Videos

Find Us On Facebook

Sensasi

Apakah “Machine Learning”?

Chappie dan  Ava (ex-Machina) adalah antara watak yang diterapkan elemen “machine learning” sepanjang jalan ceritanya. Kalau kita buat direct translation, machine learning bermakna “pembelajaran mesin / mesin yang belajar“. Tidak semua orang meminati cerita sains fiksyen sedemikian, kerana tidak semua faham pun. Kan? Jadi, penerangan yang sedikit ini diharap mampu menanam sedikit fahaman dan minat anda terhadap bidang ini. Bila dah minat, baru rasa seronok nak belajar lebih banyak lagi kan? OK.

Mesin sebenarnya tidak boleh belajar sendiri. Ia bodoh, dungu dan bebal. Sebagai contoh, mesin pembersih vakum, manalah dia pandai nak bergerak sendiri sedut habuk betul x? Apa yang manusia boleh buat untuk bagi dia pandai adalah dengan menanam algoritma yang membolehkan mesin tersebut belajar supaya dia mampu melaksanakan kerja vakum dengan berkesan seperti smart vacuum cleaner. Apa pula algoritma? Algoritma pula adalah set arahan yang dipasang pada mesin untuk mengolah data dari sesuatu maklumat supaya boleh membuat anggaran/ramalan/keputusan pada masa hadapan. Ini boleh dilakukan dengan lebih baik berbanding tukang ramal manusia kerana:

  • Setiap maklumat mesti mempunyai corak (patterns) data tertentu.
  • Corak-corak tersebut digunakan oleh mesin utk membuat generalisasi.
  • Sebelum membuat generalisasi, satu model pembelajaran akan dibina untuk mengenalpasti corak data supaya mesin mampu membuat anggaran/tilikan situasi pada masa hadapan.

Dumb Vacuum Cleaner

Sebagai contoh mudah, anda sebagai seorang manusia mampu untuk mengenalpasti gaya penulisan RoS atau OhWow mahupun gaya ceramah DUKE atau DrMaza. Ini kerana, terdapat corak penyampaian tertentu yang ada pada mereka yang mana sudah lekat dalam otak anda untuk pengecaman. Mesin pada asalnya tidak mampu untuk melakukan perkara sedemikian. Mesin perlu dibantu oleh manusia untuk membuat generalisasi tersebut. Hanya dengan selepas beberapa contoh corak penulisan diperkenalkan kepada mesin, barulah ia mampu untuk mengenalpasti penulisan RoS berbanding OhWow. Begitu juga dengan corak penyampaian DUKE atau DrMaza. Setelah menjalani proses pembelajaran, barulah mesin mampu membuat ramalan pada masa hadapan untuk mengenalpasti siapakah penulis mahupun penceramah tanpa perlu melalui proses belajar lagi.

DUKE dan DrMaza

Terdapat banyak algoritma untuk pembelajaran mesin. Kesemuanya mempunyai kelebihan dan kekurangan tertentu sesuai dengan keunikan setiap masalah. Ada yang kita mampu fahami kenapa mesin memilih keputusan tertentu sebagai contoh menggunakan decision trees (keputusan berpokok), dan ada yang sukar untuk kita fahami mengapa mesin memilih keputusan tertentu menggunakan neural networks (rangkaian saraf). Ini kerana kebanyakan algoritma pembelajaran mesin menggunakan matematik dan statistik. Dari semudah-mudah statistik sehinggalah sekompleks-kompleks pengiraan. Tiada algoritma one size fit all untuk semua aplikasi. Senang cakap, tak boleh main tonyoh je algoritma ini untuk selesaikan semua masalah. No. No. No.

Decision Tree (kiri) dan Neural Network (kanan)

Had Kemampuan Pembelajaran Mesin

Pembelajaran mesin tidaklah sesempurna mana. Setiap algoritma mempunyai keupayaan yang berbeza-beza ke atas set corak yang lebih besar. Kekurangan set corak untuk pembelajaran juga mengurangkan kecekapan algoritma. Corak yang sama tidak semestinya dilihat dengan cara yang sama oleh algoritma yang lain. Ini menyebabkan salah tafsir data boleh berlaku. Manusia mempunyai pengetahuan, pengalaman yang luas, serta kemampuan yang luar biasa untuk mengenali situasi baru tatkala membuat keputusan, manakala kaedah pembelajaran mesin mengeluarkan keputusan hanya berdasarkan data yang telah dilihat, itupun dengan perspektif yang sangat terhad.

UAI

Berdasarkan contoh DUKE dan DrMaza, pembelajaran mesin tidak mungkin dengan secara tiba-tiba mampu mengenali UAI. Habis kuat pun, mesin hanya mampu menyatakan unknown/not-classified/unidentified kerana corak yang telah didedahkan masih tidak lagi merangkumi corak UAI. Mesin perlu melalui proses pembelajaran semula. Oleh yang demikian, keupayaan robot untuk menguasai dunia seperti SkyNet dalam filem Terminator bolehlah dikatakan jauh panggang dari api. Cumanya, sifat kebanyakan algoritma pembelajaran mesin adalah dia akan terus belajar selagi mana maklumat baru terus diterima.

Rujukan:
Segaran, T. (2007). Programming Collective Intelligence: Building Smart Web 2.0 Applications. Book (Vol. 120–121). http://ift.tt/2hucYGP


Sumber: RootOfSience

Sumber : Citeheboh

from I Am Kiram http://ift.tt/2gVDFn2
via IFTTT

About Unknown

0 comments:

Post a Comment

Powered by Blogger.