AI Universe

Infografik ini menerangkan konsep The AI Universe dan membahagikannya kepada beberapa lapisan utama, bermula dari Artificial Intelligence (AI) di bahagian luar hingga ke Generative AI di bahagian paling dalam. Setiap lapisan menggambarkan komponen atau teknologi yang berkaitan dengan AI dan bagaimana mereka berhubung antara satu sama lain.

1. Artificial Intelligence (AI)

Lapisan paling luar menunjukkan bidang keseluruhan AI yang merangkumi pelbagai sub-bidang utama:

Planning and Scheduling: Mengurus dan menjadualkan pelbagai tugas atau operasi.

Natural Language Processing (NLP): Berurusan dengan pemahaman dan penghasilan bahasa manusia.

Computer Vision: Mengenal pasti dan menganalisis imej dan video.

Knowledge Representation: Menyusun dan menyimpan maklumat untuk kegunaan komputer.

Expert Systems: Sistem yang menyerupai keupayaan menyelesaikan masalah seperti pakar manusia.

Speech Recognition: Menukar suara ke dalam teks.

Robotics: Penggunaan AI dalam pergerakan dan interaksi mesin dengan dunia fizikal.

Cognitive Computing: Menggunakan model komputer untuk menyelesaikan masalah kognitif.

Automated Reasoning and Fuzzy Logic: Menggunakan logik samar untuk membuat keputusan yang lebih fleksibel.

2. Machine Learning (ML)

Lapisan kedua dalam lingkaran AI, Machine Learning ialah subset AI yang memberi tumpuan pada pembelajaran dari data. Komponen utama dalam lapisan ini termasuk:

Dimensionality Reduction: Mengurangkan kompleksiti data untuk analisis lebih mudah.

Decision Trees dan Support Vector Machines: Algoritma pembelajaran.

Reinforcement Learning: Pembelajaran berasaskan ganjaran.

Classification dan Regression: Teknik untuk mengklasifikasikan dan meramalkan data.

Ensemble Learning: Menggabungkan pelbagai model untuk meningkatkan prestasi.

Unsupervised, Supervised, and Semi-supervised Learning: Kaedah pembelajaran dengan tahap pengawasan berbeza.

3. Neural Networks

Lapisan ketiga menumpukan pada rangkaian neural, yang merupakan asas kepada banyak teknik pembelajaran mendalam:

Perceptrons: Unit asas dalam neural networks.

Multi-Layer Perceptron (MLP): Rangkaian neural berbilang lapisan.

Convolutional Neural Networks (CNNs) dan Recurrent Neural Networks (RNNs): Jenis neural network khusus untuk imej dan data berurutan.

Activation Functions: Fungsi yang menentukan output setiap neuron dalam rangkaian neural.

Backpropagation: Algoritma yang digunakan untuk melatih neural networks.

4. Deep Learning

Lapisan keempat memfokuskan kepada pembelajaran mendalam, subset Machine Learning yang menggunakan neural networks dengan lapisan berbilang:

Generative Adversarial Networks (GANs): Model yang mengandungi dua rangkaian neural yang bersaing untuk menghasilkan data yang realistik.

Deep Reinforcement Learning: Gabungan pembelajaran mendalam dan reinforcement learning.

Transfer Learning: Teknik yang membolehkan penggunaan model terlatih untuk tugas baru.

Self-attention Mechanism: Mekanisme penting dalam model bahasa dan rangkaian neural yang canggih.

Capsule Networks dan Dropout: Teknik untuk meningkatkan ketahanan model dan mencegah overfitting.

5. Generative AI

Lapisan paling dalam mewakili teknologi yang boleh menjana kandungan seperti teks, imej, atau suara:

Language Modeling dan Transformer Architecture: Model yang menguasai bahasa dengan memahami konteks.

Self-attention Mechanism: Teras dalam transformer models yang mengira perkaitan antara kata-kata.

Natural Language Understanding (NLU) dan Summarization: Pemahaman bahasa untuk aplikasi seperti terjemahan, dialog, dan ringkasan teks.

Dialogue Systems: Digunakan dalam chatbot dan interaksi AI dengan pengguna.

Kesimpulan

Infografik ini menunjukkan struktur bertingkat dalam dunia AI, bermula dari konsep luas AI kepada teknologi canggih dalam Generative AI. Setiap lapisan mempunyai peranan dan teknologi khusus, yang semuanya menyumbang kepada perkembangan dan penggunaan AI dalam pelbagai bidang.