya tidak diprogram ke dalamnya.
Di bawah ini kami akan mempertimbangkan tanggal penting lainnya dalam sejarah pembelajaran mesin:
1946: Komputer ENIAC muncul - sebuah proyek Angkatan Darat AS yang sangat rahasia.
1950: Alan Turing membuat "Tes Turing" untuk mengukur kecerdasan komputer.
1958: Frank Rosenblatt menemukan Perceptron , jaringan saraf tiruan pertama, dan membangun komputer otak pertama, Mark 1.
1959: Marvin Minsky membangun mesin SNARC pertama dengan jaringan saraf yang digabungkan secara acak.
1967: Algoritme klasifikasi data metrik ditulis. Algoritme memungkinkan komputer menerapkan pola pengenalan sederhana.
1985: Terry Seinovski membuat NetTalk, jaringan saraf tiruan.
1997: Komputer Deep Blue mengalahkan juara dunia, Garry Kasparov, dalam catur.
2006: Geoffrey Hinton, seorang ilmuwan jaringan saraf tiruan, menciptakan istilah Pembelajaran Dalam.
2011: Andrew Ang dan Jeff Dean mendirikan Google Brain .
2012: Lab Google X mengembangkan algoritme untuk mengidentifikasi video yang menampilkan kucing :)
2012: Google meluncurkan layanan cloud API Prediksi Google untuk pembelajaran mesin. Ini membantu Anda menganalisis data tidak terstruktur.
2014: Facebook menciptakan DeepFace untuk pengenalan wajah. Akurasi algoritme adalah 97%.
2015: Amazon meluncurkan platform pembelajaran mesinnya sendiri - Amazon Machine Learning.
2015: Microsoft membuat platform Alat Mesin Pembelajaran Terdistribusi untuk pembelajaran mesin terdesentralisasi.
2020: Teknologi kecerdasan buatan digunakan di hampir setiap produk perangkat lunak.
Gambar: Unsplash
Di mana pembelajaran mesin diterapkan sekarang?
Pendidikan. Berkat pengenalan kecerdasan buatan, para pengembang telah menciptakan sistem pembelajaran yang mensimulasikan perilaku guru. Mereka dapat mengidentifikasi tingkat pengetahuan siswa, menganalisis jawaban mereka, memberi nilai, dan bahkan menentukan rencana pembelajaran pribadi.
Misalnya, AutoTutor mengajar siswa melek komputer, fisika, dan berpikir kritis. Knewton mempertimbangkan karakteristik pembelajaran setiap siswa dan mengembangkan kurikulum yang unik untuknya. Angkatan Udara AS menggunakan sistem SHERLOCK untuk melatih pilot menemukan masalah teknis di pesawat.
Mesin pencari.Mesin pencari menggunakan pembelajaran mesin untuk meningkatkan fungsinya. Misalnya, Google telah menerapkan pembelajaran mesin dalam pengenalan suara dan pencarian gambar. Pada 2019, Google memperkenalkan Teachable Machine 2.0 , jaringan saraf pembelajaran mandiri yang mampu mengenali suara ucapan, intonasi, dan postur. Menggunakan webcam dan mikrofon, pengguna melatih jaringan saraf tanpa menulis kode dan mengekspornya ke aplikasi, media, atau situs pihak ketiga.
Pemasaran digital.Pembelajaran mesin di area ini memberikan personalisasi pelanggan yang mendalam. Dengan demikian, perusahaan dapat berinteraksi dengan klien pada tingkat pribadi, semakin dekat dengannya. Melalui algoritme segmentasi yang canggih, mesin berfokus pada "pelanggan yang tepat pada waktu yang tepat" untuk menjual produk secara efektif. Selain itu, dengan data pelanggan yang tepat, perusahaan memiliki informasi yang dapat digunakan untuk mempelajari perilaku dan reaksi mereka.
Misalnya, Nova menggunakan pembelajaran mesin untuk menulis buletin email kepada pelanggan, sambil membuat email dipersonalisasi. Mesin mengetahui email mana yang sebelumnya memiliki konversi tinggi dan, karenanya, menyarankan perubahan dalam pengiriman surat untuk penjualan yang lebih baik.
Kesehatan. IBM memiliki perkembanganWatson . Ini adalah superkomputer pembelajaran mesin untuk penelitian medis. Watson untuk teknologi Onkologi memproses sejumlah besar data medis, termasuk gambar yang dapat mendiagnosis kanker secara akurat. Watson untuk Onkologi sekarang digunakan di rumah sakit di New York, Bangkok dan India. Pada Juli 2016 IBM mulai bekerja sama dengan 16 pusat kesehatan dan startup teknologi untuk mempercepat pengembangan program untuk diagnosis yang tepat.
Keluaran
Masa depan teknologi adalah pembelajaran mesin. Dalam dekade berikutnya, pembelajaran mesin akan menjadi keunggulan kompetitif tidak hanya untuk perusahaan top, tetapi juga untuk startup yang menjanjikan. Apa yang dilakukan dengan tangan hari ini akan dilakukan oleh mesin besok. Perlu ditambahkan bahwa algoritma pembelajaran mesin tidak hanya akan digunakan dalam bisnis dan ekonomi, tetapi juga akan menjadi bagian dari kehidupan sehari-hari (pengenalan perintah suara untuk rumah pintar ).
Saat ini, pembelajaran mesin mengambil bentuk baru dan terus berkembang. Pembelajaran mesin dibangun di atas konsep yang dapat dipelajari oleh komputer. Itu. mereka dapat melakukan hal-hal yang awalnya tidak diprogram untuk mereka lakukan.
Saat ini, peneliti kecerdasan buatan ingin menguji apakah komputer dapat belajar dari data. Aspek interaktif dari pembelajaran mesin penting karena mesin dapat terus belajar dan beradaptasi sendiri. Komputer belajar dari kalkulasi dan metrik sebelumnya untuk memberikan solusi dan hasil yang andal dan sukses untuk masa depan yang lebih baik.