Pada suatu ketika dahulu, kita ada cara yang pasti untuk membezakan manusia dan komputer: Kita paparkan gambar haiwan berkaki empat dan tanyakan haiwan apakah itu. Komputer tidak dapat mengenal pasti haiwan yang dipaparkan tetapi manusia tidak ada masalah untuk menjawab dengan yakin.
Tapi, semua itu berubah sekitar satu dekat yang lalu kerana kemajuan machine learning – khususnya kemajuan besar dalam neural networks, yang dapat melatih komputer untuk belajar dengan cara yang serupa dengan manusia. Hari ini, jika anda memberi komputer dengan cukup gambar haiwan dan labelnya, ia boleh belajar membezakannya dengan sempurna.
Tetapi bagaimana sebenarnya rangkaian saraf membantu komputer melakukan ini? Dan apa lagi yang boleh – atau tidak boleh – mereka lakukan?
Jadi, persoalan sekarang: Apa itu Neural Network?
Untuk memahami neural networks, kita perlu kembali kepada asasnya dan memahami bagaimana ia sesuai dengan gambaran artificial intelligence(AI). Bayangkan, AI adalah satu patung besar dan dalamnya ada machine learning(ML), dan di dalamnya, ada neural network dan dalam neural network dimana komputer akan melakukan deep learning.
Sekiranya anda menganggap AI sebagai sains membuat sesuatu menjadi pintar, ML adalah sub-bidang AI yang memfokuskan untuk menjadikan komputer lebih pintar dengan mengajar mereka untuk belajar, dan bukannya mengkodkannya. Oleh itu, neural network adalah teknik canggih untuk ML, di mana anda mengajar komputer untuk belajar dengan algoritma yang mengambil inspirasi dari otak manusia.
Mungkin untuk kali pertama kelihatan neural network ini rumit, tetapi anda mungkin sering berinteraksi dengan neural network – seperti ketika anda menggunakan aplikasi seperti Netflix, Facebook atau Tiktok yang mempunyai akaun peribadi dan sering memberi cadangan untuk apa ditonton.
