Pengenalan Artificial Intelligence / Kecerdasan Buatan

Sebelumnya, ayo kita mengenal apa itu AI dulu yuk!

1. A.I, Artifical Intelligence, atau kecerdasan buatan, adalah kecerdasan yang diperlihatkan oleh mesin, tidak seperti kecerdasan alami yang diperlihatkan oleh manusia maupun hewan. (Wikipedia)

2. A.I adalah sebuah referensi yang menstimulasikan kecerdasan manusia di dalam sebuah mesin. Tujuan dari A.I adalah belajar, dapat berpikir secara logis, dan dapat mengerti, memproses dan menerjemahkan sesuatu. Mesin di program sedemikian rupa untuk dapat bertindak dan berpikir layaknya manusia biasa (Investopedia) 

3. A.I, kecerdasan buatan yang memungkinkan mesin untuk belajar dari pengalaman, menyesuaikan sistemnya sendiri untuk menerima inputan / masukan baru, dan melakukan pekerjaan yang dapat dilakukan oleh manusia (sas.com)

Berdasarkan sumber-sumber diatas, saya mengambil kesimpulan pribadi (IMHO) bahwa AI adalah cara kita merepresentasikan bagaimana mesin dapat bekerja dan berpikir layaknya manusia, bagaimana cara kita membuat sebuah mesin menjadi pintar dan efisien, tanpa perlu di operasikan oleh manusia.

Dari sini, kita mengetahui bahwa mesin dimungkinkan untuk belajar layaknya manusia, sehingga ada istilah Machine Learning di dunia AI. Tapi apa itu Machine Learning (ML) sendiri, dan bagaimana mesin bisa belajar sementara mesin itu ada kumpulan komponen-komponen perangkat keras yang dirakit sedemikian rupa oleh manusia? 

A. Machine Learning (ML)

Machine learning adalah salah satu cabang pembelajaran dari AI. ML adalah sebuah aplikasi yang memberikan sistem sebuah kemampuan untuk dapat otomatis belajar dan berkembang, tanpa perlu di program dan di koding secara langsung dan tertulis.

Dalam Machine Learning, kita harus melatih mesin dengan sekumpulan perintah untuk membentuk sebuah model yang digunakan untuk membantu mesin, sehingga bisa mengambil keputusan berdasarkan pembelajaran atas model yang dibentuk tersebut. 

Dengan kata lain, ML, atau Machine Learning, adalah sebuah software yang dibuat sedemikian rupa sehingga dapat mengolah instruksi, membentuk sebuah model dengan pola (pattern), mengambil keputusan, bahkan untuk memprediksi kemungkinan hasil / kejadian yang akan terjadi, berdasarkan data yang ada.

    Mari kita mulai mempelajari Algoritma dibalik Machine Learning:

Studi Kasus:

Seandainya kita punya sebuah komputer, dan kita ingin mengajari komputer tersebut cara membedakan antara harimau dan macan. Harimau dan macan sama-sama mempunyai 4 kaki, masing-masing memiliki corak pada tubuh, tapi sama-sama tinggal di hutan. Tapi, seandainya kita menunjukkan ke komputer, gambar singa, apakah komputer akan berkata itu adalah harimau? Atau itu adalah Macan?

Jawabannya jelas adalah TIDAK. Kenapa?

Karena walaupun banyak kemiripan maupun ada beberapa perbedaan yang sudah disebutkan, ada banyak label pembeda lain yang harus disebutkan dan ditambahkan manual dalam perintah / koding oleh developer kepada komputer agar keputusan yang diambil sesuai. Seperti ukuran badan, corak loreng atau corak berbintik, warna corak, bahkan terkadang kalau diperlukan sampai detil seperti warna bola mata loh gaes, untuk benar-benar mendapatkan hasil yang kita inginkan. 

Tapi dengan ML, kita hanya perlu memberikan komputer, ribuan kumpulan foto antara kucing, singa, macan, harimau dan lainnya, sehingga komputer bisa mempelajari sendiri perbedaan dan membentuk model dengan pola masing-masing, sehingga komputer bisa menentukan hasil apakah itu Harimau, Macan, atau Singa berdasarkan pola data yang ada, tanpa perlu label-label manual dari developer.

B. Deep Learning

Akan tetapi, pada kenyataannya, hanya dengan ML saja tidak cukup untuk membuat sebuah kecerdasan buatan seperti yang kita inginkan. Kita juga harus mempelajari yang namanya Deep Learning (Pembelajaran lebih dalam). Kenapa begitu ya? Tenang, Ayo kita bahas pelan-pelan..

Machine Learning ternyata tidak mampu memproses data dan masalah dengan tingkat kesulitan tinggi dan kompleks, karena selain keterbatasan sumber daya (kita harus mencari kumpulan foto lain atau data lain untuk komputer, yang mungkin saja kita tidak punya) dan hanya akan menghabiskan waktu sumber daya komputer yang ada (ingat, komputer / mesin pun memiliki keterbatasan komputasi seperti contohnya RAM). 

Tapi dengan Deep Learning, kita akan mulai dengan mengumpulkan banyak data terlebih dahulu, sehingga keterbatasan data akan teratasi, dan data menjadi lebih akurat. Jadi, mari kita bahas DL (saya singkat ya, tapi ini bukan derita loe ya ^^)

Deep Learning / DL adalah cabang dari Machine Learning, yang juga cabang dari AI. DL terinspirasi dari fungsi sel otak kita yaitu neurons yang berfungsi untuk mengirimkan informasi dari otak ke sel, otot, atau bagian tubuh lain. Inspirasi ini berujung kepada konsep Artificial Neural Network atau biasa cukup di sebut Neural Network / jaringan neural. Jadi DL mirip dengan bagaimana cara otak kita bekerja. Otak manusia dapat bekerja mengolah data yang kompleks dengan menerjemahkan satu persatu data, dengan mencari referensi / data lain sebagai pendukung data. 

Dengan kata lain, DL adalah bagaimana kita mengajarkan mesin untuk dapat mengolah dan menyelesaikan sebuah tugas yang sulit / kompleks. 

Lalu apa bedanya? Kita ambil contoh kasus studi kasus di atas, bila kita memberikan sebuah gambar hewan kepada komputer, bagaimana komputer akan menentukan itu adalah harimau atau macan?

konsep pertama solusi dengan ML, kita akan memberitahukan fitur-fitur yang harus dicari oleh komputer berdasarkan kumpulan foto yang ada sebelumnya, komputer akan membandingkan fitur yang penting tersebut di model data yang dimiliki, sesuai dengan definisi yang ditentukan oleh manusia / developer. 

Sementara apabila dengan DL, komputer akan secara otomatis selangkah lebih jauh, dengan mencari sendiri fitur-fitur utama yang penting untuk peng-klasifikasian foto tersebut, bisa melalui internet atau dengan data yang pernah ada sebelumnya, dimana kalau dengan ML, harus di definisikan dulu.

Hm... Ok, mungkin sekian pengenalannya mengenai AI, ML, DL. Karena saya sendiri pun baru mulai belajar. Semoga saya bisa menulis lebih jauh lagi nanti, ketika sudah mempelajari lebih dalam lagi ya :). Terima kaasih!

Sumber:

Wikipedia, Udemy, Google (Web/Internet)