Apa Itu Deep Learning ?

Istilah Deep Learning sering muncul pada berita ataupun artikel.Lantas apa si Deep Learning itu?Pengaruh Deep Learning dalam perusahaan,kini banyak yang tertarik dan ingin menggunakan dalam usaha bisnis mereka,namun masih banyak orang yang belum mengerti apa sebenarnya deep learning itu.

Di artikel kali ini,kita akan menjelaskan tentang teknologi Deep Learning secara universal sehingga kalian dapat memiliki gambaran tentang kemudahan apa yang bisa didapat,lalu apa bedanya dengan kecerdasan buatan (AI) dan pembelajaran mesin (ML) dan di mana saja teknologi ini digunakan.

Pengertian Deep Learning

Merupakan tipe machine learning yang terinspirasi oleh struktur otak manusia,dalam istilah struktur ini disebut artificial neural network.Dengan Deep Learning di sisi lain,fitur dipilih oleh jaringan saraf tanpa campur tangan manusia,tentu saja kebebasan semacam itu datang dengan mengorbankan volume data yang lebih tinggi untuk melatih mesin.

Deep learning merupakan bagian dari machine learning yang pada bagiannya merupakan bagian dari AI(AI adalah teknik yang memungkinkan mesin meniru perilaku manusia).Machine learning adalah teknik untuk mencapai algoritme AI yang dilatih dengan data.

Mungkinkah Deep Learning Menarik Perhatian ?

Awal mula Deep Learning mulai mencuri perhatian berbagai kalangan sejak Tahun 2012,ketika Profesor Hinton dari Universitas Toronto memenangkan kompetisi kecerdasan buatan tingkat internasional dengan sistem Deep Learning.Saat itupun,kecerdasan buatan sudah berkembang sebanyak dua kali dan yang terjadi setelah Tahun 2013 disebut sebagai book yang ketiga kalinya,maka tidak berlebihan jika kita mengatakan bahwa Deep Learning yang menyebabkan perkembangan pesat AI yang ketiga kalinya.Lalu apa yang membedakan antara deep learning,kecerdasan buatan dan pembelajaran mesin?

Perbedaan Deep Learning,Kecerdasan Buatan Dan Pembelajaran Mesin

Tentunya banyak dari kita yang tidak memahami artinya,tapi sebenarnya kita tidak perlu berfikir terlalu jauh.Hubungan diantara ketiga kata tersebut,bisa kita gambarkan sebagai berikut : Kecerdasan buatan > pembelajaran mesing > deep learning.Ketiganya bukan teknologi berbeda,namun ketika diilustrasikan akan menjadi diagram Venn,seperti di bawah ini :

Kesalahpahaman yang perlu diperbaiki,Deep Learning sendiri bukan AI,namun salah satu teknologi yang menjadi unsur dalam kecerdasan buatan.

Sekarang kita bahas lebih dalam arti dari ketiga kata tersebut :

Kecerdasan Buatan (Artificial Intelligence)

AI menjadi kata yang sering terdengar belakangan ini,tetapi cenderung digunakan di masyarakat adalah AI.

AI secara garis besar dapat dibagi menjadi dua :

- AI Lemah : AI yang dapat menggantikan bagian dari kecerdasan manusia,yang tampaknya dapat menyelesaikan masalah intelektual terbatas.
- AI Khusus : AI yang digunakan untuk mengerjakan tugas tetap yang sudah ditentukan (contoh : AI yang digunakan pada permainan Igo).

Jenis Artificial Intelligence (AI), umum : adalah AI yang digunakan tidak terbatas pada tugas tertentu dan memiliki kemampuan generalisasi yang sama/identik dengan manusia.

- AI kuat : Memikirkan kecerdasan manusia dan prinsip-prinsip mental sambil menggabungkan ilmu otak dll,sehingga dapat mewujudkan pemrosesan intelektual generik yang setara dengan fungsi otak manusia. Pengembangan AI ini bahkan bisa memiliki kesadaran diri dan perasaan seperti manusia.

Pembelajaran Mesin (ML)

Salah seorang pelopor pembelajaran mesin yakni Arthur Samuel : Pembelajaran Mesin merupakan bidang studi yang memberikan komputer kemampuan untuk belajar tanpa diprogram secara eksplisit.

Pembelajaran mesin memiliki jenis metode pembelajaran sebagai berikut :

Pembelajaran Disertai Pengajar : Cara mengajarkan pada mesin data dengan jawaban yang benar (output yang benar).
- Regresi : Ketika data dimasukkan, sebagai outputnya adalah nilai numerik (prediksi)Penggunaan: Prakiraan harga saham dan lainnya.
- Klasifikasi : Ketika data dimasukkan,sebagai outputnya akan menampilkan atribut atau jenis data (pelabelan).Penggunaan: Mendeteksi spam pada email dan lainnya.
Metode Pembelajaran tanpa pengawasan : Metode pembelajaran mesin dengan menurunkan struktur, tren, hukum, dll. Dari jumlah fitur secara otomatis dihitung dari data yang sangat besar tanpa memerlukan jawaban yang benar
- Clustering : Cara dimana ketika data dimasukkan, sebagai outputnya akan menampilkan grup data.
- Pembelajaran kuat : Cara untuk meningkatkan diri untuk mencapai tujuan langsung dengan memberikan penghargaan atas tindakan terbaik yang dilakukan dan belajar dari kesalahan sendiri.

Deep Learning

Seperti penjelasan Deep Learning diawal artikel ini,dengan jumlah data yang cukup,belajar menggunakan neural network dalam (DNN) di mana mesin secara otomatis mengekstraksi fitur dari data tanpa bantuan manusia,berarti salah satu elemen terkenologi ada di dalam kecerdasan buatan.Meski disebut Deep Learning,algoritma yang dimiliki beranekaragam dan spesifikasinya berbeda-beda,karena itu ketika menggunakan teknologi deep learning dalam bisnis,perlu mempertimbangkan algoritma mana yang tepat untuk digunakan.

Tiga jenis Deep Learning yang umum digunakan, bagi Anda yang ingin tahu lebih banyak

DNN（Deep Neural Network）

Algoritma berlapis-lapis dengan model sirkuit saraf kranial manusia dan hewan yang dirancang untuk mengenali pola yang disebut neural network (NN).

CNN（Convolutional Neural Network）

Algoritma yang menggunakan neural network tipe propagasi maju dengan abstraksi informasi lokal dan universalitas posisi.Dengan DNN yang disesuaikan dengan data 2 dimensi, menunjukkan kemampuan pengenalan pola yang tinggi untuk gambar.Penggunaan utama: Pengenalan gambar.

RNN（Recurrent Neural Network）

Algoritma menggunakan neural network di mana sinyal 2 arah disebarkan dengan struktur rekursif di lapisan tengah agar dapat menangani variabel data panjang seperti data suara dan gambar bergerak,cocok dengan data berkelanjutan yang berubah seiring waktu dimana DNN dihubungkan secara horizontal,tetapi ini tidak cocok untuk data lama.Baru-baru ini, teknologi ini digunakan untuk pemrosesan bahasa alami seperti yang digunakan pada Google Translate.Penggunaan utamanya adalah pada pengenalan suara,pengenalan gambar bergerak dan pemrosesan bahasa alami.Ketika ingin menggunakan teknologi ini pada bisnis,sebelum mempertimbangkan algoritma Deep Learning dan hal lainnya,banyak hal mungkin akan berubah seperti apakah pembelajaran mesin lebih tepat atau apakah deep learning yang lebih tepat.

Hal Yang Dapat Dilakukan Dengan Deep Learning

Apa saja yang bisa dilakukan dengan Deep Learning.?Berikut ini akan diklasifikasikan sesuai dengan tipe data input :

Pengenalan Via Suara : Teknologi untuk mengenali suara,yang mana dapat mengenali suara manusia dan mengeluarkannya dalam bentuk teks,serta dapat mengidentifikasi orang yang berbicara berdasarkan karakteristik suara yang dikeluarkannya.Misal : Input suara “Siri” pada Iphone dan lainnya.
Pengenalan Via Gambar : Teknologi untuk mengenali dan mendeteksi fitur karakter (huruf) dan wajah dengan memasukkan gambar dan video,memisahkan dan mengekstrak fitur dari latar belakang,melakukan pencocokan dan konversi,mengidentifikasi dan mengenali fitur target.Misal : Penandaan foto pada Facebook (otentikasi wajah),system kemudi otomatis,analisis emosi,dan lainnya.
Pemrosesan Bahasa Alami : Teknologi dimana komputer dapat memproses dan memahami bahasa alami (bahasa tertulis dan bahasa lisan) yang digunakan oleh manusia sehari-hari.Misal : Pertanyaan pada call center Bank, ringkasan dokumen, terjemahan mesin dan lainnya.
Deteksi ketidaknormalan : Teknologi untuk merasakan tanda-tanda kelainan dari data deret waktu dari sensor yang terpasang pada peralatan industri.Misal : Pemantauan di pabrik (deteksi kerusakan atau operasi abnormal pada mesin) dan lainnya.

Penerapan Deep Learning

Deep Learning dapat diterapkan pada :

Costumer Support : ketika kebanyakan orang berbicara dengan agen dukungan pelanggan,percakapan itu tampak begitu nyata.mereka bahkan tidak menyadari bahwa sebenarnya itu adalah bot di sisi lain.
Di jaringan saraf perawatan medis mendeteksi sel kanker dan menganalisis gambar MRI untuk memberikan hasil yang rinci.
Mobil self driving : yang tampak seperti fiksi ilmiah sekarang menjadi kenyataan Apple,Tesla dan Nissan hanya beberapa dari perusahaan yang mengerjakan mobil self-driving.

Keterbatasan Deep Learning

Deep Learning memiliki cakupan luas tetapi juga memiliki keterbatasan :

Deep learning adalah cara paling efisien untuk menangani data tidak terstruktur,neural network membutuhkan data dalam jumlah besar untuk dilatih.Seperti diasumsikan kita selalu memiliki akses ke jumlah pemrosesan data yang diperlukan dan ini tidak dalam kemampuan setiap mesin
Daya komputasi,pelatihan neural network membutuhkan unit GPU dan CPU dengan kapasitas besar yang tentu harganya lebih mahal.
Neural network membutuhkan waktu berjam-jam bahkan berbulan-bulan untuk melatih waktu meningkat dengan jumlah data dan jumlah lapisan dalam jaringan.

sekian artikel kali ini semoga bisa bermanfaat untuk kalian semua ::

HOTLINE

Apa Itu Deep Learning ?