Neural Networks: Aplikasi di Dunia Nyata

Neural Networks menemukan aplikasi ekstensif di area di mana komputer tradisional tidak berjalan dengan baik. Seperti, untuk pernyataan masalah di mana alih-alih keluaran terprogram, Anda ingin sistem mempelajari, mengadaptasi, dan mengubah hasil sinkron dengan data yang Anda berikan. Jaringan saraf juga menemukan aplikasi yang ketat setiap kali kita berbicara tentang berurusan dengan data yang berisik atau tidak lengkap. Dan jujur, sebagian besar data yang ada di luar sana memang berisik.
Dengan kemampuan seperti otak mereka untuk belajar dan beradaptasi, Neural Networks membentuk seluruh dasar dan memiliki aplikasi dalam Kecerdasan Buatan, dan akibatnya, algoritma Pembelajaran Mesin. Sebelum kita membahas bagaimana Jaringan Syaraf Tiruan memberdayakan Kecerdasan Buatan, pertama-tama mari kita bicara sedikit tentang apa sebenarnya Kecerdasan Buatan itu.
Untuk waktu yang lama, kata "kecerdasan" hanya dikaitkan dengan otak manusia. Tapi kemudian, sesuatu terjadi! Para ilmuwan menemukan cara melatih komputer dengan mengikuti metodologi yang digunakan otak kita. Maka muncullah Artificial Intelligence, yang pada dasarnya dapat didefinisikan sebagai kecerdasan yang berasal dari mesin. Untuk membuatnya lebih sederhana, Machine Learning hanya menyediakan mesin dengan kemampuan untuk "berpikir", "belajar", dan "beradaptasi".
Dengan begitu banyak yang dikatakan dan dilakukan, sangat penting untuk memahami apa sebenarnya kasus penggunaan AI, dan bagaimana Neural Networks membantu penyebabnya. Mari selami aplikasi Neural Networks di berbagai domain – mulai dari Media Sosial dan Belanja Online , hingga Keuangan Pribadi , dan terakhir, hingga asisten cerdas di ponsel Anda .
Anda harus ingat bahwa daftar ini sama sekali tidak lengkap, karena aplikasi jaringan saraf tersebar luas. Pada dasarnya, apa pun yang membuat mesin belajar adalah menyebarkan satu atau jenis jaringan saraf lainnya .

Media sosial

Banjir data yang terus meningkat di sekitar media sosial memberi pencipta platform ini kesempatan unik untuk mencoba-coba data tak terbatas yang mereka miliki. Tidak heran Anda bisa melihat fitur baru setiap dua minggu. Ini hanya adil untuk mengatakan bahwa semua ini akan menjadi seperti mimpi yang jauh tanpa Neural Networks untuk menyelamatkan hari.
Panduan Pemula Untuk Pemahaman Bahasa Alami

Neural Networks dan algoritme pembelajarannya menemukan aplikasi ekstensif di dunia media sosial. Mari kita lihat caranya:

Facebook

Segera setelah Anda mengunggah foto apa pun ke Facebook, layanan ini secara otomatis menyorot wajah dan meminta teman untuk memberi tag. Bagaimana cara langsung mengidentifikasi teman Anda yang mana yang ada di foto?
Jawabannya sederhana – Kecerdasan Buatan. Dalam sebuah video yang menyoroti penelitian Kecerdasan Buatan Facebook, mereka membahas aplikasi Neural Networks untuk memperkuat perangkat lunak pengenalan wajah mereka. Facebook berinvestasi besar-besaran di area ini, tidak hanya di dalam organisasi, tetapi juga melalui akuisisi perusahaan rintisan pengenalan wajah seperti Face.com (diakuisisi pada 2012 dengan harga $60 juta yang dikabarkan), Masquerade (diakuisisi pada 2016 dengan jumlah yang tidak diungkapkan), dan Faciometrics (diakuisisi pada tahun 2016 untuk jumlah yang tidak diungkapkan).

Pada Juni 2016, Facebook mengumumkan inisiatif Kecerdasan Buatan baru yang menggunakan berbagai jaringan saraf dalam seperti DeepText – mesin kecerdasan buatan yang dapat memahami konten tekstual dari ribuan posting per detik, dengan akurasi mendekati manusia.

Instagram

Instagram, diakuisisi oleh Facebook pada tahun 2012, menggunakan pembelajaran mendalam dengan memanfaatkan koneksi jaringan saraf berulang untuk mengidentifikasi makna kontekstual dari sebuah emoji – yang telah terus menggantikan bahasa gaul (misalnya, emoji tertawa dapat menggantikan “rofl” ).
Dengan mengidentifikasi sentimen di balik emoji secara algoritme, Instagram membuat dan menyarankan emoji dan tagar terkait emoji secara otomatis. Ini mungkin tampak seperti aplikasi kecil AI, tetapi kemampuan untuk menafsirkan dan menganalisis terjemahan emoji-ke-teks ini dalam skala yang lebih besar menetapkan dasar untuk analisis lebih lanjut tentang bagaimana orang menggunakan Instagram.

Pinterest

Pinterest menggunakan visi komputer – aplikasi lain dari jaringan saraf s, di mana kami mengajarkan komputer untuk "melihat" seperti manusia, untuk secara otomatis mengidentifikasi objek dalam gambar (atau "pin", sebagaimana mereka menyebutnya) dan kemudian merekomendasikan pin yang serupa secara visual. Aplikasi lain dari jaringan saraf di Pinterest termasuk pencegahan spam, pencarian dan penemuan, kinerja iklan dan monetisasi, dan pemasaran email.
Generasi Bahasa Alami: Hal Teratas yang Perlu Anda Ketahui

Belanja online

Apakah Anda menemukan diri Anda dalam situasi di mana Anda akan membeli sesuatu, tetapi Anda akhirnya membeli lebih banyak dari yang direncanakan, berkat beberapa rekomendasi yang luar biasa?
Ya, salahkan jaringan saraf untuk itu. Dengan memanfaatkan jaringan saraf dan pembelajarannya, raksasa e-commerce menciptakan sistem Kecerdasan Buatan yang mengenal Anda lebih baik daripada diri Anda sendiri. Mari kita lihat caranya:

Mencari

Pencarian Amazon Anda (“earphone”, “pizza stone”, “pengisi daya laptop”, dll) mengembalikan daftar produk paling relevan yang terkait dengan pencarian Anda, tanpa membuang banyak waktu. Dalam deskripsi teknologi pencarian produknya, Amazon menyatakan bahwa algoritmenya belajar secara otomatis untuk menggabungkan beberapa fitur yang relevan. Ini menggunakan pola masa lalu dan menyesuaikan dengan apa yang penting bagi pelanggan yang bersangkutan.
Dan apa yang membuat algoritme "belajar"? Anda menebaknya dengan benar – Neural Networks !

Rekomendasi

Amazon menunjukkan kepada Anda rekomendasi menggunakan "pelanggan yang melihat item ini juga melihat", "pelanggan yang membeli item ini juga membeli", dan juga melalui rekomendasi yang dikuratori di beranda Anda, di bagian bawah halaman item, dan melalui email. Amazon menggunakan Jaringan Syaraf Tiruan untuk melatih algoritmenya guna mempelajari pola dan perilaku penggunanya. Ini, pada gilirannya, membantu Amazon memberikan rekomendasi yang lebih baik dan disesuaikan.

Perbankan/Keuangan Pribadi

Cek Setoran Melalui Ponsel

Sebagian besar bank besar menghilangkan kebutuhan nasabah untuk mengirimkan cek secara fisik ke bank dengan menawarkan kemampuan untuk menyetor cek melalui aplikasi smartphone . Teknologi yang mendukung aplikasi ini menggunakan Neural Networks untuk menguraikan dan mengubah tulisan tangan pada cek menjadi teks. Pada dasarnya, Neural Networks menemukan diri mereka sebagai inti dari aplikasi apa pun yang membutuhkan pengenalan tulisan tangan/ucapan/gambar.

Pencegahan Penipuan

Bagaimana lembaga keuangan dapat menentukan transaksi penipuan? Seringkali, volume transaksi harian terlalu banyak untuk ditinjau secara manual. Untuk membantu hal ini, Kecerdasan Buatan digunakan untuk membuat sistem yang mempelajari melalui pelatihan jenis transaksi apa yang curang (belajar berbicara, berbicara Neural Networks !).
FICO – perusahaan yang menciptakan peringkat kredit yang digunakan untuk menentukan kelayakan kredit, menggunakan jaringan saraf untuk memperkuat Kecerdasan Buatan mereka untuk memprediksi transaksi penipuan. Faktor-faktor yang mempengaruhi keluaran akhir jaringan syaraf tiruan termasuk frekuensi dan ukuran transaksi dan jenis pengecer yang terlibat.
Perhatikan Hal Besar Berikutnya: Pembelajaran Mesin

Menghidupkan Ponsel Anda

Suara-ke-Teks

Salah satu fitur yang lebih umum pada smartphone saat ini adalah konversi suara-ke-teks. Cukup menekan tombol atau mengucapkan frasa tertentu ("Ok Google", misalnya), memungkinkan Anda mulai berbicara ke telepon dan telepon Anda mengubah audio menjadi teks. Google memanfaatkan jaringan saraf tiruan dalam koneksi berulang untuk mendukung pencarian suara. Microsoft juga mengklaim telah mengembangkan sistem pengenalan suara – menggunakan Neural Networks , yang dapat menyalin percakapan sedikit lebih akurat daripada manusia.

Asisten Pribadi Cerdas

Dengan teknologi suara-ke-teks menjadi cukup akurat untuk diandalkan untuk percakapan dasar, itu berubah menjadi antarmuka kontrol untuk asisten pribadi generasi baru. Awalnya, ada asisten telepon yang lebih sederhana – Siri dan Google Now (sekarang digantikan oleh Asisten Google yang lebih canggih), yang dapat melakukan pencarian internet, mengatur pengingat, dan berintegrasi dengan kalender Anda. Amazon memperluas model ini dengan mengumumkan komponen perangkat keras dan perangkat lunak pelengkap – Alexa, dan Echo (kemudian, Dot).

Apa Perbedaan antara Ilmu Data, Pembelajaran Mesin, dan Data Besar?

Untuk Mengakhiri…
Kami hanya menggores permukaan ketika datang ke aplikasi jaringan saraf dalam kehidupan sehari-hari. Industri dan domain tertentu memiliki interaksi khusus dengan Kecerdasan Buatan dengan memanfaatkan jaringan saraf yang jauh melampaui apa yang dibicarakan dalam artikel ini. Misalnya, pemain catur secara teratur menggunakan mesin catur untuk menganalisis permainan mereka, meningkatkan diri, dan berlatih taktik baru – dan tidak perlu dikatakan bahwa mesin catur tersebut menyebarkan Neural Networks untuk menyelesaikan pembelajaran.

Pelajari kursus ML Online dari Universitas top dunia. Dapatkan Master, PGP Eksekutif, atau Program Sertifikat Tingkat Lanjut untuk mempercepat karier Anda.
Apakah Anda memiliki kasus penggunaan Neural Networks kehidupan nyata menarik lainnya yang mungkin kami lewatkan? Jatuhkan di komentar di bawah!