Deep Learning dan Machine Learning

Deep learning, yang bisa diartikan sebagai rangkaian metode untuk melatih jaringan saraf buatan multi-lapisan. Ternyata, metode ini efektif dalam mengidentifikasi pola dari data. Manakala media membicarakan jaringan saraf, kemungkinan yang dimaksud adalah deep learning.

Deep learning telah berdampak pada kemajuan perkembangan AI secara signifikan. Bukan hanya perangkat lunak, namun penggunannya telah merambah berbagai industri yang lain.

Facebook pun menggunakan deep learning pada M, asisten virtual berbasis AI yang membantu penggunanya menyelesaikan tugas-tugas mereka seperti melakukan penelitian, memesan kursi penerbangan, dan memesan kopi.

Apakah sistem yang mampu mengidentifikasi bila yang terlihat adalah kucing? Itulah deep learning.

Deep learning dapat meningkatkan semua bagian AI, mulai dari pemrosesan bahasa alami hingga machine vision. Anggap saja deep learning sebagai otak yang lebih baik yang dapat meningkatkan cara belajar komputer. Ia dapat meningkatkan kemampuan asisten virtual seperti Siri atau Google Now untuk menangani hal-hal yang belum dikenali dengan baik oleh kedua asisten virtual tersebut. Pemrosesan video dan pembuatan klip juga sangat mungkin dilakukan oleh deep learning.

Machine Learning

Machine learning adalah teknik AI yang berkaitan dengan pembelajaran data dan menggunakannya untuk memprediksi informasi yang ada di dunia.

Sumber gambar: Wikipedia

Machine learning dibangun dengan menggunakan algoritma. Rangkaian instruksi ini akan menyelesaikan suatu permasalahan. Contoh algoritma yang dimaksud adalah decision tree learning dan association rule learning.

Namun, algoritma machine learningyang berperan dalam kehidupan di dunia adalah jaringan saraf buatan, suatu teknik yang terinspirasi oleh cara kerja neuron otak manusia.

Sederhananya begini: suatu jaringan saraf terdiri dari beberapa lapisan neuron. Input masuk melalui lapisan pertama. Tiap neuronnya menerima input, sehingga setiap neuron memiliki muatan, dan menghasilkan output berdasarkan muatan mereka. Output dari lapisan pertama kemudian didistribusikan ke lapisan kedua untuk diproses, dan begitu seterusnya hingga output akhir dapat dihasilkan.

Kemudian hal menarik pun terjadi. Siapapun yang menjalankan jaringan dapat mendefinisikan seperti apa output akhir yang “benar” seharusnya. Setiap kali data didistribusikan melalui jaringan tersebut, hasil akhirnya dibandingkan dengan hasil yang “benar”, dan sejumlah penyempurnaan akan dilakukan hingga tercipta outputakhir yang benar. Dengan kata lain, jaringan tersebut mampu melatih dirinya sendiri.

Otak buatan ini dapat mempelajari bagaimana cara mengidentifikasi banyak hal. Misalnya kursi dalam sebuah foto. Seiring berjalannya waktu, ia dapat mempelajari karakteristik kursi tersebut, dan meningkatkan kemampuannya dalam mengidentifikasi benda tersebut.

Sumber: https://id.techinasia.com/memahami-istilah-terkait-ai-dan-perkembangannya