Kecerdasan Buatan (Artificial Intelligence)

Ada dua jenis AI yaitu weak AI dan strong AI

• Weak AI .
• Weak Ai atau juga disebut Narrow AI atau Artificial Narrow Intelligence (ANI)—adalah AI yang dilatih untuk melakukan tugas tertentu. AI yang lemah menggerakkan sebagian besar AI yang ada di sekitar kita saat ini. 'Sempit' mungkin merupakan deskripsi yang lebih akurat untuk jenis AI ini karena sama sekali tidak lemah,Adapun contohnya seperti Siri Apple, Alexa Amazon, IBM Watson, dan kendaraan otonom
• Strong AI
• Storng AI terdiri dari Artificial General Intelligence (AGI) dan Artificial Super Intelligence (ASI). Artificial General Intelligence (AGI) adalah bentuk AI teoretis di mana mesin akan memiliki kecerdasan yang setara dengan manusia, itu akan memiliki kesadaran diri yang memiliki kemampuan untuk memecahkan masalah, belajar, dan merencanakan masa depan. Sedangkan Artificial Super Intelligence (ASI) juga dikenal sebagai superintelligence yang dapat melampaui kecerdasan dan kemampuan otak manusia. Seperti “A Space Odyssey” merupakan asisten computer yang diciptakan pada tahun 2001

Machine Learning & Deep Learning

Machine Learning adalah bagian dari AI yang memungkinkan mesin untuk belajar secara bertahap berdasarkan data, dan nantinya akan menghasilkan suatu prediksi secara otomatis. Machine learning ini mengadaptasi kemampuan manusia dalam belajar dan menghasilkan output sesuai dengan algoritma yang dilatih dengan data-data seperti apapun. Data yang masuk ke dalam mesin akan dipelajari, dianalisis, dan kemudian menghasilkan suatu prediksi, saran, ataupun keputusan.

Terdapat 7 tahapan proses dari machine learning dalam mempelajari data hingga nantinya menghasilkan prediksi, yaitu:

1. Data Gathering
   Mesin akan mengumpulkan data-data yang tepat dalam membangun model untuk menemukan pola yang sesuai.
2. Data Pre-processing
   Data yang telah dikumpulkan akan diolah, divisualisasikan, dan dibagi menjadi 2 set. (Training Set & Testing Set).
3. Choose Model
   Selanjutnya adalah memilih model machine learning yang sesuai dengan output yang diinginkan.
4. Train Model
   Merupakan tahap paling penting karena machine learning akan menemukan pola sesuai algoritma yang dirancang untuk membuat prediksi.
5. Test Model
   Machine learning akan melakukan pengujian terhadap pola yang ditemukan. Hal ini bertujuan untuk melihat bagaimana performa dari proses train model.
6. Tune Model
   Setelah membuat dan menguji model machine learning, perhatikanlah apakah akurasi dapat ditingkatkan lagi melalui beberapa parameter.
7. Prediction
   Pada tahap akhir ini, Anda dapat menggunakan model machine learning untuk melakukan prediksi dari data-data yang telah diproses sebelumnya.

Algoritma Deep Learning merupakan salah satu algoritma yang dapat digunakan untuk menyelesaikan permasalahan data. Deep Learning adalah suatu proses pembelajaran yang dilakukan oleh mesin dengan cara meniru cara kerja jaringan otak manusia atau yang biasa disebut dengan neural networks. Algoritma ini dapat digunakan untuk menyelesaikan permasalahan baik itu analisis pola atau clustering maupun klasifikasi.