Kepintaran Buatan

 Kepintaran Buatan

Kepintaran buatan atau bahasa Inggerisnya Artificial Intelligence (AI) ialah kepintaran meniru yang ditunjuk oleh sesebuah jentera terutamanya komputer. Kepintaran buatan ini ialah teknologi yang membolehkan komputer dan jentera untuk merangsang pembelajaran manusia, memahami, menyelesaikan masalah, membuat keputusan dan menjadi kreatif. Subset kepada kepintaran buatan ialah pembelajaran jentera atau machine learning.

Aplikasi yan dilengkapi kepintaran buatan atau AI boleh melihat dan mengecam objek. Ia boleh memahami dan bertindakbalas kepada bahasa manusia, boleh belajar maklumat dan pengalaman baru. AI juag boleh membuat cadangan terperinci kepada pengguna dan bergerak berdikari. Aplikasi terkenal AI termasuklah enjin carian laman sesawang ( sepert Google Search), system cadangan (diguna oleh Youtube, Amazon dan Netflix), pembantu maya (seperti Google Assistant, Siri dan Alexa), kenderaan autoatik, peralatan kreatif dan penghasil karya (seperti ChatGPT dan AI Art) dan permainan adimaya (seperti catur). Bagaimanapun, banyak aplikasi AI tidak terlihat seperti AI.

Banyak cabang khusus kajian AI yang berpusat kepada tujuan khuss dan menggunakan peralatan tertentu. Tujuan tradisional kajian AI termasuklah memberi sebab, pembentangan pengetahuan, perancangan, pembelajaran, pemprosesan Bahasa semulajadi, persepsi dan sokongan untuk robot, kepintaran umum – keupayaan untuk menyelesaikan tugasan yang dibuat manusia sekurang-kurangya pada aras yang sama – antara tujuan jangka panjang. Untuk mencapai tujuan ini, pengkaji AI menyesuaikan dan menggabungkan Teknik yang luas julatnya, termasuk optimasi matematik, logic formal, jaringan neural buatan, dan kaedah berdasarkan statistik, kajian operasi dan ekonomi. AI juga meliputi psikologi, Bahasa, falsafah, sains neuro dan lain-lain.

Kepintaran buatan dcipta dalam lapangan akademik pada tahun 1956, dan melalui pelbagai kitaran optimis menerusi sejarahnya, diikuti fasa kekecewaan dan kehilangan dana (dikenali sebagai musim sejuk AI). Minat dan dana meningkat naik selepas 2012 dengan kerangka perubahan dan awal 2020, berbilion dolar dilaburkan dalam AI dan kemajuan pengalaman di lapangan meningkat dengan cepat, dikenali sebagai AI boom. Sejak 2024, kebanyakan pengkaji dan pengalam AI fokus kepada penghasilan AI, teknologi yang menghasilkan teks asal, gambar dan video.Penghasilan AI di tengah tengah AI boom dan keupayaan mencipta dan mengubahsuai isi mendedahkan kepada akibat yang tidak dijangka. Ini menimblkan risiko dalam AI dalam jangka masa Panjang dan membawa kepada polisi perundangan untuk memastikan keselamatan teknologi.

Bagaimana kepintaran buatan berfungsi?

Kepintaran Buatan terlibat dalam dunia robot. Seiring teknologi berubah, tanda aras sebelumnya yang merujuk kepintaran buatan sudah lapuk. Teknologi yang menggunapakai Kepintaran Buatan termasuklah:

1.    Mata komputer yang membenarkan komputer mengecam objek dan orang dalam gambar.

2.    Pemprosesan bahasa semulajadi membenarkan komputer memahami bahasa manusia.

3.    Unit pemprosesan grafik iaitu cip komputer membantu komputer membentuk grafik melalui pengiraan matematik.

4.    Internet Of Things iaitu jaringan peranti fizikal, kenderaan dan objek lain disatukan dengan penderia, perisian dan jaringan yang mengumpul dan berkongsi data.

5.    Program aplikasi membenarkan dua atau lebih program komputer atau komponen untuk berinteraksi satu sama lain

Secara umum, penghasilan Kepintaran Buatan beroperasi dalam tiga fasa:

1.    Melatih, untuk cipta model asas

2.    Menyelaras, untuk sesuaikan model kepada aplikasi khusus

3.    Penghasilan, evaluasi dan lebih penyelarasan, untuk membaiki ketepatan

Melatih

Penghasilan Kepintaran Buatan bermula dengan model asas, model pembelajaran mendalam yang bertindak sebagai asas kepada pelbagai jenis penghasilan aplikasi Kepintaran Buatan.

Model asas paling biasa sekarang ialah model bahasa besar (Large language model -LLM), mencipta aplikasi membuat teks. Ada juga model asas untuk gambar, video dan muzik, dan model asas pelbagai modal yang menyokong beberapa jenis bahan.

Untuk menghasilkan model asas, pengamal lakan melatih algoritma bahan asal dalam jumlah yang besar, tidak bersusun dan tidak berlabel. Latihan akan menuai jaringan neural dalam berbilion parameter – mengekod wakil entiti, pila dan hubungkait data – yang akan menghasilkan bahan secara automatik sebagai tindakbalas prompt.

Proses latihan ini mengambil masa, menggunakan perkakasan dan mahal, ia memerlukan unit pemprosesan grafik berkelompok dan pemprosesan berminggu-minggu, kebiasaannya berbilion dolar. Projek model asas sumber terbuka seperti Llama-2 meta membenarkan pembangun Kepintaran Buatan mengelak langkah dan kos ini.

Menyelaras

Seterusnya. Model perlu diselaran kepada tugas penghasilan bahan yang khusus. Ini boleh dilakukan dalam pelbagai ebntuk termasuklah:

·         Penyelarasan halus – melibatkan memberi model data aplikasi khas – soalan atau prompt yang aplikasi akan terima dan balas jawapan yang betul mengikut format.

·         Peneguhan pembelajaran dengan maklumbalas manusia – pengguna akan menguji ketepatan atau kesesuaian jawapan model supaya model boleh membaiki diri.ini boleh jadi sesenang orang bercakap kembali pembetulan kepada chatbot atau pembantu maya.

Penghasilan, evaluasi dan lebih penyelarasan

Pembangun dan pengguna akan menilai secara berkala jawapan penghasilan aplikasi kepintaran buatan, dan kemudian selaraskan model – sekerap setiap minggu – untuk lebih ketepatan dan kesesuaian. Sebalikna, model asas aan mengemaskini dengan kurang kerap – mungkin setiap tahun atau setiap 18 bulan.

Pilihan lain untuk menambahbaik Kepintaran Buatan ialah perolehan kembali hujahan pembuatan -  teknik melanjutkan model asas untuk gunakan sumber luar yang berkaitan untuk lebih tepat.

Latar Belakang Kepintaran Buatan

Ilham bahawa jentera boleh berfikir bermula pada zaman Greek kuno. Kajian mekanikal atau penyebab formal bermula dengan ahli falsafah dan matematik dalam antukuiti.

 

Bermula dengan teori komputasi Alan Turing yang mencadangkan jentera yang merombak simbol 0 dan 1 berulangan. Bersama penemuan sibernetik, teori maklumat dan neurobiologi membawa penyelidik untuk pertimbangkan kemungkinan membina otak elektronik. Mereka membina beberapa bidang kajian yang menjadi sebahagian dari Kepintaran Buatan. Contohnya McCullouch dan Pitts membentuk neoron buatan pada 1943 dan Alan Turing membuat ujian Turing pada 1950 yang menerangkan kepintaran jentera.

Rajah 1: garis masa kepintaran buatan

 

1950- Alan Turing menerbitkan Computing Machinery and Intelligence. Dalam tulisan ini, Turing membawa soalan - bolehkan jentera berfikir?

Dari sini, beluai membuat ujian yang dikenal Ujian Turing yang membezakan tindakbalas komputer dan manusia. Walau ujian ini melalui banyak kajian sejak diterbitkan, ia menjadi bahagian penting dalam sejarah Kepintaran Buatan.

 

1960 – John McCarthy memulakan terma Kepintaran Buatan dalam konferens pertama AI di Darmouth College. McCarthy ialah pencipta bahasa aturcara Lisp. Beberapa yang hadir dalam konferens ini menjadi orang awal dalam kajian Kepintaran Buatan pada tahun 1960-an. Antaranya Allen Newel, J.C. Shaw dan Herbet Simon.

 

1965 - Herbet Simon menjangka jentera akan dapat, dalam tempoh 20 tahun – untuk lakukan apa yang manusia dapat lakukan.

 

1967 – Frank Rosenblatt membina Mark 1 Perceptron – jaringan neural berasas komputer yang pertama yang belajar melalui cuba uji. Setahun kemudian, Marvin Minsky dan Seymour Papert menerbitkan buku bertajuk Perceptrons yang menjadikan tanda aras dalam jaringan neural. Marvin Minsky menyokong dengan ulasan -  dalam satu generasi, masalah mencipta kepintaran buatan selesai dengan baik.  

 

1974 – Kerajaan Amerika Syarikan dan Britain memotong dana kajian hasil kritik Sir James Lighthill dan tekanan berterusan dari Kongres Amerika Syarikat untuk mendanai projek yang lebih produktif.

 

1980 – jaringan neural diguna meluas dalam aplikasi Kepintaran Buatan. Kejayaan komersian dalam sistem pakar, sejenis program Kepintaran Buatan yang mensimulasi pengetahuan dan kemahiran analiktik manusia.

 

1985 – pasaran Kepintaran Buatan mencapai lebih satu bilion dolar. Pada ketika itu, komputer generasi kelima Jepun memberi inspirasi Britain dan Amerika Syarikat untuk kembali memberi dana kepada kajian akademik.

 

1987 – bahasa aturcara Lisp mula jatuh dan Kepintaran Buatan lagi sekali tenggelam.

 

1990 – Yann LeCun berjaya membuat jaringan neural berlingkar yang boleh mengecam digit tulisan tangan.

 

1995 – Stuart Russen dan Peter Norvig menerbitkan Artificial Intelligence : A Modern Approach yang menjadi buku teks utama dalam pembelajaran Kepintaran Buatan.

 

1997 – Deep Blue mengalahkan Garry Kasparov, juara catur dalam pertandingan catur ( dan perlawanan ulangan).

 

2000 – cadangan yang dibangun oleh pengkaji kepintaran buatan banyak diguna.

 

2002 – subbidang Kepintaran Buatan am dibangun.

 

2004 – John McCarthy menulis What Is Artificial Intelligence? Dan mencadangkan maksud Kepintaran Buatan. Ketika ini data besar dan komputeran awan sedang diuji, membenarkan organisasi mengurus maklumat yang banyak.

 

2011 – IBM Watson mengalahkan pemenang Ken jennings dan Brad Rutter dalam Jeopardy! Dan ketika ini sains data mula menjadi disiplin terkenal.

 

2012 – Pembelajaran mendalam mendominasi.

 

2015 – superkomputer Minwa menggunakan jaringan neural dalam khas yang dipanggil jaringan neural berlingkar untuk mengenalpasti dan mengkategori gambar dalam kadar ketepatan yang lebih baik dari kebanyakan orang.

 

2016 – Program AlphaGo DeepMind, yang dikuasakan oleh jaringan neural dalam, mengalahkan Lee Sodol (juara dunia permainan Go) dalam lima perlawanan. Kejayaan ini memberi makna dalam nombor yang besar untuk pergerakan yang mungkin dalam penmprosesan permainan. Kemudian, Google membeli DeepMind bernilai USD400 juta.

 

2016 – isu salah guna teknologi timbul dalam konferens dan dikaji.

 

2022 – peningkatan model bahasa besar atau LLM seperti OpenAI ChatGPT, mencipta perubahan dalam perkembangan Kepintaran Buatan dan potensinya dalam nilai perdagangan. Dengan amalam generasi baru Kepintaran Buatan, model pembelajaran mendalam boleh mencapat data yang banyak.

 

2024 – trend Kepintaran Buatan terkini melihat perkembangan berterusan. Model modal pelbagai boleh mengambil pelbagai jenis data dan memberi pengalaman yang lebih. 

 

Tajuk lain

Kelebihan Kepintaran Buatan

Kepintaran Buatan di Malaysia

 

Rujukan

1.  Cole Stryker & Eda Kavlakoglu . What is artificial intelligence (AI)? https://www.ibm.com/think/topics/artificial-intelligence
2.   Gordon Scott January 28, 2025. What Is Artificial Intelligence (AI)? https://www.investopedia.com/terms/a/artificial-intelligence-ai.asp
3. Wikipedia

 

KEPINTARAN PELBAGAI

 KEPINTARAN PELBAGAI

Kepintaran pelbagai bermakna kepintaran dan kepandaian dalam pelbagai bentuk. Ia bukanlah seseorang yang pandai pelbagai benda. Tapi jenis-jenis kepandaian. Salah satu dari kepandaian ini, akan ada pada kita.

Pelopor teori psikologi kepintaran pelbagai ini ialah  Howard Gardner, ahli psikologi Universiti Harvard. Gardner perincikan kepintaran kepada 8 bahagian iaitu

1.       Visual spatial

2.       Bahasa-perbualan

3.       Logik-matematik

4.       Badan- kinestetik

5.       Musik

6.       Perorangan (interpersonal)

7.       Dalaman (intrapersonal)

8.       Semulajadi (naturalist)

Teori tradisional psikometrik asalnya, agak terhad. Gardner mencabar teori tradisional ini dan mencadangkan kita semua tidak dilahirkan dengan semua kepandaian yang sama. Gardner mula membuat pemerhatian pada hunung 1970an berkenaan kepintaran manusia. Pada tahun 1983, Gardner menerbitkan buku bertajuk Frames of Mind: The Theory of Multiple Intelligences. Beliau cadangkan semua orang mempunyai kepandaian yang tertentu.

Lapan kepandaian yang disenaraikan, dan ditambah dengan kepintaran kewujudan manusia. Gardner juga menambah, walaupun keupayaan intelek rendah, seseorang masih boleh mempunyai kepandaian terpilih.

Pada tahun 2000, Gardner menyimpulkan potensi biopsikologi untuk memproses maklumat boleh mengaktifkan set budaya untuk menyelesaikan masalah atau mencipta produk yang sesuai dengan budaya.

Pada tahun 2011, Gardner mencadangkan beberapa lagi kepintaran iaitu kepintaran moral dan kepintaran rohani.

 

Kepintaran visual

Individu yang bagus dalam menggambarkan benda. Individu begini, sangat baik dalam membaca dan memanipulasi peta, carta, video dan gambar. Ciri-ciri orang pandai visual:

·         Membaca dan menulis untuk kepuasan

·         Bagus dalam menyusun teka-teki

·         Menterjemah gambar dan carta dengan baik

·         Gemar melukis

·         Mengecam pola dengan mudah

 

Kepintaran bahasa

Individu yang bagus dalam perkataan, sama ada dalam pembacaan, penulisan atau perbualan. Mereka sangat bagus jika mendapat maklumat dari bacaan, boleh menulis cerita dengan baik. Berbual, berbahas dan berpidato dengan sangat baik.

Ciri pintar bahasa:

·         Ingat maklumat dalam bentuk tulisan atau ayat

·         Sangat gemar membaca dan menulis

·         Pandai berbahas atau ucapan memujuk

·         Mampu menerangkan dengan baik

·         Menggunakan humor ketika bercerita

 

Pintar logik-matematik

Individu pintar matematik mudah mengecam pola dan menganalisa masalah. Mereka cenderung bermain dengan konsep nombor, hubungkait dan pola. Kekuatan mereka ialah menganalisa masalah dan operasi. Pintar matematik, boleh dikaitkan teoriperkembangan kognitif Jean Piaget

Ciri-ciri pintar logik-matematik

·         Mahir penyelesaian masalah

·         Gemar berfikir idea abstrak

·         Suka eksperimen

·         Senang menyelesaikan pengiraan kompleks

 

Kepintaran kinestetik

Individu pintar kinestetik mahir dalam pergerakan badan dan kawalan fizikal.  Mereka yang pintar kinestetik mampu mengawal pergerakan tangan dan mata.

Ciri-ciri individu pintar kinestetik:

·         Kawalan mata dan pergerakan baik

·         Mahir menari dan bersukan

·         Belajar dengan cara bertindak, berbanding mendengar atau membaca

 

Kepintaran bunyi atau kepintaran muzik

Individu pintar bunyi mahir menangkap ritma dan bunyi.

Ciri-ciri mereka:

·         Suka menyanyi dan bermain alat muzik

·         Mengecam pola bunyi dan intonasi dengan senang

·         Mengingat ritma dan lagu

·         Memahami nota muzik dan susunan lagu

 

Kepintaran perorangan atau interpersonal

Individu pintar perorangan bagus dalam memahami dan berinteraksi dengan orang lain. Mereka mahir nengakses emosi, motivasi, keinginan dan perhatian orang sekeliling.

Ciri-ciri pintar perorangan:

·         Berkemahiran komunikasi

·         Melihat situasi dalam perspektif berbeza

·         Mencipta hubungan baik dengan orang lain

·         Menyelesaikan konflik dalam set kumpulan.

Kepintaran dalaman atau intrapersonal

Individu pintar dalaman bagus dalam kesedaran diri; perasaan dan motivasi. Mereka suka refleksi diri dan menganalisa diri. Termasuk berangan-angan, meneroka hubungan dan menguji kekuatan diri.

Ciri -ciri pintar dalaman:

·         Menganalisa kekuatan dan kelemahan diri

·         Suka menganalisa teori dan ilham

·         Baik dalam kesedaran diri

·         Memahami asas motivasi dan perasaan diri

 

Kepintaran alam semulajadi atau naturalist

Kepintaran alam, masih baru dalam senarai Gardner. Menurut beliau, individu sebegini cenderung sukakan alam semulajadi. Kerapkali individu ini berminat meneroka alam, menjaga alam dan belajar berkenaan makhluk lain. Orang begini biasanya cepat sedar akan perubahan sekeliling.

Ciri-ciri pintar alam

·         Berminat ilmu alam seperti botani, ilmu kajihayat (biologi)

·         Mengelas maklumat dengan senang

·         Suka berkebun, meneroka alam

·         Kurang suka topik baru yang tiada kaitan dengan alam

 

Kepintaran kewujudan manusia

Kepintaran ini adalah kepintaran ke sembilan, yang ditambah dalam teori asal Gardner. Beliau menerangkan kepintaran kewujudan manusia sebagai keupayaan untuk meneroka soalan yang lebih dalam berkenaan kehidupan dan kewujudan. Individu kategori ini suka soalan yang ‘besar’ berkenaan makna dan tujuan hidup.

Ciri – ciri pintar kewujudan:

·         Mempunyai sasaran hidup yang jauh

·         Memikirkan bagaimana tindakan sekarang mempengaruhi hasil akan datang

·         Berminat dengan soalah hidup dan mati

·         Minat dan ambil berat terhadap orang lain

·         Keupayaan melihat situasi dari pandangan yang berbeza. 

Teori Kepintaran Pelbagai ini, bagaimanapun dicabar oleh beberapa ahli psikologi lain. Contohnya, Waterhouse menyatakan tiada bukti empirikal yang menyokong teori ini. Walaupun Gardner bersetuju bahawa teori tradisional lebih banyak kajian, tetapi beliau terkejut dengan penerimaan dalam dunia pendidikan. Walaupun beliau menyatakan teori ini, beliau tidak fokuskan kepda adunia pendidikan asalnya. Menurut Armstrong (2019), pendidik diberi kebebasan untuk mengguna teori ini dan menguji kepada pelajar dalam kelas. Pencabar lain teori kepintaran pelbagai ialah  Robert J. Sternberg, Michael Eysenck dan Sandra Scarr.

Walaupun dicabar, teori Gardner disokong oleh Shearer (2020). Shearer mengemukakan 500 ujian pengimejan neuro yang menunjukkan pola aktiviti otak dengan komponen setiap kepintaran. Shearer merumuskan kepintaran manusia lebih baik dikelaskan dalam kategori pelbagai berbanding kepintaran tunggal. Kerangka kerja yang menyokong Teori Kepintaran Pelbagai Gardner ialah Taksonomi Bloom.

Rujukan:

1.       Kendra Cherry. 11 Mac 2023 Gardner's Theory of Multiple Intelligences.

2.       Michele Marenus. 2 Febuari 2024.Howard Gardner’s Theory of Multiple Intelligences

3.       Acorn International School. Multiple intelligences in classroom https://acorninternationalschool.eu/blog/2024/09/19/multiple-intelligences-classroom/

4.       Eve Hendron. What are multile intelligences and how do they affect learning? https://www.cornerstone.edu/blog-post/what-are-multiple-intelligences-and-how-do-they-affect-learning/

 

 

Apa itu pembelajaran operan (operant conditioning)?

 

Apa itu pembelajaran operan (operant conditioning)?

Pembelajaran operan juga dikenali dengan pembelajaran insrtrumen atau pembelajaran Skinnerian. Ia satu kaedah yang menggunakan kaedah hadiah dan denda untuk membaiki tabiat. Melalui kaedah operan, tabiat yang menghasilkan hadiah atau ganjaran akan berulang dan tabiat yang dikenakan denda akan kurang berulang.

Contohnya, apabila kita diberi ganjaran di tempat kerja seperti bonus. Kita akan buat lebih baik dan berulang.

 

Bagaimana pembelajaran operan berfungsi?

Pembelajaran Operan dicadangkan oleh ahli psikologi B.F Skinner berasaskan dua jangkaan. Pertama, Tindakan manusia berdasarkan keadaan sekeliling. Kedua, kesan dari tabiat akan menentukan ia akan berulang atau tidak.

Teori Skinner, dipengaruhi oleh Edward Lee Thorndike, 1905 yang dipanggil ‘Law of Effect’ atau hukum kesan. Individu lain yang mempengaruhi Skinner ialah John B. Watson, untuk mengawal tingkah laku individu. Asalnya, Skinner ingin mengetahui bagaimana Tindakan individu mempengaruhi akibat Tindakan tersebut.

 

Melalui kajiannya, Skinner senaraikan tiga keadaan

·         Respon biasa. tindakbalas dari keadaan yang tiada perangsang. Kebarangkalian untuk berulang tidak meningkat atau menurun.

·         Peneguhan. Tindakbalas yang meningkatkan menungkinan untuk berlaku lebih kerap. Sama ada positif atau negative.

·         Dendaan. Operan negative yang akan mengurangkan kemungkinan untuk berulang

 

Peneguhan atau dendaan boleh jadi positif ata negative.  Jom lihat

·         Peneguhan positif. Untuk menggalakkan tabiat, sesuatu akan diberi. Contohnya, gaji akan diberi jika kita pergi bekerja.

·         Peneguhan negative. Untuk menggalakkan sesuati tabiat, sesuatu akan diambil, contohnya, jam loceng akan berhenti berbunyi jika kita terus bangun dari katil.

·         Dendaan positif. Untuk mengurangkan sesuatu tabiat, sesuatu ditambah. Contohnya jika tidak siapkan kerja rumah, kerja akan ditambah sebagai denda.

·         Dendaan negative. Untuk mengurangkan sesuatu tabiat, sesuatu akan diambil. contohnya pelajar tidak dibenarkan main jika tidak menyiapkan kerja sekolah

Jenis Tindakan operan

Tindakan responden. tindakan yang di luar kawalan. Ujian yang Skinner lakukan kepada seekor anjing. Ketika mendengar loceng, anjing mengeluarkan air liur. ia terjadi tanpa kawalan.

Tindakan operan. Ini ialah Tindakan terkawal, yang dilakukan sukarela. Biasanya kerana kita tahu apa akan terjadi jika dibuat atau tidak dibuat

 

Sumber:

Matt McMillen, WebMD Editorial Contributor. December 27, 2023. Operant Conditioning: What It Is and How It Works.

Kendra Cherry, MSED. July 10, 2024. Operant Conditioning in PsychologyWhy being rewarded or punished affects how you behave