Mengenal Artificial Intelligence, Machine Learning dan Deep Learning Lebih Dalam dan Keterkaitannya.

Belakangan ini kita kerap kali mendengar dan membaca berita terbaru seputar IT  yang mengangkat topik Artificial Intelligence, Machine Learning dan Deep Learning. Istilah-istilah tersebut kini pun tengah menjadi trending topik di seluruh dunia. Apalagi perkembangan dunia IT kini yang sangat pesat, sehingga masyarakat di seluruh dunia, baik yang bergerak dunia IT maupun yang tidak bergerak dunia IT kini turut bergerak untuk mengikuti perkembangan dunia IT, dengan harapan dapat menjadi Tech Savvy yang baik. Istilah Tech Savvy sendiri kalau diterjemahkan dalam Bahasa Indonesia menjadi melek teknologi. Nah, mengapa menjadi Tech Savvy penting bagi kita di masa-masa sekarang ini? Tunggu ulasannya di postinggan berikutnya. 

Untuk Kali ini, kita akan mengulas tentang Artificial Intelligence, Machine Learning dan Deep Learning dan apa hubungannya antara ketiganya.  Simak ulasan berikut ini: 

Ternyata diketahui bahwa Artificial Intelligence itu Lingkaran Terluar yang menyelubungi Machine Learning (ML) dan Deep Learning (DL) yang berada di dalam naungannya. Jadi dapat dikatakan bahwa Machine Learning (ML) dan Deep Learning (DL) merupakan bagian dari Artificial Intelligence (AI). Untuk mendapatkan gambaran lebih jelasnya, lihat digram di bawah ini. 

Artificial Intelligence 

Secara harfiah, Articial Intelligence dapat diartikan atau diterjemahkan menjadi Kecerdasan Buatan. Kalo kita analisa per kata, maka kata Intelligence/Kecerdasannya itu berarti kemampuan. Mengingat konteks kecerdasan di sini adalah terkait dengan komputer dan teknologi, maka Kecerdasan/Intelligence di sini memiliki pengembangan makna menjadi kemampuan untuk memahami, merencanakan, mengambil keputusan dll. Sedangkan untuk kata Artificial-nya, dapat diartikan buatan, yang berarti sifatnya tidak alami dan diciptakan oleh manusia. Secara mendalam AI itu proses peciptaan kode, teknologi, algoritma yang memungkinkan mesin untuk meniru, mengembangkan dan menunjukkan koginisi atau perilaku manusia, seperti untuk memahami, merencanakan, mengambil keputusan dll. 

Lalu apa tujuan dari dibuatnya AI itu sendiri?
Menurut Winston dan Prendergast (1984), tujuan AI ada 3 antara lain: 

1. Membuat mesin menjadi lebih pintar

2. Memahami apa itu kecerdasan, sehingga diharapkan dapat memecahkan masalah secara efektif, efisien dan lebih teliti

3. Membuat mesin lebih bermanfaat (tujuan bisnis), diharapkan meringankan pekerjaan dan dapat memberikan hasil secara maksimal

Selain AI memiliki tujuan, ternyata AI juga dirasakan dapat membawa keuntungan dan kerugian, diantaranya: 

Keuntungan: 

1. AI bersifat permanen, yang berarti kecerdasannya mereka dapat digunakan berulang-ulang. 

2. AI menawarkan kemudahan. Ketika berbagai data dari kecerdasan manusia telah disimpan di AI, kita pun dapat dengan mudah mengaksesnya. 

3. AI bersifat konsisten dan teliti. Jadi kecerdasan mereka tidak akan pernah berkurang. Lain halnya, dengan manusia, yang kadang kecerdasannya tidak konsisten, karena adanya beberapa faktor hambatan. 

4. AI dapat didokumentasi, yang berarti dapat disimpan dan diarsipkan untuk panduan generasi berikutnya. 

Kerugian: 

1. AI tidak memiliki common sense.  Common sense kelebihan yang dipunyai oleh manusia, yang merupakan kekurangan yang dimiliki mesin. Common sense merupakan sesuatu yang membuat kita tidak sekedar  memproses informasi, namun kita mengerti informasi terseabut. 

2.  Kecerdasan AI terbatas pada apa yang diberikan kepadanya (terbatas pada program yang diberikan). 

Popularitas AI baru-baru ini banyak menjadi sorotan, namun sebenarnya konsep AI sudah ada sejak lama. Mengapa hal ini bisa terjadi? 

Alasanya karena data sebelumnya baru ada sedikit untuk membuat prediksi yang tepat dan akurat. Namun, kini terdapat peningkatan luar biasa dalam ukuran  data yang dihasilkan setip menit, sehingga data ini sangat membatu untuk dapat membuat prediksi yang lebih akurat. Tentunya, peningkatan jumlah data ini didukung dengan peningkatan penggunaan gadget dan popularitas internet yang berkembang di masyarakat di seluruh dunia. Selain itu, seiring dengan jumlah data yang sangat besar, turut didukung dengan kecanggihan algoritma, daya komputasi dan penyimpanan akhir yang tinggi sehingga dapat menangani ukuran data yang sangat besar. 

Machine Learning

Selain AI, istilah lain yang populer saat ini adalah machine learning. Apa itu Machine Learning? Ternyata, Machine Learning merupakan bagian dari AI yang menggunakan metode statistik untuk memungkinkan mesin meningkatkan sistem AI menjadi lebih kuat dengan pengalamanya. Dengan demikian komputer dapat bertindak dan mengambil keputusan berdasarkan data dalam melaksanakan tugas tertentu. Algoritma ini dirancang sedemikian rupa sehingga mereka dapat meningkat dari waktu ke waktu ketika ada data baru. 

Aplikasi Machine Learning membutuhkan Data sebagai bahan belajar (training) sebelum mengeluarkan output. Hasil training itu nanti akan di Uji atau ditest dengan data yang sama atau bertolak belakang. Output Machine Learning umumnya berupa Prediksi beserta label tingkat kepercayaanya. 

Aplikasi sejenis ini juga biasanya berada dalam domain spesifik alias tidak bisa diterapkan secara general untuk semua permasalan. 

Sebagai contoh: Aplikasi Pengenalan Gambar, Aplikasi Asisten Pribadi seperti Siri, Google dll, Chat Bot, Pengenal Wajah, Mobil Otonom Tesla dan domain-domain spesifik lainnya. 

Deep Learning

"Deep Learning adalah subbidang dari Machine Learning berkaitan dengan algoritma yang terinpirasi oleh sttruktur dan fungsi otak yang disebut dengan jaringan saraf tiruan," - Machine Learning Mastery. 

Dengan kata lain, konsep Deep Learning ini terinspirasi oleh fungsi sel otak kita disebut dengan neuron yang mengarah pada konsep jaringan saraf tiruan (JST). Dalam hal ini JST ini seperti unit komputasi untuk menerima masukan dan menerapkan sebuah fungsi aktivasi bersama dengan ambang batas (threshold). 

Hal yang paling mudah untuk memahami perbedaan antara Machine Learning dan Deep Learning adalah "DL" itu merupakan evolusi dari Machine Learning.

Contohnya, jika ada mesin A melakukan tugas mengidentifikasi binatang. Tugas mesin adalah mengindentifikasi gambar dalam konteks ini adalah singa atau harimau. Jika kita diminta menyelesaikannya dengan konsep machine learning maka akan mendefinikan fitur seperti memeriksa apakah ada berambut  atau tidak, kulitnya belang atau tidak dan masih banyak kondisi perbedaan lainnya. Kita akan mendefinisikan semua fitur dan membiarkan sistem mengidentifikasi fitur mana yang lebih penting dalam mengklasifikasikan hewan tertentu. Tapi dalam konsep Deep Learning, proses mengidentifikasinya lebih canggih. Deep Learning secara otomatis menemukan fitur mana yang paling penting untuk mengklasifikasinnya dibandingkan Machine Learning dimana kita harus memberikan fitur secara manual. Karena itu Deep Learning menjadi otak utama yang menciptakan AI yang lebih cerdas dan manusiawi. 

Machine Learning VS Deep Learning

Semoga dengan penjelasan di atas, membuat kita lebih paham tentang istilah-istilah IT yang berkembang saat ini dan kita pun menjadi lebih waspada untuk menghadapi transformasi perkembangan teknologi, agar kita pun tidak takjub dengan perubahan-perubahan yang ada.

Share this post