Bagian ini akan membahas
contoh-contoh pemanfaatan deep learning. Dengan begitu banyak uang dan sumber
daya yang dicurahkan untuk pembelajaran mendalam, telah terjadi lonjakan
inovasi. Berikut adalah contoh studi kasus pemanfaatan pembelajaran mendalam.
Studi kasus : Mendeteksi Penyakit
Alzheimer
Terlepas dari penelitian selama
beberapa dekade, obat untuk penyakit Alzheimer tetap sulit dipahami. Para
ilmuwan telah mengembangkan obat yang memperlambat perkembangan penyakit.
Mengingat hal ini, diagnosis dini sangat penting dan pembelajaran mendalam
berpotensi sangat membantu. peneliti di Departemen Radiologi dan Biomedis UCSF telah
menggunakan teknologi ini untuk menganalisis otak, dari kumpulan data publik
Alzheimer's Disease Neuroimaging Initiative dan untuk mendeteksi perubahan
kadar glukosa. Hasilnya adalah model yang dapat mendiagnosis penyakit Alzheimer
hingga enam tahun sebelum diagnosis klinis. Salah satu tes menunjukkan tingkat
akurasi 92%, dan yang lainnya adalah 98%.
Studi kasus : Energi
Infrastruktur pusat datanya yang
masif, Google menjadi salah satu konsumen energi terbesar. Peningkatan kecil
dalam efisiensi energi dapat menyebabkan dampak yang cukup besar pada laba, mungkin
juga ada manfaat dari emisi karbon yang lebih sedikit. Untuk membantu tujuan
ini, unit DeepMind Google telah menerapkan pembelajaran mendalam, yang
melibatkan pengelolaan energi tenaga angin yang lebih baik. Meskipun ini adalah
sumber energi yang bersih, namun sulit digunakan karena perubahan cuaca. Tetapi
algoritma pembelajaran mendalam DeepMind sangat penting. Diterapkan pada 700
megawatt tenaga angin di Amerika Serikat, mereka mampu membuat perkiraan yang
akurat untuk keluaran dengan waktu tunggu 36 jam.
Studi kasus : Gempa Bumi
Gempa bumi sangat rumit untuk
dipahami, juga sangat sulit diprediksi. Peneliti perlu mengevaluasi patahan,
formasi dan deformasi batuan, aktivitas elektromagnetik, dan perubahan air
tanah. Namun selama beberapa dekade, para ilmuwan telah mengumpulkan banyak
sekali data tentang topik ini, ini bisa menjadi aplikasi untuk pembelajaran
mendalam. Kuncinya adalah meningkatkan pengumpulan data. Ini berarti lebih
banyak analisis kecil gempa bumi , tujuannya adalah untuk membuat katalog gempa
yang dapat mengarah pada pembuatan seismolog virtual, yang dapat melakukan
evaluasi gempa lebih cepat daripada manusia. Hal ini memungkinkan waktu tunggu
yang lebih cepat saat terjadi gempa bumi, yang dapat membantu menyelamatkan
nyawa dan harta benda.
Studi kasus : Radiologi
Pemindaian PET (Positron emission
tomography) dan MRI (Magnetic Resonance Imaging) adalah teknologi yang luar
biasa. Seorang pasien harus tetap berada di dalam mesin selama 30 menit hingga
satu jam. Ini tidak nyaman dan dapat terkena terkena gadolinium, yang telah
terbukti memiliki efek samping yang berbahaya. Greg Zaharchuk dan Enhao Gong, dari
Stanford University, pada 2017, ikut mendirikan Subtle Medical dan
mempekerjakan beberapa ilmuwan pencitraan, ahli radiologi, dan pakar AI.
Bersama-sama, mereka menghadapi tantangan untuk meningkatkan pemindaian PET dan
MRI. Subtle Medical menciptakan sistem yang tidak hanya mengurangi waktu
pemindaian MRI dan PET hingga sepuluh kali lipat, tetapi akurasinya jauh lebih
tinggi. Ini didukung oleh high-end GPU NVIDIA.
Sumber : T. Taulli, 2019, Artificial Intelligence Basics A Non-Technical Introduction, Apress
Comments
Post a Comment