Machine Learning
Machine learning adalah cabang aplikasi dari Artificial Intelligence (Kecerdasan Buatan) yang fokus pada pengembangan sebuah sistem yang mampu belajar "sendiri" tanpa harus berulang kali di program oleh manusia.
Machine Learning bukan apa-apa tanpa data. Aplikasi Machine learning membutuhkan Data sebagai bahan belajar (training) sebelum mengeluarkan output. Aplikasi sejenis ini juga biasanya berada dalam domain spesifik alias tidak bisa diterapkan secara general untuk semua permasalahan.
Cara belajar program machine learning mengikuti cara belajar manusia, yakni belajar dari contoh-contoh. Machine learning akan mempelajari pola dari contoh-contoh yang dianalisa, untuk menentukan jawaban dari pertanyaan-pertanyaan.
Akurasi awal dari program machine learning biasanya sangat buruk. Sebab pada awalnya program ini 'tidak tahu apa-apa'. Namun, seiring berjalannya waktu, semakin sering kita melatih program, semakin banyak contoh-contoh yang dipelajari oleh program, maka program ini akan semakin 'cerdas' dan akurat.
Dampak Machine Learning di Masyarakat
Penerapan teknologi machine learning mau tidak mau pasti telah dirasakan sekarang. Dampak-dampak yang dirasakan dapat berupa positif maupun negatif.
Dampak Positif
Menjadi peluang bagi para wirausahawan dan praktisi teknologi untuk terus berkarya dalam mengembangkan teknologi machine learning. Terbantunya aktivitas yang harus dilakukan manusia pun menjadi salah satu dampak positif machine learning. Memang tidak semua masalah bisa dipecahkan dengan program machine learning.
Beberapa contoh program machine learning yang telah digunakan dalam kehidupan sehari-hari:
- Pendeteksi Spam
- Pendeteksi Wajah
- Rekomendasi Produk
- Diagnosa Medis
- Pendeteksi Penipuan Kartu Kredit
- Pengenal Digit
- Perdagangan Saham
- Segmentasi Pelanggan
- Mobil yang bisa Mengendarai Sendiri
- Sistem Ejaan Ms. Word
Dampak Negatif
Selain sangat membantu, Machine Learning juga menimbulkan dampak negatif, seperti adanya pemotongan tenaga kerja karena pekerjaan telah digantikan oleh alat teknologi machine learning. Ditambah dengan ketergantungan terhadap teknologi akan semakin terasa. Manusia akan lebih terlena oleh kemampuan gadget-nya sehingga lupa belajar untuk melakukan suatu aktivitas tanpa bantuan teknologi.
Contoh Cara Kerja Machine Learning:
Misalnya saja saat kita bermain game Role Playing Game (RPG) yang menggunakan Artificial Intelligence. Pertama kali kita bermain dengan RPG tersebut, maka dengan mudah kita akan bisa memenangkan permainan. Namun, setelah beberapa kali permainan, engine/ algoritma game itu akan belajar dari pola-pola sebelumnya, sehingga akan semakin sulit dikalahkan.
Metode Algoritma Machine Learning
1. Supervised machine learning algorithms
- Supervised machine learning adalah algoritma machine learning yang dapat menerapkan informasi yang telah ada pada data dengan memberikan label tertentu, misalnya data yang telah diklasifikasikan sebelumnya (terarah). Algoritma ini mampu memberikan target terhadap output yang dilakukan dengan membandingkan pengalaman belajar di masa lalu.
2. Unsupervised machine learning algorithms
- Unsupervised machine learning adalah algoritma machine learning yang digunakan pada data yang tidak mempunyai informasi yang dapat diterapkan secara langsung (tidak terarah). Algoritma ini diharapkan mampu menemukan struktur tersembunyi pada data yang tidak berlabel.
3. Semi-supervised machine learning algorithms
- Semi-supervised machine learning adalah algoritma yang digunakan untuk melakukan pemebelajaran data berlabel dan tanpa label. Sistem yang menggunakan metode ini dapat meningkatkan efesiensi output yang dihasilkan.
4. Reinforcement machine learning algorithms
- Reinforcement machine learning adalah algoritma yang mempunyai kemampuan untuk bertinteraksi dengan proses belajar yang dilakukan, algoritma ini akan memberikan poin (reward) saat model yang diberikan semakin baik atau mengurangi poin (error) saat model yang dihasilkan semakin buruk. Salah satu penerapannya adalah pada mesin pencari.