Berikut ini adalah postingan artikel kategori Artificial Intelligence yang membahas tentang penjelasan pengertian, definisi, dan arti dari istilah kata self-supervised learning (ssl) berdasarkan rangkuman dari berbagai jenis macam sumber (referensi) relevan, terkait, serta terpercaya.
Daftar Isi Konten:
Pengertian Self-Supervised Learning (SSL)
Apa itu sebetulnya yang dimaksud dengan self-supervised learning (ssl) ini?
Pembelajaran Mandiri (SSL) adalah pendekatan untuk pembelajaran mesin memungkinkan algoritma pembelajaran mesin untuk menggunakan input yang diamati untuk memprediksi input yang tidak diketahui.
Tujuan penting untuk pembelajaran yang diawasi sendiri adalah untuk mengubah model pembelajaran yang tidak diawasi secara terprogram menjadi model pembelajaran yang diawasi dengan mengembangkan sistem pembelajaran mendalam pra-pelatihan yang dapat belajar mengisi informasi yang hilang.
Bert (representasi encoder dua arah dari Transformers) dan Q Learning mungkin dua aplikasi pembelajaran yang paling terkenal di AI.
Selama fase pra-pelatihan, setiap sistem ditunjukkan contoh singkat teks di mana beberapa kata hilang.
Sistem kemudian dilatih bagaimana mengekstrak sinyal pengawasan dari data input untuk memprediksi kata -kata yang hilang secara akurat.
SSL dan telah memainkan peran penting dalam pengembangan pemrosesan bahasa alami (NLP).
Ini adalah salah satu dari beberapa pendekatan yang sedang dipelajari untuk mengurangi kebutuhan akan sejumlah besar data untuk melatih algoritma pembelajaran AI.
Pembahasan dari Apa itu Pengertian, Maksud, dan Istilah Teknis Kata Self-Supervised Learning (SSL)
Baik, agar kita dapat lebih mendalami arti penjelasan serta maksud dari acronym atau kata tersebut di atas, pastinya kita juga perlu memahami lebih dalam tentang pembahasan tentang apa itu pengertian, makna, dan akronim, istilah, jargon, atau terminologi self-supervised learning (ssl).
Selama Asosiasi untuk Kemajuan Konferensi Kecerdasan Buatan (AAAI) 2020, ilmuwan komputer Prancis, Yann Lecun, mengatakan bahwa pembelajaran yang di-swadaya adalah apa yang akan membawa AI dan sistem pembelajaran mendalam ke tingkat berikutnya.
Karena pembelajaran yang di-swadaya menggunakan informasi yang sebelumnya dipelajari untuk memprediksi pola data dan peristiwa mendatang, secara efektif menjadi lebih pintar, itu tidak dibatasi oleh kemampuan manusia.
Kemandiriannya memungkinkannya untuk sangat terukur, tumbuh secara eksponensial ke dalam prediksi pola dan keterampilan pengakuan, bersama dengan kemampuan pengambilan keputusan yang canggih.
Karena kurangnya bantuan manusia selama proses pembelajaran, pendekatan ini membutuhkan algoritma pembelajaran mesin yang kuat dan kompleks bersama dengan kekuatan komputasi yang tinggi.
Mereka harus dapat menangani sejumlah besar data dari berbagai jenis dan dapat membuat katalog dan mengkategorikannya secara fleksibel dan efektif.
Pengkodean yang tepat dari semua item pelatihan adalah kunci untuk pendekatan pembelajaran yang sukses sendiri.
Semakin rinci dan kaya data setiap item studi, semakin banyak informasi yang dapat diekstraksi oleh sistem AI dari mereka.
Akibatnya, sistem akan memiliki peluang yang lebih baik dalam mengklasifikasikan item dan input dengan benar dalam kaitannya dengan item lain selama dan setelah menyelesaikan pelatihan.
Secara umum, sistem AI yang dirancang menggunakan pembelajaran yang diatur sendiri tidak digunakan untuk secara langsung memecahkan masalah dalam data yang pertama kali disajikan.
Dengan pendekatan ini, sistem membuat kelompok titik data yang menunjukkan serangkaian kesamaan atau pola berbagi, sementara menjadi berbeda mungkin dari kelompok lain.
Akibatnya, sistem AI akan memberikan informasi tentang bagaimana ia mewakili objek yang dianalisisnya.
Representasi yang dipikirkannya, atau jaringan saraf sederhana, akan berguna dalam menyelesaikan tugas yang berorientasi objek yang serupa di masa depan.
Meskipun tidak rapi, pembelajaran mesin swasembar dapat membuka banyak pintu dalam hal mengembangkan sistem AI dan pembelajaran yang mendalam.
Beberapa manfaat yang unik untuk pembelajaran yang di-swadaya meliputi:
Skalabilitas-Tanpa pembelajaran yang di-swadaya, membangun model prediksi dan kategorisasi yang kuat tidak akan efisien dan memakan waktu.
Atau, sistem AI yang mengandalkan pembelajaran yang di-swadaya dapat mengotomatisasi set tugas kompleks selama mereka memiliki kekuatan, pengetahuan, dan waktu komputasi yang memadai.
Pemecahan masalah yang efisien – tidak lagi perlu mengandalkan gagasan otak manusia yang terbentuk sebelumnya dengan data berlabel, sistem AI sendiri dapat menemukan rute terbaik untuk memecahkan masalah, dari mengisi celah dalam gambar hingga prediksi statistik dan kategorisasi objek.
Meningkatkan Visi Komputer-Pembelajaran yang di-swadaya memungkinkan sistem AI melatih diri mereka sendiri mirip dengan bagaimana otak manusia tumbuh untuk mengenali lingkungan sekitarnya.
Ini memastikan sistem tidak macet atau limbah kekuatan komputasi mencari kesamaan antara apa yang dilihat dan sudah berlabel item pelatihan.
Menciptakan Kecerdasan Manusia-mirip dengan peningkatan visi komputer, sistem AI yang mengandalkan pembelajaran yang di-swadaya tidak hanya memiliki potensi untuk tumbuh hingga tingkat kecerdasan yang dekat manusia tetapi juga dapat membantu ahli saraf memahami cara kerja otak manusia.
Dengan semua manfaatnya, pendekatan pembelajaran mesin yang di-swadaya memiliki keterbatasan yang mencegahnya dari penggunaan luas.
Untuk satu, itu membutuhkan kekuatan komputasi yang sangat besar yang sulit didapat untuk proyek yang lebih kecil dan pengembang amatir.
Selain itu, pembelajaran yang di-swadaya, secara default, sangat sensitif.
Ketidakakuratan kecil dalam barang-barang yang digunakan untuk melatihnya atau bagaimana mereka dikodekan dapat menghasilkan hasil yang sangat tidak akurat yang hampir tidak mungkin untuk memperbaiki atau ‘debug’ secara individual.
Selain itu, pekerjaan sedang dilakukan dengan gambar, secara khusus menggunakan kerangka kerja SIMCLR, dan kemajuan dengan pemrosesan bahasa alami (NLP) memengaruhi bidang pembelajaran yang di-swadaya dengan cara yang menarik bagi mereka yang ada di industri, dengan manfaat besar bagi konsumen dan pengguna akhir.
Namun, dengan semua keterbatasan dan masa bayi yang relatif, pembelajaran yang di-swadaya adalah apa yang diharapkan oleh banyak ilmuwan komputer untuk masa depan.
Seperti yang sudah kita lihat di atas, istilah ini merupakan salah satu dari kumpulan kamus, akronim, istilah, jargon, atau terminologi dalam bidang teknologi yang diawali dengan abjad atau awalan S, serta merupakan terms yang terkait dengan Artificial Intelligence dengan subkategori Machine Learning.
Arti Self-Supervised Learning (SSL) dalam Kamus Terjemahan Bahasa Indonesia dan Inggris
Selain membahas tentang pengertian dan pembahasan definisinya, untuk lebih memperdalamnya, di sini kita juga perlu mengetahui apa arti kata self-supervised learning (ssl) dalam kamus terjemahan bahasa Indonesia dan Inggris.
Untuk lebih mudah dalam memahaminya, di artikel ini Kami akan menguraikannya berupa tabel terjemahan bahasa Indonesia dan Inggris sebagai berikut.
| Tipe | Bahasa Indonesia | Bahasa Inggris |
| Terminologi | pembelajaran penghentian sendiri (ssl) | self-supervised learning (ssl) |
| Kategori | kecerdasan buatan | artificial intelligence |
Penutup
Baiklah, di atas adalah pembahasan dan penjelasan tentang apa itu arti dari self-supervised learning (ssl).
Semoga postingan artikel yang sudah Kami bagikan ini dapat bermanfaat serta dapat menambah wawasan kita semua.
Lihat juga pembahasan tentang apa itu pengertian, makna, dan akronim, istilah, jargon, atau terminologi artikel lainnya yang berhubungan dengan bidang Teknologi yang ada di laman blog UrlWebsite Kami.
Sumber (Referensi)
Artikel ini dibuat berdasar dari simpulan arti definisi dari berbagai referensi relevan yang berotoritas seperti Wikipedia, Webopedia Technology Dictionary dan beberapa sumber lainnya seperti Technopedia dan Techterms. Kata Self-Supervised Learning (SSL) ini merupakan salah satu dari kumpulan terminologi “Artificial Intelligence dengan subkategori Machine Learning” dalam bidang teknologi yang dimulai dengan abjad atau awalan S. Artikel ini di-update pada bulan Dec tahun 2024.
- https://id.wikipedia.org/wiki/terminologi
- https://id.wikipedia.org/wiki/teknologi
- https://id.wikipedia.org/wiki/teknis
- https://www.webopedia.com/?s=self-supervised-learning-ssl
- Gambar contoh dari self-supervised-learning-ssl via Google di sini
- Gambar contoh dari self-supervised-learning-ssl via Bing di sini
