Rangkaian saraf dalam: Otak tersembunyi yang menguasai AI

• Pengarang
• Nama pengarang

  Quantumrun Foresight
• April 6, 2023

Algoritma dan data besar telah menjadi kata kunci utama dalam ruang kecerdasan buatan (AI), tetapi rangkaian saraf tiruan (ANN) adalah yang membolehkan mereka menjadi alat yang berkuasa. ANN ini digunakan untuk mengenali corak, mengklasifikasikan data dan membuat keputusan berdasarkan data input. 

Konteks rangkaian saraf dalam

Rangkaian saraf tiruan cuba meniru kerumitan kecerdasan manusia dengan membina rangkaian perisian, kod dan algoritma untuk memproses input (data/corak) dan memadankannya dengan output yang paling berdaya maju (kesan/hasil). ANN ialah lapisan tersembunyi yang memproses dan menghubungkan perhubungan antara data dan membuat keputusan. Lebih banyak ANN dibina antara input dan output, lebih banyak mesin belajar kerana ketersediaan data yang lebih kompleks. Lapisan ANN berbilang dikenali sebagai rangkaian neural dalam kerana ia boleh menggali ke dalam volum tinggi data latihan dan membangunkan penyelesaian atau corak terbaik. 

Sebuah mesin "dididik" lebih lanjut melalui perambatan balik, proses melaraskan parameter sedia ada untuk melatih algoritma untuk menghasilkan hasil/analisis terbaik. Rangkaian saraf tiruan boleh dilatih untuk melaksanakan pelbagai tugas, seperti pengecaman imej dan pertuturan, terjemahan bahasa, dan juga bermain permainan. Mereka melakukan ini dengan melaraskan kekuatan sambungan antara neuron, yang dikenali sebagai pemberat, berdasarkan data input yang mereka terima semasa proses latihan. Kaedah ini membolehkan rangkaian belajar dan menyesuaikan diri dari semasa ke semasa, meningkatkan prestasinya pada tugas. Terdapat banyak jenis ANN, termasuk rangkaian suapan hadapan, rangkaian neural convolutional (CNN) dan rangkaian saraf berulang (RNN). Setiap jenis direka bentuk supaya sangat sesuai dengan tugas atau kelas data tertentu.

Kesan yang mengganggu

Hampir tidak ada industri hari ini yang tidak menggunakan rangkaian saraf dalam dan AI untuk mengautomasikan proses perniagaan dan mengumpulkan risikan pasaran. Mungkin kes penggunaan rangkaian saraf dalam yang paling jelas ialah industri pemasaran, di mana AI memproses berjuta-juta maklumat pelanggan untuk mengenal pasti dengan tepat kumpulan tertentu yang lebih cenderung untuk membeli produk atau perkhidmatan. Oleh kerana ketepatan analisis data ini yang semakin tinggi, kempen pemasaran telah menjadi lebih berjaya melalui hypertargeting (mengenal pasti subset pelanggan tertentu dan menghantar mesej yang sangat disesuaikan kepada mereka). 

Satu lagi kes penggunaan yang muncul ialah perisian pengecaman muka, bidang perdebatan yang berkaitan dengan keselamatan siber dan privasi data. Pengecaman muka sedang digunakan daripada pengesahan apl kepada penguatkuasaan undang-undang dan didayakan oleh rangkaian saraf dalam yang memproses rekod polis dan swafoto yang diserahkan oleh pengguna. Perkhidmatan kewangan merupakan satu lagi industri yang mendapat manfaat tinggi daripada rangkaian saraf dalam, menggunakan AI untuk meramalkan pergerakan pasaran, menganalisis permohonan pinjaman dan mengenal pasti potensi penipuan.

Rangkaian saraf dalam juga boleh menganalisis imej perubatan, seperti x-ray dan pengimejan resonans magnetik (MRI), untuk membantu mendiagnosis penyakit dan meramalkan hasil pesakit. Mereka juga boleh digunakan untuk menganalisis rekod kesihatan elektronik untuk mengenal pasti trend dan faktor risiko untuk keadaan tertentu. Rangkaian saraf juga berpotensi untuk digunakan dalam penemuan ubat, perubatan diperibadikan dan pengurusan kesihatan penduduk. Walau bagaimanapun, adalah penting untuk ambil perhatian bahawa ANN harus membantu dalam membuat keputusan perubatan dan bukannya menggantikan kepakaran dan pertimbangan profesional perubatan terlatih.

Aplikasi rangkaian saraf dalam

Aplikasi rangkaian saraf dalam yang lebih luas mungkin termasuk:

• Algoritma menjadi semakin canggih melalui set data yang lebih kompleks dan teknologi yang lebih baik, menghasilkan tugas peringkat tinggi seperti menyediakan perkhidmatan perundingan dan nasihat pelaburan. Pada tahun 2022, algoritma mesra pengguna yang berkuasa, seperti Open AI's ChatGPT menunjukkan kuasa, serba boleh dan kebolehgunaan sistem AI yang dilatih pada set data yang cukup besar. (Pekerja kolar putih di seluruh dunia mengalami rasa menggigil secara kolektif.)
• Kecerdasan buatan semakin digunakan dalam tentera untuk menyediakan maklumat masa nyata dan kecerdasan untuk menyokong strategi perang.
• Rangkaian saraf dalam yang membolehkan Metaverse mencipta ekosistem digital yang kompleks yang terdiri daripada maklumat masa nyata seperti demografi, gelagat pelanggan dan ramalan ekonomi.
• ANN dilatih untuk mengenali corak dalam data yang menunjukkan aktiviti penipuan dan digunakan untuk menandakan transaksi yang mencurigakan dalam bidang seperti kewangan dan e-dagang.
• Rangkaian saraf dalam digunakan untuk mengecam objek, orang dan pemandangan dalam imej dan video. Kaedah ini digunakan dalam aplikasi seperti kereta pandu sendiri, sistem keselamatan, dan penandaan media sosial.

Soalan yang perlu dipertimbangkan

• Bagaimana lagi pada pendapat anda rangkaian neural yang mendalam akan mengubah masyarakat dalam tempoh tiga tahun akan datang?
• Apakah kemungkinan cabaran dan risiko?