12 KiB
Sejarah Pembelajaran Mesin
Sketchnote oleh Tomomi Imura
Kuis Pra-Pelajaran
🎥 Klik gambar di atas untuk video singkat yang membahas pelajaran ini.
Dalam pelajaran ini, kita akan membahas tonggak-tonggak utama dalam sejarah pembelajaran mesin dan kecerdasan buatan.
Sejarah kecerdasan buatan (AI) sebagai bidang ilmu sangat terkait dengan sejarah pembelajaran mesin, karena algoritma dan kemajuan komputasi yang mendasari ML berkontribusi pada pengembangan AI. Penting untuk diingat bahwa, meskipun bidang-bidang ini sebagai area penelitian yang terpisah mulai terbentuk pada tahun 1950-an, penemuan algoritmik, statistik, matematis, komputasi, dan teknis yang penting telah ada sebelumnya dan saling tumpang tindih. Faktanya, manusia telah memikirkan pertanyaan-pertanyaan ini selama ratusan tahun: artikel ini membahas dasar intelektual historis dari gagasan tentang 'mesin yang dapat berpikir.'
Penemuan Penting
- 1763, 1812 Teorema Bayes dan pendahulunya. Teorema ini dan aplikasinya mendasari inferensi, menggambarkan probabilitas suatu peristiwa terjadi berdasarkan pengetahuan sebelumnya.
- 1805 Teori Kuadrat Terkecil oleh matematikawan Prancis Adrien-Marie Legendre. Teori ini, yang akan Anda pelajari dalam unit Regresi, membantu dalam pencocokan data.
- 1913 Rantai Markov, dinamai dari matematikawan Rusia Andrey Markov, digunakan untuk menggambarkan urutan kemungkinan peristiwa berdasarkan keadaan sebelumnya.
- 1957 Perceptron adalah jenis pengklasifikasi linear yang ditemukan oleh psikolog Amerika Frank Rosenblatt yang mendasari kemajuan dalam pembelajaran mendalam.
- 1967 Tetangga Terdekat adalah algoritma yang awalnya dirancang untuk memetakan rute. Dalam konteks ML, algoritma ini digunakan untuk mendeteksi pola.
- 1970 Backpropagation digunakan untuk melatih jaringan saraf feedforward.
- 1982 Jaringan Saraf Rekuren adalah jaringan saraf buatan yang berasal dari jaringan saraf feedforward yang menciptakan grafik temporal.
✅ Lakukan sedikit penelitian. Tanggal apa lagi yang menurut Anda penting dalam sejarah ML dan AI?
1950: Mesin yang Berpikir
Alan Turing, seorang tokoh luar biasa yang dipilih oleh publik pada tahun 2019 sebagai ilmuwan terbesar abad ke-20, dianggap membantu meletakkan dasar untuk konsep 'mesin yang dapat berpikir.' Ia menghadapi skeptisisme dan kebutuhan pribadinya akan bukti empiris tentang konsep ini sebagian dengan menciptakan Tes Turing, yang akan Anda pelajari dalam pelajaran NLP kami.
1956: Proyek Penelitian Musim Panas Dartmouth
"Proyek Penelitian Musim Panas Dartmouth tentang kecerdasan buatan adalah peristiwa penting bagi kecerdasan buatan sebagai bidang," dan di sinilah istilah 'kecerdasan buatan' pertama kali diciptakan (sumber).
Setiap aspek pembelajaran atau fitur kecerdasan lainnya pada prinsipnya dapat dijelaskan dengan sangat tepat sehingga sebuah mesin dapat dibuat untuk mensimulasikannya.
Peneliti utama, profesor matematika John McCarthy, berharap "untuk melanjutkan berdasarkan dugaan bahwa setiap aspek pembelajaran atau fitur kecerdasan lainnya pada prinsipnya dapat dijelaskan dengan sangat tepat sehingga sebuah mesin dapat dibuat untuk mensimulasikannya." Para peserta termasuk tokoh terkenal lainnya di bidang ini, Marvin Minsky.
Lokakarya ini dianggap telah memulai dan mendorong beberapa diskusi termasuk "kemunculan metode simbolik, sistem yang berfokus pada domain terbatas (sistem pakar awal), dan sistem deduktif versus sistem induktif." (sumber).
1956 - 1974: "Tahun-tahun Emas"
Dari tahun 1950-an hingga pertengahan '70-an, optimisme tinggi bahwa AI dapat menyelesaikan banyak masalah. Pada tahun 1967, Marvin Minsky dengan percaya diri menyatakan bahwa "Dalam satu generasi ... masalah menciptakan 'kecerdasan buatan' akan secara substansial terpecahkan." (Minsky, Marvin (1967), Computation: Finite and Infinite Machines, Englewood Cliffs, N.J.: Prentice-Hall)
Penelitian pemrosesan bahasa alami berkembang pesat, pencarian disempurnakan dan dibuat lebih kuat, dan konsep 'dunia mikro' diciptakan, di mana tugas-tugas sederhana diselesaikan menggunakan instruksi bahasa biasa.
Penelitian didanai dengan baik oleh lembaga pemerintah, kemajuan dibuat dalam komputasi dan algoritma, dan prototipe mesin cerdas dibangun. Beberapa mesin ini termasuk:
-
Shakey the robot, yang dapat bermanuver dan memutuskan cara melakukan tugas secara 'cerdas'.
Shakey pada tahun 1972
-
Eliza, 'chatterbot' awal, dapat berbicara dengan orang dan bertindak sebagai 'terapis' primitif. Anda akan belajar lebih banyak tentang Eliza dalam pelajaran NLP.
Versi Eliza, chatbot
-
"Blocks world" adalah contoh dunia mikro di mana balok dapat ditumpuk dan diurutkan, dan eksperimen dalam mengajarkan mesin untuk membuat keputusan dapat diuji. Kemajuan yang dibangun dengan pustaka seperti SHRDLU membantu mendorong pemrosesan bahasa ke depan.
🎥 Klik gambar di atas untuk video: Blocks world dengan SHRDLU
1974 - 1980: "Musim Dingin AI"
Pada pertengahan 1970-an, menjadi jelas bahwa kompleksitas membuat 'mesin cerdas' telah diremehkan dan janji-janji yang diberikan, mengingat kekuatan komputasi yang tersedia, telah dilebih-lebihkan. Pendanaan mengering dan kepercayaan pada bidang ini melambat. Beberapa masalah yang memengaruhi kepercayaan meliputi:
- Keterbatasan. Kekuatan komputasi terlalu terbatas.
- Ledakan kombinatorial. Jumlah parameter yang perlu dilatih tumbuh secara eksponensial seiring dengan meningkatnya permintaan pada komputer, tanpa evolusi paralel dari kekuatan dan kemampuan komputasi.
- Kekurangan data. Kekurangan data menghambat proses pengujian, pengembangan, dan penyempurnaan algoritma.
- Apakah kita mengajukan pertanyaan yang tepat?. Pertanyaan yang diajukan mulai dipertanyakan. Peneliti mulai menghadapi kritik terhadap pendekatan mereka:
- Tes Turing dipertanyakan melalui, antara lain, teori 'ruang Cina' yang menyatakan bahwa, "memprogram komputer digital mungkin membuatnya tampak memahami bahasa tetapi tidak dapat menghasilkan pemahaman nyata." (sumber)
- Etika memperkenalkan kecerdasan buatan seperti "terapis" ELIZA ke dalam masyarakat diperdebatkan.
Pada saat yang sama, berbagai aliran pemikiran AI mulai terbentuk. Sebuah dikotomi muncul antara praktik "AI berantakan" vs. "AI rapi". Laboratorium berantakan mengutak-atik program selama berjam-jam hingga mendapatkan hasil yang diinginkan. Laboratorium rapi "berfokus pada logika dan pemecahan masalah formal". ELIZA dan SHRDLU adalah sistem berantakan yang terkenal. Pada tahun 1980-an, ketika muncul permintaan untuk membuat sistem ML dapat direproduksi, pendekatan rapi secara bertahap menjadi yang terdepan karena hasilnya lebih dapat dijelaskan.
Sistem Pakar 1980-an
Seiring berkembangnya bidang ini, manfaatnya bagi bisnis menjadi lebih jelas, dan pada tahun 1980-an begitu pula proliferasi 'sistem pakar'. "Sistem pakar adalah salah satu bentuk perangkat lunak kecerdasan buatan (AI) yang pertama benar-benar sukses." (sumber).
Jenis sistem ini sebenarnya hibrida, terdiri sebagian dari mesin aturan yang mendefinisikan persyaratan bisnis, dan mesin inferensi yang memanfaatkan sistem aturan untuk menyimpulkan fakta baru.
Era ini juga melihat perhatian yang semakin besar terhadap jaringan saraf.
1987 - 1993: 'Pendinginan' AI
Proliferasi perangkat keras sistem pakar yang khusus memiliki efek yang tidak menguntungkan karena menjadi terlalu khusus. Munculnya komputer pribadi juga bersaing dengan sistem besar, khusus, dan terpusat ini. Demokratisasi komputasi telah dimulai, dan akhirnya membuka jalan bagi ledakan data besar modern.
1993 - 2011
Era ini melihat babak baru bagi ML dan AI untuk dapat menyelesaikan beberapa masalah yang sebelumnya disebabkan oleh kurangnya data dan kekuatan komputasi. Jumlah data mulai meningkat pesat dan menjadi lebih tersedia secara luas, baik untuk keuntungan maupun kerugian, terutama dengan munculnya smartphone sekitar tahun 2007. Kekuatan komputasi berkembang secara eksponensial, dan algoritma berevolusi seiring waktu. Bidang ini mulai mencapai kematangan saat masa-masa bebas sebelumnya mulai mengkristal menjadi disiplin yang sebenarnya.
Sekarang
Saat ini pembelajaran mesin dan AI menyentuh hampir setiap bagian dari kehidupan kita. Era ini menyerukan pemahaman yang hati-hati tentang risiko dan dampak potensial dari algoritma ini terhadap kehidupan manusia. Seperti yang dinyatakan oleh Brad Smith dari Microsoft, "Teknologi informasi menimbulkan masalah yang menyentuh inti perlindungan hak asasi manusia fundamental seperti privasi dan kebebasan berekspresi. Masalah-masalah ini meningkatkan tanggung jawab bagi perusahaan teknologi yang menciptakan produk ini. Menurut pandangan kami, masalah ini juga menyerukan regulasi pemerintah yang bijaksana dan pengembangan norma-norma tentang penggunaan yang dapat diterima" (sumber).
Masih harus dilihat apa yang akan terjadi di masa depan, tetapi penting untuk memahami sistem komputer ini serta perangkat lunak dan algoritma yang mereka jalankan. Kami berharap kurikulum ini akan membantu Anda mendapatkan pemahaman yang lebih baik sehingga Anda dapat memutuskan sendiri.
🎥 Klik gambar di atas untuk video: Yann LeCun membahas sejarah pembelajaran mendalam dalam kuliah ini
🚀Tantangan
Telusuri salah satu momen sejarah ini dan pelajari lebih lanjut tentang orang-orang di baliknya. Ada karakter-karakter yang menarik, dan tidak ada penemuan ilmiah yang pernah dibuat dalam kekosongan budaya. Apa yang Anda temukan?
Kuis Pasca-Pelajaran
Tinjauan & Studi Mandiri
Berikut adalah item untuk ditonton dan didengarkan:
Podcast ini di mana Amy Boyd membahas evolusi AI
Tugas
Penafian:
Dokumen ini telah diterjemahkan menggunakan layanan penerjemahan AI Co-op Translator. Meskipun kami berusaha untuk memberikan hasil yang akurat, harap diingat bahwa terjemahan otomatis mungkin mengandung kesalahan atau ketidakakuratan. Dokumen asli dalam bahasa aslinya harus dianggap sebagai sumber yang otoritatif. Untuk informasi yang bersifat kritis, disarankan menggunakan jasa penerjemahan profesional oleh manusia. Kami tidak bertanggung jawab atas kesalahpahaman atau penafsiran yang keliru yang timbul dari penggunaan terjemahan ini.