Skala Pertumbuhan & Kebalikannya
Pertumbuhan yang sangat cepat (Eksponensial). Di AI, kita sering bertemu $e$ (Bilangan Euler $\approx 2.718$).
Fungsi aktivasi di Neural Network sangat bergantung pada $e^x$. Ini membuat perubahan kecil di input bisa memberikan respons yang mulus (tidak patah-patah).
Kebalikan dari pangkat. Mencari "Pangkat berapa?" Jika $10^x = 1000$, maka $log_{10}(1000) = 3$.
Dalam klasifikasi, kita ingin menghukum kesalahan dengan berat. Liat sifat grafik $\ln(x)$ untuk $x$ antara 0 dan 1:
Logaritma mengubah probabilitas kecil menjadi angka error yang besar, memaksa AI belajar lebih cepat.
Anda sekarang siap melangkah ke materi Kalkulus atau langsung ke Neural Networks.