Ada banyak ketidaksepakatan di antara para ahli dan ahli tentang masa depan Kecerdasan buatan. Sementara beberapa orang senang dengan prospek komputer dan robot yang belajar sendiri, yang lain, seperti Stephen Hawkings, memiliki keraguan tentang hal itu. Menurut Stephen Hawkings, robot dapat mengambil alih planet jika penelitian kecerdasan buatan tidak dilakukan dengan benar.
Baca baca: Perdebatan tentang kecerdasan buatan.
Istilah dalam Kecerdasan Buatan
AI: Kecerdasan buatan; mengacu pada bidang kecerdasan buatan dalam arti luas
Algoritma: Anda mungkin telah menemukan kata ini jika Anda telah mengikuti pemrograman. Ini mengacu pada seperangkat instruksi yang menyelesaikan tugas. Dalam kecerdasan buatan, Algorithm memberi tahu mesin-mesin bagaimana mencari jawaban atas berbagai masalah atau pertanyaan.
Pertimbangan Analogis: Istilah analogis umumnya mengacu pada data non-digital tetapi ketika datang ke bidang AI, penalaran analogis adalah proses di mana orang (ilmuwan) menarik kesimpulan berdasarkan hasil sebelumnya. Ini lebih seperti memprediksi pasar saham. Peta dan diagram digambar berdasarkan data masa lalu dan penalaran analogis diterapkan untuk memperkirakan hasil dari setiap proses atau percobaan.
ANN: Jaringan Neuron Buatan: Jaringan neuron buatan membentuk tulang punggung dari banyak eksperimen di bidang penalaran yang ekstrim. Sistem yang tidak dapat memecahkan masalah kompleks dimodifikasi untuk mengandung jaringan neuron buatan dengan cara yang dapat mereka pikirkan dan memecahkan masalah yang rumit. Jaringan neuron buatan didasarkan pada jaringan neuron biologis dan mungkin adalah yang paling menakutkan di antara semua istilah yang digunakan dalam kecerdasan buatan.
Backpropagation: Sesuatu di baris pengkodean terbalik. Hasilnya sudah ada tetapi proses untuk mencapai hasil ini diketahui dengan memberi makan proses terkait ke dalam sistem yang siap untuk tujuan AI.
Backward Chaining: Kedengarannya seperti backpropagation, tetapi tujuannya di sini adalah untuk mengetahui apakah ada data yang tersedia yang dapat digunakan sebagai bukti untuk tujuan saat ini. Dalam sistem ini juga, para ahli bekerja dari solusi yang sudah ada untuk proses yang membantu mencapai solusi, dan dalam prosesnya, mencari tahu bukti bahwa proses dapat bergantung pada.
CBR: Alasan Berbasis Kasus: Suatu metode di mana masalah dipecahkan berdasarkan kasus-kasus serupa yang diselesaikan di masa lalu.
Pembelajaran Mendalam: Suatu proses yang menggunakan algoritma khusus untuk memodelkan dan mempelajari kumpulan data yang kompleks; metode ini juga digunakan untuk membangun hubungan antara data dan dataset
Forward Chaining: Sebuah proses di mana mesin belajar maju dari titik tertentu - menggunakan urutan subproses if-then untuk mencapai tujuan yang diperlukan. Tujuannya adalah untuk mencari tahu sistem yang berfungsi untuk serangkaian masalah tertentu.
Penalaran Induktif: Suatu proses di mana bukti dan dataset digunakan untuk mencapai tujuan tertentu. Ini seharusnya tidak jauh berbeda dari pemrograman normal karena berfungsi pada dataset yang sudah ada daripada membangunnya. Proses pengumpulan data dan menggabungkannya berdasarkan sifat mereka disebut penambangan data dan penalaran Induktif menggunakan dataset yang dibuat sebagai hasil dari penambangan data.
Pembelajaran mesin: Lain dari istilah yang menakutkan yang digunakan dalam kecerdasan buatan, Machine Learning mengacu pada mesin yang bekerja tanpa diberi makan program untuk melakukan tugas. Pembelajaran mesin datang dan meningkat seiring dengan peningkatan kehidupan sistem. Ini menggunakan pola hasil yang diperoleh di masa lalu untuk bertindak untuk tujuan saat ini.
NLP - Pemrosesan Bahasa Alami: Salah satu istilah populer yang digunakan dalam kecerdasan buatan, pemrosesan bahasa alami didasarkan pada pengenalan suara atau masukan berbasis gerakan. Intinya di sini adalah memahami bahasa manusia sebagai menganggapnya sebagai perintah. Semakin Anda berinteraksi dengan mesin menggunakan NLP, semakin baik untuk memahami dan memproses perintah Anda.
Pemangkasan: Proses pembersihan kode sehingga solusi yang tidak diinginkan dapat dihilangkan. Tetapi dengan pemotongan kode (pemangkasan), jumlah keputusan yang dapat dibuat oleh mesin dibatasi.
AI kuat: Kuat mengacu pada bidang kecerdasan buatan yang berfungsi memberikan kekuatan mirip otak ke mesin AI; pada dasarnya, ia bekerja untuk membuat mesin secerdas manusia
AI lemah: Sebagian besar sistem AI di pasar saat ini adalah AI lemah (kecerdasan buatan). Mesin AI yang lemah masih bisa membuat keputusan sendiri berdasarkan penalaran dan data masa lalu.
Ini adalah istilah paling penting yang digunakan dalam kecerdasan buatan sesuai dengan pemahaman saya.
Baca baca: Fakta dan Mitos tentang Kecerdasan Buatan: AI Lemah, AI Kuat & AI Super.
