Bagaimana Jaringan Saraf Tiruan Bekerja?
Penelitian kecerdasan buatan telah diubah oleh sistem pembelajaran mesin yang disebut jaringan syaraf tiruan, yang belajar bagaimana melakukan tugas dengan menganalisa sejumlah besar data pelatihan.
Selama pelatihan, jaringan saraf terus-menerus menyesuaikan kembali ribuan parameter internal sampai dapat dipercaya melakukan beberapa tugas, seperti mengidentifikasi objek dalam gambar digital atau menerjemahkan teks dari satu bahasa ke bahasa lainnya. Tapi dengan sendirinya, nilai akhir dari parameter tersebut mengatakan bahwa sangat sedikit tentang bagaimana jaringan saraf melakukan apa yang dilakukannya.
Memahami apa yang sedang dilakukan jaringan saraf dapat membantu peneliti memperbaiki kinerjanya dan mengalihkan wawasan mereka ke aplikasi lain, dan para ahli komputer baru-baru ini mengembangkan beberapa teknik cerdas untuk meramalkan perhitungan jaringan saraf tertentu.
Namun, di Konferensi tentang Metode Empiris dalam Pemrograman Bahasa Inggris pada 2017, peneliti dari MIT’s Computer Science and Artificial Intelligence Laboratory mempresentasikan teknik umum untuk memahami jaringan syaraf tiruan yang dilatih untuk melakukan tugas pemrosesan bahasa alami. komputer mana yang mencoba menafsirkan teks bentuk bebas yang ditulis dalam bahasa biasa atau bahasa “alami” (berlawanan dengan bahasa terstruktur, seperti bahasa query database).
Teknik ini berlaku untuk sistem yang mengambil teks sebagai input dan menghasilkan benang2 simbol sebagai output, seperti penerjemah otomatis. Dan karena hasil analisisnya dari berbagai input dan memeriksa dampak pada outputnya, ia dapat bekerja dengan layanan pemrosesan bahasa alami secara online, tanpa akses ke perangkat lunak yang mendasarinya.
Sebenarnya, teknik ini bekerja dengan berbagai sistem pemrosesan teks kotak hitam, terlepas dari mesin dalamnya. Dalam percobaan mereka, para periset menunjukkan bahwa teknik ini dapat mengidentifikasi keistimewaan dalam karya penerjemah manusia.
Tema dan variasi
Teknik ini dengan menganalogikan yang telah digunakan untuk menganalisa jaringan syaraf untu melatih melakukan tugas penglihatan komputer, seperti pengenalan objek. Perangkat lunak yang rumit secara sistematis – atau bervariasi – bagian gambar yang berbeda dan mengirim ulang gambar ke pengenal objek dapat mengidentifikasi fitur gambar mana yang menyebabkan klasifikasi tersebut. Tapi mengadaptasi pendekatan pengolahan bahasa alami tidaklah mudah.
“Apa maksudnya untuk merumitkan kalimat itu secara semantis?” Tanya Tommi Jaakkola, Profesor Siebel Thomas dari Teknik Elektro dan Ilmu Komputer di MIT dan salah satu dari dua penulis jurnal penelitian tersebut. “Saya tidak bisa melakukan pengacakan sederhana saja. Dan apa yang kamu prediksi sekarang menjadi objek yang lebih kompleks, seperti sebuah kalimat, jadi apa artinya memberikan penjelasan? ”
Agak ironisnya, dalam menghasilkan kalimat uji untuk mengisi pada jaringan net di kotak hitam, Jaakkola dan David Alvarez-Melis, seorang mahasiswa pascasarjana MIT di teknik elektro dan sains komputer dan penulis pertama di jurnal penelitian baru tersebut, menggunakan jaringan kotak hitam.
Mereka mulai dengan melatih jaringan untuk menkompresikan dan mendekompresikan kalimat alami – untuk menciptakan representasi compact digital dari kalimat tersebut dan kemudian mencoba untuk memperluasnya kembali ke bentuk aslinya. Selama pelatihan, encoder dan decoder dievaluasi secara bersamaan, sesuai dengan seberapa baik decoder output sesuai dengan encoder input.
Jaringan syaraf secara intrinsik probabilistik: Sistem pengenal objek memberikan gambaran seekor anjing kecil, misalnya, mungkin menyimpulkan bahwa gambar tersebut memiliki probabilitas 70 persen untuk mewakili seekor anjing dan kemungkinan 25 persen mewakili seekor kucing. Demikian pula, jaringan kalimat-kompresi Jaakkola dan Alvarez-Melis ‘memasok alternatif untuk setiap kata dalam kalimat yang diterjemahkan, bersamaan dengan probabilitas bahwa setiap alternatif benar.
Karena jaringan secara alami menggunakan co-occurrence of words untuk meningkatkan akurasi decoding, probabilitas outputnya mendefinisikan sekelompok kalimat yang berhubungan secara semantik. Misalnya, jika kalimat yang dikodekan adalah “Dia tersentak kaget,” sistem mungkin menetapkan alternatifnya “Dia menjerit kaget” atau “Dia tersentak ngeri” sebagai probabilitas yang cukup tinggi, namun akan memberikan probabilitas yang jauh lebih rendah untuk “Dia berenang dengan terkejut “atau” Dia terkesiap dengan kopi. ”
Untuk kalimat apa pun, sistem tersebut dapat menghasilkan daftar kalimat yang terkait erat, yang oleh Jaakkola dan Alvarez-Melis diumpankan ke prosesor berbahasa alami kotak hitam. Hasilnya adalah daftar panjang pasangan input-output, yang bisa dianalisis oleh para peneliti untuk menentukan perubahan mana yang diantara input mana yang menghasilkan output yang mana.
Uji kasus
Para peneliti menerapkan teknik mereka pada tiga tipe sistem pengolahan bahasa alami yang berbeda. Salah satunya adalah sistem yang mengucap kata kata ‘pengucapan; Yang lainnya adalah seperangkat penerjemah, dua orang otomatis dan satu manusia; dan yang ketiga adalah sistem dialog komputer sederhana, yang mencoba memberikan respons yang masuk akal terhadap komentar atau pertanyaan yang sewenang-wenang.
Seperti yang bisa diharapkan, analisis sistem terjemahan menunjukkan ketergantungan yang kuat antara kata-kata individual dalam urutan input dan output. Salah satu hasil analisis yang lebih menarik, adalah identifikasi bias gender dalam teks-teks yang digunakan dalam sistem terjemahan mesin.
Misalnya, kata bahasa Inggris non-gendered “Dancer” memiliki dua terjemahan gender dalam bahasa Prancis, “danseur” dan “danseuse.” Sistem ini menerjemahkan kalimat “The Dancer is Charming” dengan menggunakan kata yang lebih feminin: “la danseuse est charmante.” Tetapi para periset ‘analisis menunjukkan bahwa pilihan kata “Danseuse” sangat dipengaruhi oleh kata “Charming” seperti kata “Dancer.” Kata sifat yang berbeda mungkin menghasilkan terjemahan yang berbeda dari “Dancer.”
Sistem dialog, yang dilatih secara berpasangan di dalam film-film Hollywood, sengaja ditunjukkan kurang bertenaga. Meskipun set pelatihan itu besar, jaringan itu sendiri terlalu kecil untuk memanfaatkannya.
“Percobaan lain yang kami lakukan di sistem yang cacat,” Alvarez-Melis menjelaskan. “Jika Anda memiliki model kotak hitam yang tidak melakukan pekerjaan dengan baik, bisakah Anda menggunakan pendekatan semacam ini untuk mengidentifikasi masalah? Penerapan memotivasi jenis interpretasi semacam ini adalah untuk memperbaiki sistem, meningkatkan sistem, memahami apa yang salah dari mereka dan mengapa. ”
Dalam kasus ini, analisis para peneliti menunjukkan bahwa sistem dialog sering kali hanya memasukkan beberapa kata dalam frase masukan, yang digunakannya untuk memilih stok respon – menjawab “Saya tidak tahu” terhadap berbagai kalimat yang dimulai dengan kata seperti “siapa” atau “apa,” contohnya.
Sumber: MIT , ditulis oleh Larry Hardesty
BERITA
Reuni Alumni 212 Jelas Kapitalisasi Agama demi Kepentingan Politik
Jakarta – Reuni Alumni 212 yang bakal digelar awal Desember di Lapangan Monas Jakarta dianggap bentuk kapitalisasi agama demi kepentingan politik. Reuni tersebut seharusnya tidak diadakan lantaran tuntutan aksi 212 sudah diakomodasi.
Hal tersebut diungkapkan pengamat politik Lingkar Madani. Ia menilai kegiatan alumni 212 ini bukan murni kegiatan agama, melainkan kegiatan politik. Ia juga keheranan mengapa harus ada acara tersebut. Pasalnya, tuntutan aksi 212 sudah dipenuhi dengan Basuki Tjahaja Purnama dipenjara.
“Itu sudah jelas politik, enggak ada hubungannya lagi dengan agama, enggak ada hubungannya dengan dakwah, apa yang mereka tuntut sudah dipenjara kok. Apalagi gunanya, itu politik murni politik, murni untuk kepentingan politik. Enggak ada hubungannya dengan dakwah. Saya pikir mereka hanya mau mengapitalisasi agama ini. Mengapitalisasi agama terus-menerus untuk kepentingan politik. Enggak ada hubungannya dengan dakwah,” kata Ray kepada wartawan di D’Hotel, Jalan Sultan Agung, Jakarta Selatan, Rabu (21/11).
Ray pun mengaku masih belum paham apa sebenarnya tujuan acara reuni alumni 212. Ia membandingkan dengan demonstrasi 1998 untuk menggulingkan rezim Soeharto dan Orde Baru. Usai berhasil menggulingkan, tak ada perkumpulan alumni maupun acara reuninya.
“Yang saya juga enggak mengerti tujuannya apa? Masak demonstrasi pakai alumni, alumni pakai reuni. Ada-ada saja. Yang besar sekali pun perjuangan 98 itu ya berhenti di 98. Waktu jatuh ya jatuh. Bahwa anggotanya membentuk kelompok-kelompok tertentu ya silakan saja. Enggak ada reuni 98 yang jatuhin soeharto, enggak ada,” imbuhnya.
Baca Juga:
BERITA
Kubu Jokowi Anggap Amien Rais Tidak Dewasa dalam Berpolitik
Jakarta – Kubu Joko Widodo-Maruf Amin menilai, pernyataan Amien Rais yang memaksa Muhammadiyah untuk memihak salah satu calon di pemilihan presiden menunjukkan sikap Amien Rais yang tidak dewasa dalam berpolitik.
Hal tersebut diungkapkan Juru Bicara Tim Kampanye Jokowi-Maruf Amin Ace Hasan Syadzily. Selain menunjukkan Amin Rais tidak dewasa, pernyataan tersebut juga menunjukkan bahwa sosok Amien Rais bukan negarawan tulen.
“Hanya karena beliau pendukung Prabowo-Sandi mau mendikte Muhamamdiyah mendukung paslon tertentu. Itu menunjukkan ketidakdewasaan politik sebagai politisi yang dikenal selalu menjaga demokrasi,” jelas Ace, seperti dikutip dari Merdeka.com, Rabu (21/11).
Justru, dengan paksaan dan desakan tersebut, suara Muhammadiyah malah enggan memilih Prabowo-Sandi. “Kalau terus menerus seperti itu, saya tidak yakin Prabowo mendapatkan dukungan dari Muhammadiyah,” tegasnya.
Sikap tersebut sama sekali tidak mencerminkan sosok negarawan. Politikus Partai Golkar ini menambahkan, sebagai negarawan, seharusnya Amien Rais menjaga agar ormas, seperti Nahdlatul Ulama dan Muhammadiyah, tidak diseret ke ranah politik praktis.
“Sebetulnya secara organisasi Muhammadiyah dan NU tidak menunjukkan dukungan secara tegas, itu perlu terus dijaga bahwa citra ormas Islam tidak terseret ke dalam politik praktis hanya untuk kekuasaan semata,” tegasnya lagi.
Baca Juga:
BERITA
Penggunaan Teknologi VAR di Liga Champions Dipercepat?
Jakarta – Setelah sukses digunakan dalam beberapa turnamen FIFA, ternyata kehadiran teknologi Video Assistant Refree (VAR) disambut baik oleh sejumlah klub Eropa.
Video Asisten Wasit (VAR) kemungkinan besar akan segera diterapkan di ajang Liga Champions, tepatnya ketika memasuki babak knock out alias fase gugur di musim ini. Wacana tersebut langsung berasal dari Presiden UEFA Aleksander Ceferin dan Ketua Asosiasi Klub Eropa Andrea Agnelli.
Dilansir dari Soccerway, Selasa (20/11), sebelumnya VAR sendiri akan diberlakukan di Liga Champions mulai musim depan, namun belakangan wacana tersebut akan dipercepat dalam rangka untuk proses pengujian teknologi tersebut.
“Kami sudah mulai melakukan semua persiapan. [Kepala wasit UEFA] Roberto Rosetti dan timnya sangat bagus. Ada sudut pandang penting – wasit dan semua aspek teknis,” kata Ceferin dalam konferensi pers di Brussels.
“Saya mengharapkan laporan dalam seminggu atau lebih dan kemudian kita akan melihat kapan kita dapat menerapkannya. Pada musim depan yang terbaru,” sambungnya.
Senada dengan Ceferin, Agnelli yang notabene merupakan pemilik Juventus siap mendukung wacana UEFA untuk mempercepat penerapan VAR di ajang Liga Champions.
Baca Juga: