Jupiter Notebook sebagai Solusi Pembelajaran berbagai model AI
Jupiter Notebook sebagai Solusi Pembelajaran berbagai model AI
KOMPUTASI MODERN
Disusun Oleh Kelompok 3
Reza Faturrahman
Fajrul Hafizh
Shahib Raihan
Andre Gabriel
Rendy Feriansyah
Gunawan Abi
UNIVERSITAS GUNADARMA
2022
A. Pembahasan
Apa itu Jupiter Notebook
Jupyter adalah aplikasi web gratis untuk yang digunakan untuk membuat dan membagikan dokumen yang memiliki kode, hasil hitungan, visualisasi, dan teks. Jupyter adalah singkatan dari tiga bahasa pemrograman Julia (Ju), Python (Py), dan R. Tiga bahasa pemrograman ini adalah sesuatu yang penting bagi seorang data scientist.
Jupyter berfungsi untuk membantu kita dalam membuat narasi komputasi yang menjelaskan makna dari data di dalamnya dan memberikan insight mengenai data tersebut. Selain itu, Jupyter juga mempermudah kerja sama antara insinyur dan data scientist karena kemudahannya dalam menulis dan berbagi teks dan kode. Karena alasan inilah, Jupyter mempermudah data scientist untuk berkolaborasi dengan data scientist, data researchers atau data engineers lainnya.
Kegunaan Jupyter Notebook Untuk Data Scientist
Jupyter adalah standar terbaik dalam mengorganisir data karena kecepatannya. Jupyter juga bisa membantu dalam menghubungkan topik, teori, data, dan hasil yang kita punya. Dengan menggunakan Jupyter, kita bisa:
- merekam penelitian yang dilakukan dalam bentuk dokumen dan membagikannya dengan cepat
- mengeksplorasi data
Eksplorasi data menggunakan Jupyter memberikan narasi komputasi, sebuah dokumen yang bisa ditambahkan analisis, hipotesis, dan keputusan yang dilakukan seorang data scientist.
Implementasi Pembelajaran Berbagai Model Artificial Intelligence
Otomasi: Sistem atau proses yang berfungsi secara otomatis. Misalnya, otomatisasi proses robotik (RPA) dapat diprogram untuk melakukan tugas bervolume tinggi dan berulang yang biasanya dilakukan manusia. RPA berbeda dari otomatisasi TI karena dapat beradaptasi dengan keadaan yang berubah.
Pembelajaran mesin: Ilmu membuat komputer bertindak tanpa pemrograman. Visi mesin: Ilmu yang memungkinkan komputer untuk melihat. Teknologi ini menangkap dan menganalisis informasi visual menggunakan konversi analog-ke-digital kamera dan pemrosesan sinyal digital. Ini sering dibandingkan dengan penglihatan manusia, tetapi penglihatan mesin tidak terikat oleh biologi dan dapat diprogram untuk melihat melalui dinding. Ini digunakan dalam berbagai aplikasi dari identifikasi tanda tangan hingga analisis citra medis. Visi komputer, yang difokuskan pada pemrosesan gambar berbasis mesin, sering dikaitkan dengan visi mesin.
Pemrosesan bahasa alami (NLP): Pemrosesan bahasa manusia oleh program komputer. Salah satu yang lebih tua dan paling dikenal contoh NLP adalah deteksi spam, yang melihat baris subjek dan teks email dan memutuskan apakah itu termasuk sampah. Pendekatan saat ini untuk NLP didasarkan pada pembelajaran mesin. Tugas NLP termasuk terjemahan teks, analisis sentimen dan pengenalan suara.
Robotika: Bidang teknik yang berfokus pada desain dan pembuatan robot. Robot sering digunakan untuk melakukan tugas yang sulit bagi manusia untuk melakukan atau melakukan secara konsisten. Mereka digunakan dalam jalur perakitan untuk produksi mobil atau oleh NASA untuk memindahkan benda besar di luar angkasa. Para peneliti juga menggunakan pembelajaran mesin untuk membangun robot yang dapat berinteraksi dalam lingkungan sosial.
Mobil dengan pengemudi otomatis: Ini menggunakan kombinasi visi komputer, pengenalan gambar dan pembelajaran mendalam untuk membangun keterampilan otomatis dalam mengemudikan kendaraan sambil tetap berada di jalur tertentu dan menghindari penghalang yang tidak terduga, seperti pejalan kaki.
Artificial Intelligence (AI) Untuk Mendukung Pembelajaran
Masyarakat 5.0 adalah suatu konsep masyarakat yang berpusat pada manusia (human-centered) dan berbasis teknologi (technology based) yang dikembangkan oleh Jepang. Konsep ini lahir sebagai pengembangan dari revolusi industri 4.0 yang dinilai berpotensi mendegradasi peran manusia. Salah satu ciri utama masyarakat 5.0 adalah penggunaan kecerdasan buatan. Kecerdasan buatan (artificial intelligence) akan mentransformasi big data yang dikumpulkan melalui internet pada segala bidang kehidupan (the Internet of Things) menjadi suatu kearifan baru, yang akan didedikasikan untuk meningkatkan kemampuan manusia membuka peluang-peluang baru.
Artificial Intelligence atau kecerdasan buatan merupakan proses memodelkan cara berpikir manusia dan mendesain suatu mesin agar dapat berperilaku layaknya manusia atau istilah lainnya disebut cognitive tasks, yaitu bagaimana mesin bisa belajar secara otomatis dari data dan informasi yang sudah diprogramkan. Kecerdasaan buatan dapat juga diartikan Kecerdasan buatan atau AI adalah salah satu bagian dari ilmu komputer yang membuat agar mesin (komputer) dapat melakukan pekerjaan seperti dan sebaik yang dilakukan oleh manusia.
Penggunaan Kecerdasan Buatan sadar atau tidak telah kita terapkan dalam kehidupan sehari-hari. Banyak aplikasi yang sudah menerapkan kecerdasan buatan sebagai kelebihan dari aplikasi tersebut. Contoh aplikasi yang sering kita gunakan berbasis kecerdasan buatan seperti streaming video/musik, mesin pencarian (search engine), fitur selfie pada smartphone, Global Positioning System (GPS), Video Game, Media Sosial.
Sebagai contoh aplikasi streaming video/musik, sadar atau tidak ketika kita mengakses streaming video/musik akan menampilkan daftar/list dari video/musik yang akan kita lihat berikutnya. Daftar tersebut menampilkan hal yang sering kita akses. Ketika kita sering memutar finger style bang Alif, maka daftar yang diberikan situs tersebut akan menampilkan daftar video/musik nya bang Alif. Demikian juga dengan search engine. Dengan memasukkan kata kunci tersebut maka search engine akan menampilkan web/situs yang sering diakses maka akan ditampilkan di daftar teratas dari pencarian tersebut. Fitur selfie dapat menampilkan gambar lebih bagus dan terkesan “wow” dengan fitur filter dibandingkan dengan gambar aslinya. GPS dapat memberikan alternatif rute terpendek yang akan dilalui untuk menuju tujuan. Sedangkan video game menerapkan kecerdasan buatan untuk memberikan level kesulitan yang berbeda dalam game tersebut. Media sosial seperti FB, IG atau lainnya seringkali menawarkan sesuatu yang sering kita akses atau kita cari. Semua itu dilakukan dengan bantuan kecerdasan buatan.
Peran IT juga sering digunakan dalam mendukung pembelajaran, baik di sekolah atau untuk pembelajaran mandiri (self learning). Ke depan kegiatan pembelajaran akan lebih banyak menerapkan kecerdasan buatan. AI dapat digunakan untuk menyajikan materi pembelajaran, melakukan asesmen, memberikan umpan balik pembelajaran. Berikut ini adalah beberapa contoh penerapan kecerdasan buatan untuk mendukung pembelajaran.
Intelligent Tutoring System (ITS)
Intelligent Tutoring System (ITS) atau biasa dikenal dengan Intelligent Computer Aided Instruction adalah suatu sistem untuk menyediakan pengajaran yang dapat menyesuaikan dengan kemampuan siswa. ITS merupakan salah satu pengembangan dari sistem pakar pada kecerdasan buatan dalam bidang pembelajaran. Contoh: Intelligent Tutoring System (ITS) Berbasis Augmented Reality (AR) Untuk Materi Geometri Dimensi, Intelligent Tutoring System untuk pembelajaran hukum Nun Sukun atau Tanwin, Intelligent Tutoring System (ITS) untuk pembelajaran lingkaran untuk kelas VIII SMP, dan berbagai ITS lainnya.
Mentor Virtual
Kecerdasan buatan saat ini sudah banyak diterapkan pada berbagai platform teknologi pendidikan terutama yang berbasis daring, seperti mentor virtual. AI bisa memberikan umpan balik dari aktivitas belajar dan latihan soal para siswa, memberikan rekomendasi materi yang perlu dipelajari kembali layaknya seorang guru atau tutor.
Salah satu contoh adalah Blackboard (https://www.blackboard.com/teaching-learning/learning-management/mobile-learning-solutions) yang merupakan aplikasi yang banyak digunakan di perguruan tinggi di Eropa dan Amerika. Aplikasi banyak digunakan para professor/dosen untuk mempublikasi catatan, pekerjaan rumah, kuis, dan tes yang memungkinkan siswa dapat mengajukan pertanyaan dan tugas. Aplikasi juga dapat digunakan untuk penilaian/asesmen. aplikasi ini dapat mengidentifikasi alasan di balik ketidakpahaman siswa dan bisa menawarkan solusi-solusi yang sudah dirilis oleh dosen dan diprogramkan sebelumnya. Sistem AI ini akan terus belajar dan memperbarui informasi secara mandiri sesuai dengan kebutuhan dan kendala yang dihadapi murid.
Voice Assistant
Penerapan kecerdasan buatan pada voice assistant memiliki kemiripan dengan mentor virtual. Hanya saja Voice Assistant lebih mengandalkan fungsi suara sebagai pusat interaksi dan komunikasi.
Voice Assistant juga merupakan salah satu teknologi AI yang paling banyak dikenal dan dimanfaatkan diberbagai bidang, termasuk pembelajaran. Contoh voice asistent yang umum dikenal seperti Google Assistant (Google), Siri (Apple), Cortana i(https://support.microsoft.com/id-id/topic/apa-itu-cortana-953e648d-5668-e017-1341-7f26f7d0f825) (Microsoft), dan lainnya. Voice Assistant memungkinkan para murid bisa mencari materi, referensi soal, artikel, sampai buku dengan hanya berbicara atau menyebutkan kata kunci. Beberapa platform Edutech saat ini juga sudah mengadopsi teknologi Voice Assistant untuk membantu murid menemukan konten serta materi dengan lebih cepat dan praktis.
Smart Content
Penerapan kecerdasan buatan pada smart content berfungsi membagi dan menemukan konten materi dan buku digital yang sudah dirpogram secara virtual dengan lebih mudah dan cepat. Contoh umum penerapan teknologi ini terdapat di berbagai perpustakaan digital saat ini, baik di sekolah, perguruan tinggi, maupun perpustakaan umum.
Kecerdasan buatan bisa menemukan dan mengkategorikan buku yang Anda cari secara cepat dan terstruktur. Bahkan Anda akan diberikan rekomendasi buku dan konten lain yang relevan dengan apa yang sedang Anda cari. Contoh teknologi smart content yang sudah dipakai seperti Cram101 yang memiliki fungsi memecah buku teks digital menjadi beberapa bagian spesifik. Sehingga buku tersebut bisa terdiri dari ringkasan bab, tes, dan sebagainya. Kegunaannya adalah agar pengguna bisa mencari informasi yang lebih spesifik sesuai kebutuhannya.
Automatic Assessment
Saat ini AI banyak digunakan untuk keperluan asesmen dan koreksi soal otomatis secara online. Penggunaan fitur seperti ini memudahkan guru dan tutor menyiapkan dan mengadakan kuis maupun ulangan secara mudah dan praktis. Guru dan tutor tidak perlu lagi harus membuat soal dan mengoreksi soal secara manual.
Sistem AI akan bekerja sendiri sesuai instruksi yang sudah diprogramkan dan bisa belajar sesuai dengan kebiasaan yang dilakukan pengguna atau siswa. Bahkan AI akan memberikan rekomendasi materi yang perlu dipelajari kembali dan lainnya berdasarkan hasil yang sudah Anda peroleh.
Salah satu contoh penerapan Automatic Assessment adalah seperti fitur pembuatan kuis dan koreksi otomatis yang disediakan platform kejarcita (https://kejarcita.id/) . Fitur ini memungkinkan guru dapat membuat kuis dan ulangan dengan mudah dan praktis. Guru hanya perlu memilih jenis mata pelajaran, jenjang, jumlah soal, tingkat kesulitan, dan beberapa pilihan lainnya. Setelah itu guru hanya perlu membagikan link kuis tersebut kepada para murid untuk langsung dikerjakan secara daring.
Personalized Learning
Penerapan teknologi ini sudah cukup umum ditemui. Personalized Learning sebenarnya memiliki kemiripan dengan contoh teknologi AI lainnya. Pada intinya teknologi AI ini memungkinkan para siswa atau pengguna mendapatkan layanan layaknya asisten pribadi.
AI akan mengumpulkan data dari aktivitas belajar yang sudah dilakukan oleh pengguna, dan kemudian akan memberikan alternatif solusi pembelajaran yang sesuai dengan kebutuhan pengguna. AI juga akan memberikan rekomendasi konten, memberitahu jadwal belajar pengguna, dan berbagai fungsi penting lainnya. AI akan belajar untuk mengoptimalkan cara belajar pengguna agar proses belajar bisa lebih baik dan efektif. Contoh penerapan Perzonalized Learning, adalah seperti yang sudah diterapkan oleh Khan Academy (https://www.khanacademy.org/) , Duolingo (https://www.duolingo.com/) , Ruanguru (https://www.ruangguru.com/) , dan lainnya.
Game Edukasi
Marc Prensky (2012), Game edukasi adalah game yang didesain untuk belajar, tapi tetap bisa menawarkan bermain dan bersenang- senang. Game edukasi adalah semua bentuk permainan yang dibuat, untuk memberikan pengalaman pendidikan atau pengalaman belajar kepada para pemain-pemain permainan tersebut. yang diberi muatan pendidikan.
Duolingo Aplikasi game edukasi anak ini tidak hanya mengajarkan bahasa Inggris, namun juga ada 30 bahasa asing lainnya yang bisa dipelajari anak, antara lain bahasa Mandarin, Perancis, Italia, Spanyol, Korea, Jepang, dan lainnya.
Khan Academy Kids Game edukasi anak selanjutnya adalah Khan Academy Kids. Khan Academy Kids mencakup ribuan kegiatan interaktif untuk balita, anak-anak prasekolah, dan taman kanak-kanak.Dalam permainan game edukasi anak lengkap satu ini, anak-anak bisa belajar membaca, bahasa, menulis, matematika, perkembangan sosial-emosional, keterampilan pemecahan masalah, dan pengembangan motorik.
Quick Brain Game edukasi anak berikutnya adalah Quick Brain. Seperti namanya, game anak-anak terbaru ini mengasah kecepatan otak dalam memproses suatu perhitungan
Puzzle Kids – Animals Shapes and Jigsaw Puzzle Terdapat 4 kategori mini game yang terdiri dari mencocokkan bentuk, menyusun objek, tebak gambar, serta teka-teki jigsaw. Setiap mini-game menantang anak Anda untuk menemukan dan memanipulasi bentuk, memecahkan teka-teki gambar, dan mengenali bagaimana bentuk sesuai dengan gambar yang lebih besar, semuanya dengan tampilan yang berwarna dan mudah digunakan yang sempurna untuk tangan mungil
Game edukasi anak ini bukan sekedar permainan mencocokkan gambar saja, akan tetapi banyak trik yang mengasah daya ingat anak, Moms. Game ini cocok untuk melatih ingatan, konsentrasi, akurasi, atensi, kecepatan berpikir dan keterampilan logika.
Penggunaan AI dalam pembelajaran fisika
Persoalan kita adalah bagaimana kita dapat memanfaatkan AI dalam pembelajaran fisika di sekolah. Bagaimana kita sebagai guru atau calon fisika akan menggunakannya agar pembelajaran kita menarik dan siswa menjadi senang dengan fisika? Untuk penelitian di PT dan industri sudah sangat jelas bahwa AI sangat membantu dan perlu kita gunakan demi keberhasilan penelitian yang lebih bagus. Untuk membantu pembelajaran fisika di jaman AI dan revolusi 4.0 ini kita dapat memanfaatkan AI agar pembelajaran fisika semakin maju, uptodate, dan membantu siswa semakin menenangi fisika. AI dapat kita gunakan antara lain dalam hal:
- Alat bantu administrasi guru fisika
Guru dan dosen fisika dapat menggunakan program AI membantu pengolahan data, koreksi, pemberian nilai pada siswa dan mahasiswa, dll. Dengan demikian guru dan dosen lebih dapat konsentrasi pada siswa/mahasiswa.
- AI sebagai tutor siswa atau mahasiswa belajar fisika
Menggunakan AI untuk pengajaran pribadi dan tutorial fisika. Seperti dibuat di Inggris, anak-anak dapat belajar sains dengan bantuan AI. Ada program belajar sains yang menggunakan pertanyaan, penelitian, pemikiran berbantuan AI. Siswa diberi pertayaan, ia mencoba menjawab dengan melihat peristiwa yang ada. Kalau jawabannya belum baik ada feedback yang langsung dan ia dapat mengulangi lagi. Karena ada feedback langsung dan juga gambar gambarnya yang seperti nyata, siswa dengan mudah belajar dan menangkap konsep fisika. Metode pembelajarannya seperti POE: ada persoalan, buat hipotesa, lalu dicoba dan dilihat hasilnya. Program Blippar!
- Membantu pembelajaran semakin smart
Pengunaan AI membuat pembelajaran dengan virtual lebih kuat. Belajar fisika bukan hanya dari buku dan gambar serta grafiknya, tetapi dapat lebih menarik karena visualnya bagus lewat AI. Siswa menjadi lebih tertarik, karena melihat langsung kedalaman kawah, warna kawah dari gunung berapi, dll. Siswa seperti melihat real sehingga menarik dan lebih lama mengerti.
- Menggunakan AI (robot) sebagai asisten guru dalam mengajar fisika:
a. Sebagai asisten yang membantu guru dan siswa;
b. Mengamati siswa yang kurang menangkap dan melaporkan pada guru;
c. Memberikan pengajaran privat pada siswa di manapun
- Menggunakan AI sebagai media pembelajaran dan eksperimen fisika
Menggunakan peralatan AI dalam proses pengajaran dan eksperimen fisika. Kita bekerja sama dengan programmer AI, agar eksperimen dapat dibuat menarik dengan pengukuran yang lebih tepat, dengan pengambilan data yang canggih, dan pengolahan datanya. Menggunakan kecerdasan buatan (AI) agar pembelajaran fisika semakin canggih, menarik, dan menyenangkan siswa. AI digunakan sebagai media pembelajaran dan alat peraga dalam membantu ekperimen, membantu proses pembelajaran, dan membantu dalam analisis. Dengan cara ini maka pembalajaran menjadi menarik dan sesuai dengan perkembangan jaman.
Duolingo
Duolingo merupakan sebuah platform language-learning yang dapat diakses di website dan aplikasi mobile dan dapat digunakan secara gratis, atau bayar $7 per bulan untuk akses premium yang memiliki beberapa kelebihan. Sebuah perusahaan start-up yang berbasis di Pittsburgh, Amerika Serikat, saat ini Duolingo digunakan oleh lebih dari 300 juta pengguna di seluruh dunia. Duolingo menawarkan pembelajaran berbagai macam bahasa, dari mulai bahasa umum seperti bahasa Jerman dan bahasa Prancis, bahasa yang terancam punah seperti bahasa Hawaii dan bahasa Navajo, hingga bahasa fiksional seperti High Valyrian dan Klingon. Duolingo juga mengajari bahasa dengan beberapa mode, seperti mengartikan suatu kalimat dari bahasa Inggris ke bahasa yang kita pelajari atau sebaliknya, memilih dua kata yang memiliki arti sama dalam suatu set kata, metode bicara, dan lain-lain.
Pembelajaran bahasa dengan Duolingo berbeda dengan pembelajaran bahasa secara tradisional. Duolingo menggunakan sistem points-based reward sehingga pengguna merasa semakin termotivasi untuk mempelajari bahasa yang diinginkan. Berdasarkan Departemen Luar Negeri Amerika Serikat, diestimasi bahwa diperlukan 600 jam untuk mempelajari bahasa kategori satu seperti bahasa Prancis dan bahasa Italia. Namun, dengan Duolingo, pembelajaran suatu bahasa yang biasanya memakan waktu sangat lama dapat dilakukan dalam hitungan jam, bahkan hanya dalam hitungan menit.
Duolingo menggunakan data serta AI dan machine learning untuk membuat pembelajaran lebih menarik, yaitu dengan menyesuaikannya bagi masing-masing pengguna. Setiap soal yang ditampilkan dipilih berdasarkan pertanyaan sebelumnya dan apabila pengguna menjawab benar atau salah. Jika pengguna menjawab benar, soal selanjutnya akan lebih sulit, dan jika pengguna menjawab salah, soal selanjugnya akan lebih mudah. Dengan ini, seseorang yang telah belajar suatu bahasa selama lima tahun tidak akan mendapat perlakuan yang sama dengan seseorang yang belum pernah belajar bahasa tersebut sebelumnya. Berdasarkan kesulitan kata, tata bahasa, dan tampilan dari soal, aplikasi tersebut dapat memprediksi di mana pengguna harus memulai pembelajarannya.
Menggunakan sebuah konsep yang dinamakan spaced repetition, pembelajaran dibuat sehingga pengguna mendapatkan soal yang sudah dibuat sesuai masing-masing dalam interval waktu yang panjang. Metode tersebut terbukti lebih efektif ketimbang mempelajari banyak hal dalam waktu singkat. Terdapat juga konsep lag effect yang mengatakan bahwa pengguna dapat mempelajari suatu hal dengan lebih baik jika jarak antar sesi latihan makin besar.
Duolingo mencatat berapa kali seseorang mendapatkan suatu soal, berapa kali soal itu terjawab benar, mode soal yang digunakan ketika soal itu terjawab benar, dan kapan terakhir mendapatkan soal tersebut. Dengan AI, dan ditambah data dari lebih dari 300 juta pengguna, Duolingo dapat memprediksi kemungkinan seorang pengguna akan mengingat kata yang diinginkan pada mode yang diinginkan, dan juga mengetahui seberapa besar space dan lag yang diperlukan setiap pengguna.
bagaimana AI pada Duolingo bekerja?
Pada Duolingo, approach AI yang digunakan adalah dengan menggunakan deep learning. Deep learning merupakan cabang dari AI dan machine learning yang menggunakan algoritma jaringan saraf tiruan untuk meniru tingkah laku otak manusia sehingga dapat dengan cepat menganalisis data dan membuat suatu prediksi. Dengan menggunakan deep learning, Duolingo dapat menganalisis data pengguna untuk memprediksi kemungkinan penggunaa tersebut menjawab suatu soal dengan benar. Prediksi tersebut membuat aplikasi ini menyesuaikan pembelajaran dan konten bagi penggunanya.
Program yang dijalankan secara otomatis dan bukan oleh manusia tidak dapat mempertimbangkan bahwa setiap orang memiliki perilaku yang berbeda. Karena itu Duolingo membuat suatu model statistik yaitu “half-life regression”. Dalam language-learning, konsep half-life digunakan untuk mendeskripsikan berapa lama waktu untuk pengetahuan kosa kata atau grammar yang diajarkan akan berkurang setengah dari awal. Jadi, jika half-life seseorang adalah satu hari dan ia tidak mempelajari bahasa yang diinginkan selama sehari penuh, terdapat kemungkinan 50% ia akan lupa pembelajaran tersebut. Dengan half-life regression, Duolingo berusaha untuk mencari tahu apa yang diketahui pengguna dan memberikan pembelajaran yang sesuai.
Sebelumnya, pada tahun 2009 ketika Duolingo masih bernama Monolingo dan pembelajaran bahasa asing dilakukan dengan meminta pengguna menerjemahkan artikel Wikipedia atau artikel berita, digunakan algoritma cornitive science yang lebih tradisional. Algoritma yang digunakan belum mempelajari dari data asli. Akhirnya, tim riset menyadari bahwa harus ada model machine learning yang dapat disesuaikan. Setelah mulai menggunakan alat-alat deep learning, terdapat kemajuan dalam ketepatan prediksi dan keterikatan pengguna. Jumlah pengguna yang menggunakan Duolingo dan kembali di hari berikutnya naik sebanyak 12 persen.
Untuk meningkatkan rasa keterikatan pengguna ketika menggunakan aplikasi ini, Duolingo mulai menggunakan bot untuk pembelajaran melalui percakapan otomatis text-based pada tahun 2016. Bot-bot tersebut didesain untuk merespon terhadap berbagai macam jawaban. Namun, fitur bot sedang dalam hiatus saat ini.
Kepala AI dan Riset Duolingo, Burr Settles, mengatakan bahwa sekarang Duolingo sedang memperluas penggunaan AI pada aplikasi tersebut. Duolingo akan menggunakan AI untuk mengembangkan kurikulum pembelajaran, dan deep learning untuk mengembangkan aplikasi dari pembelajaran bahasa Inggris ke pembelajaran bahasa lain dan untuk memperbaiki pemahaman semantik dan frekuensi kata.
Selain semua hal yang ada di atas, Duolingo juga sering melakukan riset-riset berdasarkan data yang mereka dapatkan dari pengguna aplikasi tersebut. Pada situs riset Duolingo, terdapat berbagai macam riset yang dilakukan oleh suatu tim yang berisikan ahli-ahli di bidang AI dan machine learning, data science, learning sciences, riset UX, linguistik, dan psikometrik. Karena banyaknya pengguna Duolingo hingga sekarang, didapatkan berbagai macam insight mengenai bahasa dan pembelajaran. Dari riset tersebut itu juga bisa dibuat fitur-fitur baru yang lebih inovatif. Data-data dan riset yang mereka lakukan dapat dengan mudah diakses di situs mereka.
Sampai sekarang tim riset Duolingo terus mencari kemungkinan-kemungkinan baru menggunakan deep learning, mencari model untuk keamanan tes, pendeteksi kecurangan, biometrik, dan pemahaman konteks. Misalnya, pengguna dapat menjawab pertanyaan dengan salah tetapi belum tahu apa alasannya, apa karena kesalahan kata atau kesalahan konjugasi kata.
Source
glints.com/id/lowongan/jupyter-adalah/
MENYIKAPI PENGGUNAAN ARTIFICIAL INTELLIGENCE (AI, KECERDASAN BUATAN) DALAM PENDIDIKAN FISIKA . Paul Suparno, S.J.
https://www.wired.com/brandlab/2018/12/ai-helps-duolingo-personalize-language-learning/
https://venturebeat.com/2019/07/05/how-duolingo-is-using-ai-to-humanize-virtual-language-lessons/
https://www.zdnet.com/article/how-duolingo-uses-ai-to-disrupt-the-language-learning-market/
https://digital.hbs.edu/platform-digit/submission/duolingo-learning-the-language-of-ai
Komentar
Posting Komentar