Di manakah peranan kita:G@z@ masih kebuluran

 

Dengan Nama Allah Yang Maha Pemurah Lagi Maha Pengasihani

Peringatan buat diriku yang lupa

Ya, pada hari ini, 8 Jun 2025, penduduk G@z@ masih mengalami kekurangan makanan yang kritikal.  Krisis kemanusiaan di wilayah tersebut semakin memburuk akibat sekatan berterusan, kekurangan bekalan makanan, dan insiden keganasan di pusat pengagihan bantuan. 

Situasi Terkini di G@z@

Kebuluran yang Menyeluruh: Lebih 1.17 juta penduduk G@z@—lebih separuh daripada jumlah keseluruhan—menghadapi kelaparan tahap kritikal.  Sekatan selama 11 minggu telah menyebabkan harga makanan melonjak sehingga 1,400%, dengan sebahagian besar infrastruktur makanan seperti kilang tepung dan kedai roti musnah akibat serangan udara.  

Sekatan Bantuan Kemanusiaan: Program Makanan Sedunia (WFP) melaporkan bahawa stok makanan mereka di G@z@ telah habis sejak April.  Lebih 116,000 tan metrik bantuan makanan kini tersimpan di Jordan, tidak dapat dihantar ke G@z@ kerana sekatan Israel.  

Insiden Keganasan di Pusat Bantuan: Pada 1 dan 2 Jun, sekurang-kurangnya 35 penduduk Palestin terbunuh dan ratusan cedera apabila tentera Israel melepaskan tembakan berhampiran pusat pengagihan bantuan di Rafah dan Khan Younis.  Insiden ini berlaku ketika ribuan penduduk berkumpul untuk mendapatkan makanan.  

Kritikan Terhadap Mekanisme Bantuan Baharu: G@z@ Humanitarian Foundation (GHF), yang disokong oleh AS dan Israel, telah memulakan operasi pengagihan bantuan tetapi dikritik kerana memintas saluran bantuan tradisional dan gagal memenuhi keperluan penduduk.  Insiden keganasan di pusat GHF telah menimbulkan kebimbangan mengenai keselamatan penerima bantuan.  

Keadaan Kesihatan dan Pemakanan

Kira-kira 66,000 kanak-kanak di G@z@ kini mengalami kekurangan zat makanan akut.  Kebanyakan keluarga hanya bergantung kepada dapur umum seperti G@z@ Soup Kitchen, yang kini beroperasi dengan sumber terhad dan menghadapi risiko serangan.  

Tindakan Antarabangsa

Perdana Menteri UK, Keir Starmer, menyatakan bahawa keadaan di G@z@ "semakin buruk setiap hari" dan menekankan keperluan mendesak untuk meningkatkan bantuan kemanusiaan.  

Adakah kapal freedom flotilla selamat tiba di G@z@?

Erti pengorbanan

 Dengan Nama Allah Yang Maha Pemurah Lagi Maha Pengasihani

Peringatan buat diriku yang lupa

Alhamdulillah, bila baca kata-kata hikmah dalam group cinta Gaza, aku menjadi lebih memahami erti pengorbanan. Dalam menyambut hari raya Aidiladha,  petikan ' erti pengorbanan, jika di Mekah pengorbanan Ibrahim dan Ismail telah berakhir, di Palestin mereka sedang menghadapi pengorbanan tetapi di Malaysia kita masih belajar erti tersebut. '

Huraian bagi pernyataan tersebut memerlukan kita menyelami tiga latar tempat – Mekah, Palestin, dan Malaysia – serta tiga bentuk pengorbanan yang berbeza dari segi konteks sejarah, realiti semasa, dan kesedaran masyarakat.

1. Di Mekah: Pengorbanan Ibrahim dan Ismail Telah Berakhir

Kisah pengorbanan Nabi Ibrahim a.s. dan anaknya Ismail a.s. merupakan simbol agung ketaatan mutlak kepada perintah Allah. Ia adalah satu ujian yang berat – sanggup mengorbankan anak sendiri demi perintah Ilahi. Namun, pada akhirnya Allah menggantikan Ismail dengan seekor kibas, sebagai tanda redha dan rahmat-Nya terhadap keimanan Ibrahim.

Kini, kisah itu dikenang setiap tahun dalam ibadah Hari Raya Aidiladha dan ibadah korban, dan menjadi simbol spiritual, bukan lagi satu realiti fizikal yang perlu dihadapi oleh manusia.

Erti pengorbanan di sini: Taat, rela menyerahkan apa yang paling berharga hanya kerana Allah SWT.

2. Di Palestin: Mereka Sedang Menghadapi Pengorbanan

Berbeza dengan simbolik di Mekah, di Palestin, pengorbanan itu masih berlaku secara nyata. Rakyat Palestin setiap hari berkorban nyawa, darah, keluarga, harta dan masa depan mereka demi mempertahankan maruah, tanah air, dan aqidah.

Mereka bukan hanya belajar erti pengorbanan – mereka menghadapinya. Bahkan kanak-kanak di sana membesar dalam suasana penindasan dan tetap memegang kuat pada nilai perjuangan.

Erti pengorbanan di sini: Realiti sengsara, ketabahan luar biasa demi mempertahankan kebenaran dan hak.

3. Di Malaysia: Masih Belajar Erti Pengorbanan

Di Malaysia, kita tidak diuji dengan perang, tidak dikejutkan dengan bom, dan tidak kehilangan keluarga setiap hari akibat penjajahan atau penindasan. Namun, cabaran yang kita hadapi adalah pengorbanan nilai, masa, dan keikhlasan dalam dunia yang semakin selesa dan individualistik.

Ramai di antara kita belum benar-benar memahami atau merasai apa itu pengorbanan sejati. Kita mungkin memberi masa sedikit untuk membantu, atau menyumbang harta sedikit untuk meringankan beban orang lain – namun, adakah itu sudah mencerminkan pengorbanan hakiki?

Erti pengorbanan di sini: Masih dalam bentuk pembelajaran, pencarian makna sebenar, dan kadang kala, pengorbanan kita masih diselubungi kepentingan diri.

Kesimpulan: Apakah Erti Pengorbanan Sebenarnya?

Soalan ini membawa kita kepada renungan yang mendalam:

> Apalah erti pengorbanan bagi kita, jika hanya melihatnya sebagai ritual atau simpati jauh, sedangkan saudara kita menghidupkannya setiap hari dengan darah dan air mata?

Pengorbanan bukan hanya pada tindakan fizikal, tetapi juga pada kesanggupan melepaskan kesenangan diri demi kebaikan yang lebih besar – sama ada untuk agama, bangsa, masyarakat atau kemanusiaan sejagat.

Semoga kita di Malaysia terus belajar erti pengorbanan yang sebenarnya.

Robotik dan artificial intelligence

Dengan Nama Allah Yang Maha Pemurah Lagi Maha Pengasihani

Peringatan buat diriku yang lupa

Contoh: Mobil robot dan artificial intelligence

 Kenangan tahun 2007-2009 masa study master, di mana aku telah menangkap imej robot bergerak dengan menggunakan 2 kamera. Kamera ini telah digantung pada ketinggian tertentu.

Robot bergerak akan diambil gambar pada posisi ( koordinat) dan orientasi (sudut) yang berbeza. Lebih kurang 100++ imej robot telah diambil. 

Kemudian beberapa features telah dikenal pasti bagi setiap posisi dan orientasi. Features ini di'extract' dan di'save' dalam satu file secara tersusun. Akhirnya satu rangkaian neural  network telah dibangunkan. Rangkaian neural network ini telah di'train' dan hasil keputusan ini digunakan untuk mendapatkan maklumat tentang posisi dan orientasi robot bergerak tersebut.

Sumber:

Paulraj, M. P., Ahmad, R. B., Hema, C. R., & Hashim, F. (2009, March). Estimation of mobile robot orientation using neural networks. In 2009 5th International Colloquium on Signal Processing & Its Applications (pp. 42-46). IEEE.

SV India daripada negara India baguih, tapi nama kita kena letak belakang sekali..huhu

Jom belajar asas robotik dan artificial intelligence 

Robotik dan Artificial Intelligence (AI) adalah gabungan yang sangat menarik dan berguna dalam dunia moden. Bila kita gabungkan AI ke dalam robot, robot itu bukan hanya ikut arahan statik, tapi boleh "berfikir", belajar, dan buat keputusan sendiri berdasarkan situasi semasa.

 Apa Itu Robotik Berasaskan AI?

Robotik AI ialah robot yang digabungkan dengan keupayaan AI, supaya mereka boleh:

Mengesan persekitaran (guna sensor, kamera)

Memproses maklumat (guna algoritma AI)

Buat keputusan sendiri (contohnya, elak halangan, pilih laluan terbaik)

Belajar daripada pengalaman (guna pembelajaran mesin)

 Komponen AI Dalam Robotik

1. Persepsi (Perception)

Guna kamera, mikrofon, sensor untuk faham persekitaran

Contoh: Computer Vision, Speech Recognition

2. Pemprosesan (Reasoning)

Fikir dan rancang tindakan, guna algoritma AI

3. Pembelajaran (Learning)

Gunakan machine learning untuk jadi lebih pintar dari semasa ke semasa

4. Tindakan (Actuation)

Bergerak, angkat objek, atau bercakap berdasarkan keputusan AI

 Contoh Robotik AI di Dunia Sebenar

Robot Fungsi Ciri AI

Tesla Bot (Optimus) Robot humanoid buatan Tesla Boleh melihat, bergerak, dan buat tugas

Spot (Boston Dynamics) Robot anjing untuk pemeriksaan tapak industri Navigasi autonomi, elak halangan

Roomba (iRobot) Vakum rumah AI untuk peta rumah, elak perabot

Sophia (Hanson Robotics) Robot sosial yang boleh berbual Gunakan NLP, pengecaman wajah

Pepper (Softbank) Robot perkhidmatan pelanggan Faham emosi dan bahasa manusia

Drone AI Digunakan dalam ketenteraan, pertanian Belajar peta, mengesan objek dari udara

 Cara Belajar Robotik AI

Jika anda berminat nak cuba sendiri, ini cara permulaan yang bagus:

1. Belajar Asas Pengaturcaraan dan AI

Python, terutama pakej seperti TensorFlow, OpenCV, dan PyTorch

2. Gunakan Kit Robotik Pemula

Contoh: Arduino + Sensor + Raspberry Pi

Boleh bina robot kecil dan kawal guna kod

3. Belajar Visual + AI

Guna OpenCV (untuk lihat & cam objek)

Gabung dengan ML untuk "melatih" robot

4. Platform Simulasi Robot

ROS (Robot Operating System)

Webots, Gazebo – boleh uji robot secara maya

Contoh projek robotik AI mudah yang boleh anda jalan kan seperti:

Robot pengecam wajah

Robot pengikut garisan dengan kamera

Chatbot fizikal dengan suara (menggunakan Raspberry Pi + mic)

Jom belajar NLP dalam Machine learning

 Dengan Nama Allah Yang Maha Pemurah Lagi Maha Pengasihani

Peringatan buat diriku yang lupa

Sumber:

https://www.educba.com/nlp-and-machine-learning/

Natural Language Processing (NLP) memang satu cabang AI yang sangat menarik sebab ia buat mesin faham dan proses bahasa manusia — macam kita bercakap, menulis, atau baca.

Apa itu NLP?

Natural Language Processing (NLP) ialah bidang dalam AI yang fokus pada interaksi antara komputer dan bahasa manusia. Tujuannya supaya komputer boleh:

Memahami  teks atau ucapan manusia

Menjawab soalan

Menterjemah bahasa

Membuat ringkasan teks

Mengenal pasti emosi dalam teks

Contoh aplikasi NLP yang kita selalu guna:

Google Translate

Siri, Alexa, Google Assistant

Chatbot customer service

Sistem pengecaman suara (speech-to-text)

Komponen Utama NLP

1. Tokenization

Pisahkan ayat jadi perkataan atau frasa kecil.

2. Part-of-Speech Tagging (POS Tagging)

Kenal pasti fungsi perkataan — kata nama, kerja, adjektif, dan lain-lain.

3. Named Entity Recognition (NER)

Kenal pasti nama orang, tempat, organisasi dalam teks.

4. Parsing

Strukturkan ayat untuk faham hubungan antara perkataan.

5. Sentiment Analysis

Tentukan sama ada teks itu positif, negatif, atau neutral.

6. Machine Translation

Tukar teks dari satu bahasa ke bahasa lain.

Bagaimana NLP Berfungsi?

Mula-mula, teks dibersihkan (buang tanda baca, huruf besar, dsb)

Kemudian, data diproses menggunakan algoritma statistik, pembelajaran mesin, atau model deep learning

Model deep learning terkini seperti transformers (contoh: GPT, BERT) sangat berkuasa dalam faham konteks bahasa manusia

Cara Mudah Mula Belajar NLP

1. Fahami Python dan Pakej Popular NLP:

NLTK (Natural Language Toolkit)

spaCy

Transformers (dari Hugging Face)

2. Cuba projek mudah:

Buat chatbot asas

Analisis sentimen Twitter

Terjemahan ayat

3. Kursus dan Tutorial:

Coursera: Natural Language Processing Specialization (deeplearning.ai)

YouTube: Sentdex, Data School (tutorial praktikal)

Hugging Face Course (percuma dan sangat bagus)

Apakah perbezaan antara machine learning dan deep learning

 Dengan Nama Allah Yang Maha Pemurah Lagi Maha Pengasihani

Peringatan buat diriku yang lupa

Sumber: https://www.alltius.ai/glossary/what-is-deep-learning

Perbezaan antara Machine Learning (ML) dan Deep Learning (DL) boleh dijelaskan dari beberapa aspek utama:

1. Definisi Asas

Machine Learning: Subbidang dalam kecerdasan buatan (AI) yang memberi keupayaan kepada komputer untuk belajar daripada data tanpa perlu diprogram secara eksplisit. Contoh: algoritma seperti Decision Tree, Random Forest, SVM, dan K-Nearest Neighbors.

Deep Learning: Subset dalam Machine Learning yang menggunakan neural networks berlapis-lapis (deep neural networks) untuk memproses data dalam jumlah besar dan kompleks.

2. Struktur Model

ML: Biasanya menggunakan model yang lebih mudah dan "shallow" (kurang lapisan), seperti Linear Regression atau Decision Tree.

DL: Menggunakan rangkaian neural yang mendalam (banyak lapisan), seperti CNN (Convolutional Neural Network) untuk imej atau RNN (Recurrent Neural Network) untuk data berurutan.

3. Keperluan Data

ML: Berfungsi dengan baik walaupun dengan jumlah data yang sederhana.

DL: Memerlukan jumlah data yang besar untuk mencapai prestasi yang tinggi kerana struktur model yang kompleks.

4. Perlu Feature Engineering

ML: Memerlukan feature engineering yang signifikan (manusia perlu tentukan ciri-ciri penting daripada data).

DL: Boleh secara automatik mengekstrak ciri-ciri penting daripada data mentah, seperti dari gambar atau teks.

5. Kuasa Pemprosesan

ML: Kurang memerlukan kuasa pemprosesan yang tinggi.

DL: Memerlukan GPU atau pemprosesan berprestasi tinggi kerana modelnya besar dan kompleks.

6. Contoh Penggunaan

ML: Ramalan harga rumah, pengesanan penipuan, klasifikasi emel spam.

DL: Pengecaman wajah, pemprosesan bahasa semula jadi (NLP), pemanduan sendiri (self-driving cars).

Ringkasan:

Ciri Machine Learning Deep Learning

Subset AI ML

Struktur Model mudah Neural network mendalam

Keperluan Data Rendah ke sederhana Sangat tinggi

Feature Engineering Perlu Tidak perlu (automatik)

Kuasa Komputer Sederhana Tinggi (GPU)

Contoh Spam detection Voice assistants, Face recognition.

Apakah deep learning dalam Artificial intelligence?

 Dengan Nama Allah Yang Maha Pemurah Lagi Maha Pengasihani

Peringatan buat diriku yang lupa

Sumber:

https://www.v7labs.com/blog/machine-learning-guide

Deep learning adalah salah satu cabang dari Artificial Intelligence (AI), lebih tepatnya merupakan bagian dari machine learning (pembelajaran mesin).

Berikut penjelasan secara bertingkat:

1. Artificial Intelligence (AI): Merupakan bidang ilmu komputer yang bertujuan membuat sistem atau mesin dapat meniru kecerdasan manusia, seperti pengambilan keputusan, pengenalan suara, penglihatan, dan sebagainya.

2. Machine Learning (ML): Adalah subbidang dari AI yang memungkinkan mesin belajar dari data tanpa perlu diprogram secara eksplisit.

3. Deep Learning (DL): Merupakan subbidang dari machine learning yang menggunakan artificial neural networks (jaringan saraf tiruan) dengan banyak lapisan (deep = dalam). Deep learning sangat efektif dalam memproses data dalam jumlah besar dan kompleks, seperti:

Pengolahan gambar (image recognition)

Pengolahan suara (speech recognition)

Penerjemahan otomatis (machine translation)

Sistem rekomendasi

Mobil otonom (self-driving cars)

Jadi, deep learning adalah bagian dari AI yang meniru cara kerja otak manusia melalui jaringan saraf tiruan untuk menyelesaikan tugas-tugas kompleks.

Apa contoh penggunaan sebenar atau aplikasi sebenar machine learning dalam industri?

Dengan Nama Allah Yang Maha Pemurah Lagi Maha Pengasihani

Peringatan buat diriku yang lupa

sumber:

https://www.qlik.com/us/augmented-analytics/machine-learning-vs-ai

Berikut ialah beberapa contoh penggunaan sebenar pembelajaran mesin (Machine Learning) dalam pelbagai industri

1. Industri Kesihatan

Diagnosis penyakit: Model ML menganalisis imbasan MRI atau X-ray untuk mengesan kanser, tumor, dsb.

Ramalan penularan penyakit: Memprediksi wabak seperti COVID-19.

Perubatan diperibadikan: Mencadangkan rawatan berdasarkan data genetik dan sejarah pesakit.

2. Industri Kewangan

Pengesanan penipuan (fraud detection): Mengenalpasti transaksi luar biasa.

Penilaian risiko kredit: Menentukan kelayakan pinjaman menggunakan data pelanggan.

Dagangan algoritma: Gunakan ML untuk meramalkan turun naik pasaran saham.

3. Industri Peruncitan & E-Dagang

Cadangan produk: Sistem seperti Amazon dan Lazada mencadangkan produk berdasarkan sejarah pembelian.

Ramalan inventori: Menentukan jumlah stok berdasarkan corak permintaan.

Analisis sentimen pelanggan: Menilai ulasan produk untuk memahami kepuasan pelanggan.

4. Industri Automotif

Kereta pandu sendiri (self-driving cars): Gunakan pembelajaran mendalam dan pembelajaran penguatan untuk navigasi, pengesanan objek, dan pengambilan keputusan.

Penyelenggaraan ramalan (predictive maintenance): Meramal kerosakan komponen kenderaan sebelum berlaku.

5. Industri Pembuatan

Kawalan kualiti automatik: Kamera dan ML mengesan kecacatan produk secara masa nyata.

Optimasi rantaian bekalan: Ramalan permintaan dan penjadualan penghantaran yang lebih cekap.

6. Industri Pertanian

Pemantauan tanaman pintar: Guna drone dan ML untuk menilai kesihatan tanaman.

Ramalan hasil tanaman: Berdasarkan cuaca, tanah, dan data pertanian.

7. Industri Teknologi dan Media

Pengecaman wajah dan suara: Digunakan dalam telefon pintar, keselamatan, dan sistem rumah pintar.

Terjemahan automatik dan chatbot: Seperti Google Translate atau chatbot perkhidmatan pelanggan.