Anda di halaman 1dari 3

Nama: Anak Anung Anindito

NPM: 1402018132

Topik pembahasan yang difokuskan yaitu:


Mesin Translation: Bagaimana membuat mesin komputer menerjemahkan secara otomatis.
Contoh: Google Translate.
Media Framing: Membuat sistem komputer secara otomatis apa angle/frame yang ditulis jurnalis
dalam menulis berita, 1 topik yang sama bisa dibuat lebih dari 1 sudut pandang.
Contoh: bagaimana imigran bisa membantu ekonomi (imigran buka usaha ataupun imigran bisa
mempersempit lapangan pekerjaan karena imigrannya kerja)
Machine learning adalah bidang ilmu yang membuat sistem komputer belajar dari data dan tanpa
perlu diprogram. Software yang membuat decision dari contoh. (Contohnya yang dikumpulkan dan
sudah dilabel).
Neural network
- Belajar dari data dengan cara yang lebih efektif, yang lama kita harus menentukan data mana yang
dapat jadi label baik mana yang tidak.
- Neural network tidak perlu, kita bisa masukin teks dalam bentuk teks itu sendiri(row data) lewat
network/jaringannya lalu neuronnya bakal aktif atau tidak.
Contoh yg awalnya word setelah masuk neural bisa jadi keluarnya word/phrase/sentence
Transfer Learning:
- Memanfaatkan model yang sudah dilatih sebelumnya untuk menentukan model yang baru
- Melatih model yang fill in the blank kita bisa melatih dengan review yang positif/negatif
Contoh Machine Learning dalam kehidupan sehari-hari:
1. Deteksi wajah di kamera hp
2. Rekomendasi film di Netflix, iklan Facebook, Makanan di GoFood.
3. Chatbot pada Telkomsel (Veronica) dan BRI
Hasil dari machine learning:
1. Machine Learning mengenerate banyak wajah sehingga dapat membuat wajah baru.
2. SIRI
3. Game Alpha Go yang bisa mengalahkan manusia.
4. Translation
Failure pada Machine Learning:
- Pada SIRI jika cara pengucapan/aksen beda maka akan terjadi ERROR (tidak berfungsi).
- Mendeteksi wajah orang apakah female/male.
- Self driving car menabrak pengguna sepeda
Machine Learning dan AI :
- AI konsep lebih luas, melakukan suatu tugas dengan cara yang kita anggap'pintar'
- AI gerakan: robot
- AI vision yaitu AI yang bisa melihat.
NLP : AI bisa mendengar dan mengerti pembicaraan
Natural Language Processing (NLP)
- Bidang AI yang bertujuan membangun sistem komputer yang mengerti bahasa manusia, tujuan
mesin dapat melakukan tugas-tugas yang menggunakan bahasa. Contoh: chatbot, sistem tanya
jawab, mesin penerjemah.
- Nama lain dari NLP: Speech and Language Processing, Human Language Technologies,
Computational Linguistics, Speech Recognition and Synthesis.
- Turing Test: Suatu sistem komputer lulus asal bisa meyakinkan pemeriksa bahwa dia itu adalah
orang dan bukan mesin
Transfer Learning In NLP :
- Language Modeling.
- Sentiment Analysis Dataset.
NLP for Interdisciplinary Research:
- Edukasi: Automated tutoring, grading dan mendeteksi plagiarisme.
- Psikologi: Mengukur stress, anxiety, depression berdasarkan tweets.
- Medis: Mengambil informasi dari tulisan dokter.
- Kesehatan Masyarakat: Mengukur epidemiologi seperti resiko kegemukan seseorang dengan
melihat tweets dan instagram seseorang.
- Ekonomi: Memprediksi naik turunnya saham suatu perusahaan berdasarkan berita tentang
perusahaan tersebut.
- Akuntansi: Membuat balance sheets secara otomatis dari laporan keuangan.
- Komunikasi: Mendeteksi media frames: sudut ppandang jurnalis saat menulis suatu berita.
Ongoing Research Highlight Related to Healthcare
1. Tracking Covid-19 misinformasi and biases
misinformasi yang tersebar dari 1 negara ke negara yang lain
contoh: magnet sesudah vaksin, koin nempel, bawang putih dapat menyembuhkan covid itu dari
china lalu masuk ke indonesia, hydroxychloroquine dapat menyembuhkan covid itu salah meskipun
Donald Trump mengira benar itu dari China juga dari weibo.
2. Study of Tobacco Users in Social Media
Demografik Prediction berdasarkan umur, gender untuk membuat model
Summary:
1. NLP in general AI di healthcare sangat cepat berkembangnya, dapat membantu operasi dokter
2. AI in healthcare kita bisa menurunkan cost, wide access, kualitas yang tinggi.
Resiko AI in Healthcare:
1. Cedera dan Kesalahan.
2. Ketersediaan Data
3. Masalah Privasi
4. Bias dan Ketimpangan
5. Penataan Ulang Profesional
6. Biaya dan Kesulitan
7. Professional Realignment: Meyakinkan tenaga kesehatan bahwa AI tidak mengganti mereka
melainkan membantu dalam memudahkan pekerjaan.
8. Nirvana Fallacy.

Anda mungkin juga menyukai