Last Updated on December 19, 2019 by appkey
Belakangan ini, istilah Deep Learning sering muncul pada berita maupun artikel.
Bagaimana pengaruh deep learning dalam perusahaan, kini semakin banyak yang tertarik dan ingin menggunakan dalam usaha mereka, tapi sepertinya masih banyak orang yang belum mengerti apa sebenarnya deep learning itu.
Dalam artikel ini, akan dijelaskan tentang teknologi Deep Learning secara universal sehingga Anda dapat membayangkan kemudahan apa yang bisa didapat dicapai? Lalu apa bedanya dengan kecerdasan buatan (AI) dan pembelajaran mesin (ML), dan di mana saja teknologi ini telah digunakan.
Daftar Isi
Deep Learning adalah..
Deep Learning (Pembelajaran mendalam) adalah salah satu metode pembelajaran mesin yang memungkinkan komputer untuk mempelajari tugas-tugas yang disesuaikan dengan sifat manusia.
Ini adalah teknologi yang mendukung perkembangan kecerdasan buatan (AI) dan kemajuannya telah memberikan kemajuan di berbagai bidang. Deep Learning juga merupakan kunci dalam kendaraan yang memiliki system kemudi otomatis dimana teknologi tersebut sedang dikembangkan dalam beberapa tahun terakhir.
Teknologi deep learning ini mampu mengenali tanda-tanda berhenti serta mampu membedakan antara tiang listrik dan manusia .
Selain itu juga, teknik lainnya adalah memainkan peran penting dalam pengenalan suara pada ponsel, tablet, televisi, speaker handsfree, dan sebagainya.
Ada alasan mengapa deep learning begitu menarik perhatian dalam beberapa tahun terakhir adalah karena teknologi ini telah mampu mencapai tingkat kinerja yang tidak mungkin dicapai dengan teknologi konvensional.
Benarkah sekarang ini deep learning begitu menarik perhatian?
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.
Sampai pada saat itupun, “kecerdasan buatan” sudah berkembang sebanyak 2 kali, dan yang terjadi setelah tahun 2013 disebut sebagai book yang ketiga kalinya, maka tidak berlebihan jika kita mengatakan bahwa Deep Learninglah yang menyebabkan perkembangan pesat AI yang ketiga kalinya.
Sejauh ini, apa yang membedakan antara deep learning, kecerdasan buatan, dan pembelajaran mesin?
Mari kita lihat bagaimana deep learning menjadi teknologi yang sangat inovatif dan menakjubkan.
Perbedaan antara Deep Learning, Kecerdasan Buatan, dan pembelajaran mesin.
Sejauh ini kata-kata seperti kecerdasan buatan, pembelajaran mesin dan deep learning sangat sering kita dengar, tentunya banyak dari kita yang tidak memahami artinya, tapi sebenarnya kita tidak perlu berfikir terlalu jauh tentang istilah-istilah tersebut.
Hubungan diantara ketiga kata tersebut secara kasar bisa kita gambarkan sebagai berikut : Kecerdasan buatan> pembelajaran mesing > deep learning.
Ketiganya bukanlah teknologi yang berbeda, tetapi ketika diilustrasikan akan menjadi diagram Venn seperti di bawah ini.
Kesalahpahaman yang perlu diperbaiki, Deep Learning itu sendiri bukan AI, ia adalah salah satu teknologi yang menjadi unsur dalam kecerdasan buatan.
Sekarang setelah Anda mengetahui struktur kasarnya, mari kita menggali lebih dalam arti dari ketiga kata tersebut.
Kecerdasan Buatan / Artificial Intelligence (AI)
“AI” menjadi kata yang sering terdengar belakangan ini, tetapi yang cenderung digunakan di masyarakat adalah AI, definisinya sendiri berbeda-beda di antara para ahli.
Oleh karena itu, kali ini, kami ingin mengambil posisi yang bertujuan menyimpulkan secara tepat pengertian AI berdasarkan sejumlah besar data yang kami dapatkan.
AI secara garis besar dapat dibagi menjadi 2,
■ AI Lemah
yang dapat menggantikan bagian dari kecerdasan manusia, yang tampaknya dapat menyelesaikan masalah intelektual terbatas
AI Khusus:
Adalah AI yang digunakan untuk mengerjakan tugas tetap yang sudah ditentukan (seperti AI yang digunakan pada permainan Igo)
Jenis AI umum:
adalah AI yang digunakan tidak terbatas pada tugas – tugas tertentu, ia 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.
Apa yang sering muncul di berita adalah AI yang bersifat lemah, terutama AI tipe khusus.
Secara realistis dikatakan bahwa mewujudkan AI yang memiliki tujuan umum saat ini masih sulit.
Pembelajaran Mesin
Menurut Arthur Samuel, salah seorang pelopor pembelajaran mesin, pengertian dari Pembelajaran Mesin adalah bidang studi yang memberikan komputer kemampuan untuk belajar tanpa diprogram secara eksplisit.
Secara khusus, 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, dll.
Klasifikasi:
Ketika data dimasukkan, sebagai outputnya akan menampilkan atribut atau jenis data (pelabelan).
Penggunaan: Mendeteksi spam pada email, dll.
■ 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 (DL)
Seperti yang dinyatakan di awal, 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.
Meskipun disebut Deep Learning, algoritma yang dimilikinya beranekaragam dan spesifikasinya pun berbeda-beda, oleh karena itu ketika menggunakan teknologi deep learning dalam bisnis, kita perlu mempertimbangkan algoritma mana yang tepat untuk digunakan.
Kali ini saya hanya akan memperkenalkan 3 jenis deep learning yang umum digunakan, bagi Anda yang ingin tahu lebih banyak, silakan kunjungi Deep Learning Tutorial – NYU Computer Science
■DNN（Deep Neural Network）
Sebuah struktur 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 dua arah disebarkan dengan struktur rekursif di lapisan tengah agar dapat menangani variabel data panjang seperti data suara dan gambar bergerak.
Hal ini sangat cocok dengan data berkelanjutan yang berubah seiring waktu dimana DNN dihubungkan secara horizontal, akan tetapi ini tidak cocok untuk data lama.
Baru-baru ini, teknologi ini juga 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 Anda 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.
-
Mekanisme sederhana Deep Learning
Seperti yang ditunjukkan pada gambar di atas, Deep Learning meningkatkan transmisi dan pemrosesan informasi interlayers, sehingga memungkinkan untuk meningkatkan ketepatan dan keserbagunaan jumlah fitur dan meningkatkan akurasi prediksi.
Ketika sudah benar-benar menggunakannya dalam bisnis, jika Anda menggunakan model yang telah dipelajari, maka yang perlu dilakukan adalah pemrosesan inferensi saja, sehingga sumber daya komputasi yang besar tidak diperlukan.
Namun, jika Anda membuatnya dari pembuatan model pembelajaran, Anda tidak hanya membutuhkan sejumlah besar data, tetapi juga server yang dapat menampung sejumlah besar data, seperti waktu dan daya untuk memproses sejumlah besar data seperti GPU.
Selain itu, sebagai kelebihan dari deep learning, akurasinya terus meningkat seiring dengan meningkatnya jumlah data mentah.
Sebaliknya, kelemahan dari Deep Learning yaitu jika hanya ada sedikit data yang diuji, makan akan sulit untuk menyelaraskan hasil identifikasinya.
Dalam Deep Learning, asal ada sejumlah besar data, kita dimungkinkan untuk memproses data yang rumit yang tidak dapat dilakukan dengan pembelajaran mesin konvensional dan lainnya.
Hal yang dapat dilakukan dengan Deep Learning
Berikut ini, mari kita lihat lebih jauh apa saja yang bisa dilakukan dengan Deep Learning.
Hal-hal tersebut dapat kita klasifikasikan seperti di bawah ini sesuai dengan tipe data input.
Pengenalan Gambar
Ini adalah teknologi untuk mengenali dan mendeteksi fitur karakter(huruf) dan wajah dengan memasukkan gambar dan video.
Ia memisahkan dan mengekstrak fitur dari latar belakang, melakukan pencocokan dan konversi, mengidentifikasi dan mengenali fitur target.
Contohnya : Penandaan foto pada Facebook (otentikasi wajah), system kemudi otomatis, analisis emosi, dll.
Pengenalan Suara
Ini adalah teknologi untuk mengenali suara. Teknologi ini dapat mengenali suara manusia dan mengeluarkannya dalam bentuk teks, serta dapat mengidentifikasi orang yang berbicara berdasarkan karakteristik suara yang dikeluarkannya.
Contohnya : Input suara “Siri” pada Iphone dan lainnya.
Pemrosesan Bahasa Alami
Ini adalah teknologi dimana komputer dapat memproses dan memahami bahasa alami (bahasa tertulis dan bahasa lisan) yang digunakan oleh manusia sehari-hari.
Contohnya: Pertanyaan pada call center Bank, ringkasan dokumen, terjemahan mesin, dll
Deteksi Kelainan/ ketidaknormalan.
Ini adalah teknologi untuk merasakan tanda-tanda kelainan dari data deret waktu dari sensor yang terpasang pada peralatan industry
Contohnya: Pemantauan di pabrik (deteksi kerusakan atau operasi abnormal pada mesin) dll.
Masa depan Deep Learning
Yang diharapkan dari Deep Learning adalah untuk memungkinkan pemrosesan data yang rumit yang tidak dapat diproses oleh pembelajaran mesin biasa. Membuat pekerjaan menjadi efisien karena teknologi ini dapat menggantikan pekerjaan yang dilakukan manusia menggunakan mesin.
Tidak hanya itu, teknologi itu sendiri menjadi komoditas, dimana semua orang dapat menggunakan Deep Learning, tergantung pada bagaimana data yang digunakan, pengalaman baru akan berkembang di semua bidang dan teknologi yang akan mengubah struktur masyarakat itu sendiri. Hal itulah yang diharapkan.
Deep Learning juga akan digunakan dalam bidang yang lebih luas di masa depan.
Saat ini kita sudah ada di dunia cloud computing, kemudian dengan berkembangnya deep learning, mungkin saja device itu sendiri akan terkelompokkan dengan cerdas tanpa harus diupload ke cloud dan cukup dengan edge saja, sehingga cloud computing bisa berubah menjadi edge computing.
[marketing-about]
Jasa Pembuatan Aplikasi, Website dan Internet Marketing | PT APPKEY
PT APPKEY adalah perusahaan IT yang khusus membuat aplikasi Android, iOS dan mengembangkan sistem website. Kami juga memiliki pengetahuan dan wawasan dalam menjalankan pemasaran online sehingga diharapkan dapat membantu menyelesaikan permasalahan Anda.
