Teknologi Machine Learning Artificial Intelligence

Seiring dengan perkembangan teknologi yang semakin pesat seperti saat ini, banyak teknologi yang terus berkembang, salah satunya adalah teknologi Machine Learning atau pembelajaran mesin yang merupakan cabang dari kecerdasan buatan atau artificial intelligence (AI).

Dalam penerapannya kecerdasan buatan  secara garis besar terbagi menjadi tujuh cabang, yaitu machine learningnatural language processingexpert systemvisionspeechplanning dan robotics. Percabangan dari kecerdasan buatan tersebut dimaksudkan untuk mempersempit ruang lingkup saat pengembangan atau belajar artificial intelligence (AI), sebab pada dasarnya kecerdasan buatan memiliki ruang lingkup yang sangat luas.

Secara singkat teknologi Machine Learning adalah teknologi yang mampu suatu data dan melakukan tugas-tugas tertentu sesuai dengan apa yang dipelajarinya, yang tentunya berdasarkan programnya. Teknologi Machine Learning ini merupakan sebuah mesin yang dikembangkan agar bisa mempelajari sesuatu dengan sendirinya tanpa arahan dari penggunanya, pembelajaran yang dilakukan oleh mesin ini dikembangkan berdasarkan disiplin ilmu lainnya, seperti ilmu statistika, data mining, hingga matematika sehingga mesin ini dapat belajar dengan menganalisa suatu data tanpa suatu perintah atau pemrograman ulang.

Pertama kali istilah dari Machine Learning diperkenalkan oleh ilmuan matematika Adrien Marie Legendre, Thomas Bayes dan Andrey Markov pada tahun 1920-an dengan mengemukakan dasar-dasar machine learning dan konsepnya. Sejak saat itu Machine Learning banyak yang mengembangkan. Salah satu contoh dari penerapan Machine Learning yang cukup terkenal adalah Deep Blue yang dibuat oleh IBM pada tahun 1996.

Sekanjutnya kita akan membahas tentang konsep dasar dari teknologi Machine Learning  dan cara kerjanya.

Cara kerja dari teknologi machine learning adalah belajar seperti manusia dengan menggunakan contoh-contoh dan setelah itu barulah dapat menjawab suatu pertanyaan terkait. Proses belajar ini menggunakan data yang disebut train dataset. Berbeda dengan program statis, machine learning diciptakan untuk membentuk program yang dapat belajar sendiri.

Berikut ini adalah empat metode algoritma Machine Learning:

1. Reinforcement machine learning algorithms

Reinforcement machine learning merupakan algoritma yang memiliki kemampuan untuk berinteraksi 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 pengaplikasiannya yang sering dijumpai yaitu pada mesin pencarian.

2. Unsupervised Machine Learning Algorithms

Unsupervised machine learning ialah algoritma machine learning yang digunakan pada data yang tidak mempunyai informasi yang dapat diterapkan secara langsung atau tidak terarah. Dengan menggunakan algoritma ini diharapkan dapat menemukan struktur tersembunyi pada data yang tidak berlabel.

3. Semi-Supervised Machine Learning Algorithms

Semi-supervised machine learning adalah algoritma yang digunakan untuk melakukan pembelajaran data berlabel dan tanpa label. Sistem yang menggunakan metode ini dapat meningkatkan efisiensi output yang dihasilkan.

4. Supervised Machine Learning Algorithms

Supervised machine learning adalah algoritma machine learning yang bisa menerapkan informasi yang telah ada pada data dengan memberikan label tertentu, contohnya data klasifikasi sebelumnya atau terarah. Algoritma ini dapat memberikan target terhadap output yang dilakukan dengan membandingkan pengalaman belajar di masa lalu.

Leave a Comment