Deep Learning dan Machine Learning

Machine Learning

Machine learning atau mesin pembelajaran memiliki definisi dasar yaitu algoritma yang mengolah data, mempelajari data tersebut, dan menerapkan apa yang telah dipelajari untuk membuat keputusan. Apa yang telah dipelajari oleh machine learning akan memberikan prediksi untuk suatu tujuan.

Konsep ini menggunakan teknologi kecerdasan buatan, yang telah 'dilatih' untuk menggunakan data dalam jumlah besar dan algoritma yang membuatnya dapat mempelajari bagaimana melaksanakan sebuah tugas.

Contoh sederhana dari algoritma machine learning bisa dilihat pada layanan streaming musik on demand. Untuk memberikan daftar lagu baru atau musisi yang akan direkomendasikan, maka algoritmanya akan berkaitan dengan preferensi si pendengar dengan jenis musik yang mirip.

Machine learning telah memperkuat semua proses otomatisasi dan tersebar di berbagai industri, mulai dari perusahaan keamanan yang memburu malware hingga perusahaan e-commerce yang menggunakannya untuk mempelajari produk yang paling disukai konsumen.

Algoritma dari machine learning memang kompleks, tapi masih sangat 'mesin', artinya ia hanya mampu melakukan apa yang telah dirancang oleh penciptanya. Tidak lebih, tidak kurang.

Deep Learning

Dalam istilah praktis, deep learning merupakan bagian dari machine learning. Sebuah model machine learning perlu 'diberitahu' untuk bagaimana ia menciptakan prediksi akurat, dengan terus diberikan data. Sementara model deep learning dapat mempelajari metode komputasinya sendiri, dengan 'otaknya' sendiri, apabila diibaratkan.

Sebuah model deep learning dirancang untuk terus menganalisis data dengan struktur logika yang mirip dengan bagaimana manusia mengambil keputusan. Untuk dapat mencapai kemampuan itu, deep learning menggunakan struktur algoritma berlapis yang disebut artificial neural network (ANN).

Dikutip dari Zendesk, desain ANN terinspirasi dari jaringan neural biologis dari otak manusia. Hal ini membuat mesin kecerdasannya menjadi jauh lebih tangguh dibandingkan model machine learning standar.

Rumit memang untuk memastikan model deep learning yang diciptakan tidak memberikan kesimpulan yang tidak tepat. Tapi ketika ia telah bekerja dengan benar, maka fungsi deep learning akan menjadi terobosan yang berpotensi menjadi tulang belakang sebuah kecerdasan buatan sebenarnya.

Data-data yang digunakan dalam sebuah deep learning sangatlah penting, karena semakin banyak datanya, maka semakin banyak yang bisa dipahami model deep learning tersebut.

Contoh dari penggunaan model deep learning bisa dilihat dari AlphaGo-nya Google. Google menciptakan program komputer yang belajar bermain sebuah game sejenis catur dari China bernama Go. Tentunya, game ini membutuhkan pemikiran dan intuisi yang tajam untuk menang.

Dengan bermain melawan pemain Go profesional, deep learning AlphaGo mempelajari bagaimana ia bermain di tingkat yang belum terjamah sebelumnya dalam kecerdasan buatan. Hebatnya, apa yang dilakukannya tanpa instruksi apapun ketika melancarkan gerakan-gerakan spesifik.

Saat si pemain AlphaGo berjasil mengalahkan sejumlah pemain Go 'nyata' dunia, dunia melihat bagaimana cerdasnya sebuah mesin yang bahkan bisa mengungguli manusia.

Perbedaan Machine Learning dan Deep Learning

Untuk membedakannya memang rumit. Tapi, untuk sederhananya, deep learning adalah bagian dari machine learning. Secara spesifik, deep learning adalah evolusi selanjutnya dari machine learning. Lebih rumit, dan lebih canggih.

Andrew Ng, Chief Scientist Baidu dan salah satu pimpinan di proyek Google Brain, memberikan analogi yang bagus mengenai deep learning, kepada Wired. Ia mengatakan AI itu seperti membangun roket, yang memiliki mesin besar dan banyak bahan bakar.

Lalu, apabila kamu tidak memiliki mesin yang besar dan bahan bakar yang banyak, maka kamu tidak akan bisa menerbangkannya.

Sumber: https://kumparan.com/@kumparantech/mengenal-teknologi-deep-learning-dan-machine-learning-27431110790425965