Apa Bedanya Artificial Intelligence Machine Learning Dan Deep Learning

Apa Bedanya Artificial Intelligence, Machine Learning, dan Deep Learning? – Artificial Intelligence, Machine Learning, dan Deep Learning saat ini sangat populer dan menarik perhatian banyak pihak. Namun, masih banyak di antara kita yang belum paham secara mendalam mengenai arti dari istilah-istilah tersebut.

Banyak juga yang berpikir bahwa ketiga istilah tersebut menggambarkan hal yang sama, padahal tidak juga.

Sebenarnya apa definisi dari ketiga istilah tersebut? Simak artikel berikut.

Dalam istilah sederhana, AI (singkatan dari Artificial Intelligence) ialah sistem atau mesin yang meniru kecerdasan manusia untuk melakukan tugas dan secara terus-menerus dapat meningkatkan kemampuannya berdasarkan informasi yang telah dikumpulkan. AI telah diwujudkan dalam beberapa bentuk. Beberapa contohnya adalah:

1. Chatbot, menggunakan AI untuk memahami masalah pelanggan lebih cepat dan memberikan jawaban yang lebih efisien
2. Smart Assistant, menggunakan AI untuk mengurai informasi penting dari kumpulan data teks dalam jumlah besar guna mengatur jadwal pengguna secara lebih baik
3. Recommendation Engine, menggunakan AI supaya dapat memberikan rekomendasi otomatis untuk acara TV berdasarkan kebiasaan menonton pengguna, atau rekomendasi produk berdasarkan riwayat pembelian di platform ecommerce

Artificial Intelligence atau AI lebih banyak berkutat dengan proses mesin berpikir dan analisis data. Meskipun AI menampilkan gambar robot mirip manusia yang memiliki kemampuan berpikir cerdas, AI tidak dimaksudkan untuk menggantikan manusia.

Ketika membicarakan AI, kita sebenarnya tidak jauh-jauh dari dua istilah ini: Machine Learning dan Deep Learning. Karna keduanya merupakan sub-bidang dari Artificial Intelligence.

Machine Learning yaitu istilah untuk menyebut komputer yang belajar dari data. Bidang ini merupakan irisan dari jurusan ilmu komputer dan statistika di mana algoritma digunakan untuk melakukan tugas tertentu tanpa diprogram secara eksplisit; Sebaliknya, machine larning mengenali pola dalam data dan membuat prediksi ketika ada data baru yang tiba.

Secara umum, proses pembelajaran algoritma ini dapat bersifat supervised ataupun unsupervised, tergantung pada data yang digunakan untuk melatih algoritma.

Machine Learning menggabungkan algoritma “klasik” untuk berbagai macam tugas seperti pengelompokan (clustering), regresi, atau klasifikasi. Algoritma Machine Learning harus dilatih pada data dengan memberikan label tertentu. Semakin banyak data yang diberikan ke dalam algoritma, maka hasilnya akan semakin baik.

Machine learning sebenarnya adalah bagian yang lebih mengerucut dari bidang AI. Bidang ini menggunakan teknik (termasuk juga deep learning) yang memungkinkan mesin menggunakan pengalaman atau data sebelumnya untuk menyelesaikan tugas yang diberikan. Proses pembelajaran didasarkan pada langkah-langkah berikut:

1. Masukkan data ke dalam algoritma. (Pada langkah ini kita dapat memberikan informasi tambahan ke model, misalnya, dengan melakukan ekstraksi fitur.)
2. Gunakan data tersebut untuk melatih model.
3. Uji dan terapkan model.
4. Gunakan model yang diterapkan untuk melakukan tugas prediksi otomatis. (Dengan kata lain, panggil dan gunakan model yang digunakan untuk menerima prediksi yang dikembalikan oleh model.)

Lalu apa beda AI dan Machine Learning?

Artificial Intelligence adalah bidang ilmu komputer yang membuat sistem komputer dapat meniru kecerdasan manusia. Istilah ini terdiri dari dua kata, Artificial (buatan) dan Intelligence (kecerdasan), yang berarti “kekuatan berpikir buatan manusia.” Sistem kecerdasan buatan tidak perlu diprogram sebelumnya, melainkan menggunakan algoritma yang dapat bekerja dengan kecerdasan mereka sendiri.

Di sisi lain, Machine learning memungkinkan sistem komputer untuk membuat prediksi atau mengambil beberapa keputusan menggunakan data yang sudah ada sebelumnya tanpa perlu diprogram secara eksplisit. Caranya dengan mempelajari banyak data yang sifatnya terstruktur maupun semi-terstruktur sehingga model yang dibuat dapat menghasilkan output yang akurat atau memberikan prediksi berdasarkan data tersebut.

Machine learning hanya berfungsi untuk domain tertentu seperti ketika kita membuat model untuk mendeteksi gambar anjing, maka keluarannya hanya akan memberikan hasil untuk gambar anjing, tetapi jika kita memberikan data baru seperti gambar kucing maka tidak lagi relevan atau gagal memprediksi dengan tepat.

Machine learning sekarang banyak digunakan di berbagai tempat seperti untuk sistem rekomendasi produk online, algoritma pencarian Google, filter spam Email, saran penandaan teman Facebook otomatis, dll.

Secara singkat perbedaan antara AI dan Machine learning dapat dilihat pada tabel berikut:

PembedaArtificial IntelligenceMachine LearningKeluaran yang dihasilkanBerupa pengetahuan atau knowledgeBerupa dataTujuan yang ingin dicapaiMengembangkan sistem yang mampu meniru atau mendekati kemampuan cerdas manusia dalam menyelesaikan masalahMengembangkan algoritma yang bisa belajar secara mandiri dari data latihCakupan tugasMembuat sistem cerdas untuk melakukan tugas apa pun seperti manusia.Mengajar mesin dengan data untuk melakukan tugas tertentu dan memberikan hasil yang akurat.Sub bidangMachine learning and deep learning adalah dua bidang turunan dari AI.Hanya deep learning yang merupakan bidang turunan dari Machine LearningTitik fokusSistem AI berfokus dalam memaksimalkan peluang keberhasilan.Pembelajaran mesin memiliki fokus dalam akurasi dan pola.Jenis data yang didukungData tidak terstruktur, semi-terstruktur, hingga terstrukturHanya data terstruktur dan semi-terstrukturContoh implementasiChatbots, Smart Assistant (Siri, Alexa, Google Assistant), Sistem pakar dllRekomendasi film Netflix, Algoritma pencarian Google, Facebook photo tagging, dllDeep Learning didefinisikan sebagai algoritma yang menganalisis data dengan struktur logika yang mirip dengan cara manusia menarik kesimpulan. Perlu diketahui bahwasanya deep learning dapat dicapai hanya dengan menggunakan supervised dan semisupervised learning.

Untuk mencapai hal ini, sistem deep learning menggunakan struktur algoritma berlapis yang disebut jaringan saraf tiruan (JST). Desain JST semacam itu terinspirasi oleh jaringan saraf biologis otak manusia, yang mengarah ke proses pembelajaran yang jauh lebih mumpuni daripada model machine learning standar.

Saat ini, Deep Learning digunakan di banyak bidang. Sistem kemudi otomatis, misalnya, Deep learning digunakan untuk mendeteksi objek, seperti rambu STOP atau pejalan kaki. Militer menggunakan Deep learning untuk mengidentifikasi objek dari satelit, misal untuk menemukan zona aman atau tidak aman bagi pasukannya. Tentu saja, industri elektronik juga tak ketinggalan. Perangkat smart home assistant seperti Amazon Alexa, mengandalkan algoritma Deep Learning untuk merespons suara dan mengetahui preferensi penggunanya.

Lalu apa istimewanya bidang Deep Learning dibandingkan dengan Machine Learning?

Perlu diketahui bahwasanya Deep learning adalah sub bidang (turunan) dari machine learning. Namun memiliki keunggulan yang lebih baik dari machine learning biasa.

Apa saja itu?

Pertama dan terpenting, algoritma Machine Learning standar memiliki struktur yang agak sederhana, seperti regresi linier atau decision tree, sebaliknya algoritma Deep Learning didasarkan pada jaringan saraf tiruan. JST berlapis-lapis ini, seperti otak manusia, kompleks dan saling terkait.

Kedua, algoritma Deep Learning membutuhkan lebih sedikit intervensi manusia. Algoritma Deep Learning tidak memerlukan bantuan software engineer untuk mengidentifikasi fitur tetapi mampu melakukan rekayasa fitur otomatis melalui jaringan sarafnya. Hal ini agak berbeda dengan machine learning biasa yang membutuhkan intervensi seorang engineer untuk membantu mengekstrasi fitur sebagai data tambahan untuk model.

Ketiga, Deep Learning membutuhkan lebih banyak data daripada algoritma machine learning agar berfungsi dengan baik. Jika seandainya machine learning butuh seribu titik data, Deep learning bisa membutuhkan jutaan data. Karena struktur multi-layer yang kompleks, sistem Deep Learning membutuhkan kumpulan data yang besar untuk menghilangkan fluktuasi dan membuat interpretasi berkualitas tinggi.

Berikut adalah tabel perbandingan machine learning vs deep learning:

PerbedaanSemua Machine LearningHanya Deep LearningJumlah poin dataDapat menggunakan data yang sedikit dalam membuat prediksi.Butuh data training dalam skala besar untuk melakukan prediksi yang lebih baikKetergantungan perangkat kerasDapat bekerja pada mesin low-end. Tidak membutuhkan komputasi yang besarMembutuhkan mesin dengan spesifikasi tinggi karena digunakan untuk melakukan operasi perkalian matriks secara intensif. GPU dapat mengoptimalkan operasi ini secara efisien.Proses fiturisasiMembutuhkan fitur untuk diidentifikasi dan dibuat secara akurat oleh penggunaMempelajari fitur dari data yang disediakan dan membuat fitur baru secara mandiri tanpa intervensi manusia.Pendekatan pembelajaranMembagi prosesnya menjadi tahapan yang lebih kecil. Kemudian menggabungkan hasil dari setiap tahapan menjadi satu output atau keluaran.Cara belajarnya didasarkan pada proses menyelesaikan masalah secara end-to-end.Waktu eksekusiMembutuhkan waktu yang relatif sedikit untuk training (tahap pelatihan), mulai dari beberapa detik hingga beberapa jamBiasanya membutuhkan waktu yang lama untuk training karena algoritma deep learning melibatkan banyak layer.Output/KeluaranOutputnya biasanya berupa nilai numerik, seperti skor atau klasifikasi.Outputnya dapat berupa format yang berbeda-beda, seperti teks, skor, atau suara.Kesimpulan
Sebagai penutup kesimpulan, AI adalah bidang yang menaungi Machine Learning dan juga Deep Learning dan bidang apapun yang berhubungan dengan metode meningkatkan mesin cerdas untuk menyelesaikan permasalahan di kehidupan manusia.

Machine Learning (ML) adalah sesuatu yang diidentikkan dengan AI karena merupakan generasi awal dimana AI mulai berkembang, namun sekarang ML adalah bidang turunan dari AI. ML merujuk pada sistem AI yang mampu belajar secara mandiri berdasarkan algoritma dan data historis.

Sedangkan sistem yang menjadi semakin cerdas dari waktu ke waktu tanpa intervensi manusia adalah Deep Learning. Deep Learning (DL) merupakan turunan machine learning (ML) yang bekerja berdasarkan dataset skala besar.

Referensi: