fbpx

Artikel Bisnis Digital

Teknologi yang muncul: pembelajaran mendalam menggali area yang tidak diketahui

Universitas Amikom Purwokerto, Kampus IT dan Bisnis Digital Banyumas, Jawa Tengah.

Pembelajaran mendalam terus menjadi perhatian utama bagi praktisi AI karena kemampuannya untuk mendukung pengambilan keputusan berbasis data dan potensi analisis data tidak terstruktur, yang menghasilkan peningkatan produktivitas dan manfaat ekonomi yang signifikan. Dengan memproses suara, teks, gambar, dan video, pembelajaran mendalam memungkinkan untuk mengembangkan perspektif yang lebih berwawasan.

Pembelajaran mendalam terdiri dari kombinasi algoritme yang mengebor banyak lapisan untuk mengekstrak wawasan dari data mentah. Ini terutama berlaku untuk tugas-tugas pembelajaran tanpa pengawasan dan ketika mencoba menafsirkan lebih banyak data yang tidak berlabel daripada data berlabel. Pembelajaran mendalam bisa menyenangkan, tetapi ada beberapa aspek yang memerlukan pendekatan yang cermat.

Pembelajaran mendalam masih dianggap sebagai kotak hitam karena rekomendasinya tidak selalu didasarkan pada teori yang terbukti. Alasan yang dihasilkannya terutama didasarkan pada pendekatan empiris, tidak termasuk faktor-faktor penting lainnya yang dapat mempengaruhi proses pengambilan keputusan. Inferensi saat ini diambil dari rentang terbatas data pelatihan yang tersedia dalam sistem, tetapi data aktual dan distribusinya bisa sangat besar. Mengkategorikan data yang tidak berlabel sebagai bagian dari kategori yang sudah dikenal dapat menyebabkan kelemahan dalam arsitektur pembelajaran yang mendalam. Prasangka manusia selama pengambilan keputusan juga diadopsi oleh kerangka pembelajaran mendalam, yang mengurangi akurasi. Anda juga perlu waspada terhadap manipulasi digital oleh para peretas.

Jadi apa masa depan pembelajaran yang mendalam? Yang penting di sini adalah bahwa definisi pembelajaran mendalam itu sendiri berkembang karena mencakup pengembangan dalam ranah AI yang lebih besar. Gary Marcus, pelopor dalam pembelajaran mendalam, memiliki empat kemungkinan untuk masa depan pembelajaran mendalam: pembelajaran tanpa pengawasan yang memungkinkan sistem untuk menentukan tujuan mereka sendiri dan memecahkan masalah, integrasi pembelajaran mendalam dan sistem simbolik.Ini menggambarkan peningkatan inferensi oleh. Model pembelajaran yang akurat dan berkembang melalui wawasan yang lebih baik dari psikologi kognitif dan perkembangan dan AI menjadi multidimensi untuk mengatasi kompleksitas masalah.

Menurut kepala ilmuwan AI Facebook Yann LeCun, fase berikutnya dari AI akan ditingkatkan daripada diawasi. Ia mengelaborasi ide self-managed learning, ide belajar merepresentasikan dunia sebelum belajar melakukan tugas tertentu. Menurut ilmuwan Nikko Strom, mengintegrasikan penalaran simbolis dan pembelajaran yang efisien dari interaksi dunia adalah dua tantangan utama yang perlu ditangani oleh pembelajaran mendalam. Sistem pembelajaran mendalam di masa depan diharapkan dapat menangani data yang tidak seragam yang tersedia dalam berbagai format. Inisiatif interdisipliner yang menginspirasi yang dapat berdampak signifikan pada pembelajaran mendalam juga sedang berlangsung.

Singkatnya, mendapatkan hasil maksimal dari AI, terutama pembelajaran mendalam, membutuhkan penelitian dan eksperimen interdisipliner dalam berbagai disiplin ilmu. Hal ini dapat berdampak luas pada departemen pengembangan dan fitur penting misi. Penelitian lanjutan sedang berlangsung di negara-negara Barat, tetapi lembaga dan industri India perlu segera bergerak maju dan memulai penelitian serupa di India, dengan fokus pada pemenuhan kebutuhan unik kita. …

Penulis adalah ketua Global Talent Track, sebuah perusahaan solusi pelatihan perusahaan.

Mahasiswa Jurusan Bisnis Digital Universitas Amikom Purwokerto

Info Bisnis Digital

Hari
Jam
Menit
Detik

Pendaftaran Jalur Gelombang 1 (Satu)