Saat Anda berada di toko baru mencari es krim rasa favorit, tetapi sulit ditemukan, Anda mungkin tidak tahu persis di mana es krim itu, tetapi Anda mungkin tahu bahwa Anda harus pergi ke lemari es, ada di lorong berlabel makanan beku dan mungkin itu tidak di bagian yang sama dengan pizza beku.
Kemampuan saya untuk menemukan es krim di toko baru tidak naluriah, meskipun rasanya seperti itu. Ini adalah hasil dari kenangan bertahun-tahun menavigasi banyak bagian dan lorong toko kelontong yang berbeda, menggunakan isyarat visual seperti lemari es atau tanda lorong untuk mencari tahu apakah saya berada di jalur yang benar.
Hari ini, ketika kita mendengar tentang "pembelajaran mesin," kita sebenarnya berbicara tentang bagaimana Google mengajarkan komputer untuk menggunakan informasi yang ada untuk menjawab pertanyaan seperti: Di mana es krim? Atau, dapatkah Anda memberi tahu saya jika paket saya telah tiba di depan pintu saya? Untuk edisi Ask a Techspert ini, saya berbicara dengan Rosie Buchanan, yang merupakan insinyur perangkat lunak senior yang mengerjakan Persepsi Mesin di Google Nest.
Dia tidak hanya membantu menjelaskan cara kerja pembelajaran mesin, dia juga mengatakan kepada saya bahwa mulai hari ini, pelanggan Nest Aware dapat menerima pemberitahuan ketika Nest Hello mereka, menggunakan pembelajaran mesin, mendeteksi bahwa sebuah paket telah dikirimkan.
Apa itu pembelajaran mesin (machine learning)?
Saya akui: Rosie datang dengan metafora makanan. Dia mengatakan kepada saya bahwa ketika Anda mencari sesuatu untuk dimakan, Anda memiliki model di kepala Anda. "Anda belajar apa yang harus dimakan dengan melihat, mencium, menyentuh, dan menggunakan pengalaman Anda sebelumnya dengan hal-hal serupa," katanya. "Dengan pembelajaran mesin, kami mengajarkan komputer bagaimana melakukan sesuatu, seringkali dengan akurasi yang lebih baik daripada seseorang, berdasarkan pemahaman masa lalu."
Bagaimana Anda mendapatkan mesin untuk belajar?
Rosie dan timnya mengajar mesin melalui pembelajaran yang diawasi. Untuk membantu kamera Nest mengidentifikasi paket, mereka menggunakan data yang mereka tahu berisi "jawaban yang benar," yang dalam hal ini adalah foto paket. Mereka kemudian memasukkan set data ini ke komputer sehingga dapat membuat model algoritmik berdasarkan gambar yang mereka berikan. Ini disebut pekerjaan pelatihan, dan membutuhkan ratusan ribu gambar. "Seiring waktu, komputer dapat secara mandiri mengidentifikasi paket yang dikirim tanpa bantuan," kata Rosie.
Bagaimana Anda mengetahui apa yang membuat mesin belajar?
Rosie mengatakan kepada saya bahwa deteksi paket adalah salah satu fitur yang paling banyak diminta dari pengguna Nest Hello. "Secara khusus, kami berusaha memecahkan masalah berdasarkan apa yang diinginkan pengguna," katanya. “Keselamatan dan keamanan di rumah adalah area yang sangat besar bagi pengguna kami.” Dengan membawa pemberitahuan pengiriman paket ke Nest Aware, Rosie dan timnya telah menemukan kegunaan untuk pembelajaran mesin yang menghilangkan tugas yang membosankan untuk menunggu pengiriman Anda.
Apakah Anda memerlukan superkomputer besar untuk melakukan pembelajaran mesin?
Itu tergantung pada apakah Anda membuat model pembelajaran mesin atau menggunakannya. Jika Anda seorang pengembang seperti Rosie, Anda akan memerlukan beberapa komputer yang kuat. Tetapi jika Anda ingin melihat apakah ada paket di depan pintu Anda, Anda tidak perlu lebih dari bel pintu video. "Ketika para insinyur mengembangkan model pembelajaran mesin, dibutuhkan banyak daya komputasi untuk mengajarkannya apa yang perlu diketahui," kata Rosie. "Tetapi begitu dilatih, model pembelajaran mesin tidak selalu menghabiskan banyak ruang , sehingga pada dasarnya bisa berjalan di mana saja, seperti di bel pintu pintar Anda. "
Bisakah mesin memahami beberapa hal yang kita manusia tidak bisa?
Menurut Rosie, ya. "Kita sering dapat menggambarkan hal-hal yang kita pelajari," katanya, "tetapi ada hal-hal yang tidak dapat kita gambarkan, dan mesin pandai memahami pengamatan ini." Ini disebut pembelajaran kotak hitam: Kita dapat mengetahui bahwa model sedang belajar sesuatu tetapi kita tidak bisa mengatakan apa itu.
Contoh yang bagus dari ini adalah ketika sebuah paket tiba di depan pintu Anda. Tim Rosie menunjukkan banyak jaringan gambar paket, dan banyak gambar hal-hal lain (pohon, anjing, pisang, sebut saja). Mereka memberi tahu jaringan gambar mana yang merupakan paket dan mana yang bukan. Jaringan ini terdiri dari beberapa node yang berbeda, masing-masing berusaha mempelajari cara mengidentifikasi paket dengan sendirinya. Satu node mungkin mengetahui bahwa banyak paket berwarna coklat, dan yang lain mungkin memperhatikan bahwa banyak paket berbentuk persegi panjang.
“Node-node ini bekerja bersama untuk mulai menyusun konsep tentang apa paket itu, akhirnya muncul dengan konsep 'paket' bahwa kita sebagai manusia bahkan mungkin tidak mengerti,” kata Rosie. "Pada akhirnya, kita tidak benar-benar tahu persis apa yang dipelajari jaringan sebagai definisi 'tanpa paket', apakah itu mencari kotak cokelat, tas putih atau sesuatu yang lain." Dengan pembelajaran mesin, tim dapat menunjukkan jaringan dan gambar baru dan mungkin memberi tahu kami ada paket di dalamnya, tapi kami tidak bisa sepenuhnya tahu persis bagaimana membuat keputusan itu.
( Diterjemahkan dari link asli : https://www.blog.google/inside-google/googlers/ask-techspert-machine-learning/ )
( Diterjemahkan dari link asli : https://www.blog.google/inside-google/googlers/ask-techspert-machine-learning/ )
 | DS Software Anda sedang mengembangkan usaha? Membutuhkan tools untuk pencatatan administrasi bisnis? Mencari sarana untuk mempromosikan produk dan layanan via internet? Seorang engineer manufaktur/laboratorium yang sedang membutuhkan pencatatan data otomatis dari sensor dalam rangka monitoring dan pengembangan produk? Silahkan klik, kami siap membantu Anda ! |
