Saat ini teknologi berkembang dengan pesat. Inovasi pada teknologi juga sudah beragam. Peningkatan pada kemampuan kerja mesin sangat signifikan. Macam-macam jenis robot dengan kemampuan mengagumkan yang dapat membantu pekerjaan manusia pun sudah banyak dikeluarkan oleh perusahaan-perusahaan asing. Terlebih lagi robot pada masa kini sudah dibekali dengan teknologi Artificial Intelligence (AI), menurut wikipedia merupakan kecerdasan buatan atau kecerdasan yang ditambahkan pada suatu sistem yang bisa diatur dalam konteks ilmiah.
Sebenarnya banyak perusahaan yang sudah mencoba membuat mesin yang dapat berinteraksi layaknya manusia mulai dari penampilan hingga perilaku, walaupun belum bisa disebut kecerdasannya dapat melebihi kecerdasan manusia.
Membuat mesin menjadi cerdas sangat mungkin dapat dilakukan oleh manusia, karena pada masa sekarang saja sudah banyak perusahaan yang berlomba-lomba membuat mesin yang dapat memudahkan manusia. Memudahkan manusia bukan dalam hal seperti mengetik atau menangkap gambar lagi, tetapi membantu manusia dalam hal mengatur janji, menjawab pertanyaan, hingga mengontrol lampu. Seperti perangkat yang dikeluarkan oleh Amazon, yaitu Alexa. Sebuah perangkat pintar yang dapat menjadi asisten pribadi hanya dengan menggunakan perintah suara. Alexa mempunyai fitur yang dapat selalu belajar setiap waktu, jadi memungkinkan Alexa untuk mempelajari pola bicara, kosa kata, dan preferensi personal seseorang. Meski mesin menjadi cerdas bukan berarti mesin bekerja tanpa adanya campur tangan manusia, tetap ada campur tangan manusia dalam hal pengawasannya.
Pertanyaan yang menanyakan apakah komputer bisa cerdas, atau apakah mesin bisa berpikir, mendatangi kita dari ‘zaman kegelapan’ kecerdasan artifisial (dari akhir 1940an). Tujuan kecerdasan artifisial (AI) sebagai sains adalah membuat mesin melakukan hal-hal yang membutuhkan kecerdasan jika dilakukan oleh manusia (Boden, 1977). Pertanyaannya adalah “Bisakah mesin berfikir ?”
Pada kenyataannya : Ada orang yang pandai dalam matematika tapi lemah dalam hal sejarah. Ada yang pandai mencari uang tetapi ada yang pandai dalam menghabiskan uang. Kemampuan manusia berbeda pada setiap area ilmu pengetahuan. Jika mesin juga dapat berfikir, tentu juga pada area yang terbatas.
Dengan semua keterbatasan atau kelebihan yang ada, AI bisa difungsikan atau bisa dikategorikan ke dalam beberapa kegunaan secara garis besar sebagai berikut :
1. Membuat Aplikasi komputer yang sangat mudah bagi pemakai
2. Meningkatkan pemecahan masalah secara cepat dan konsisten
3. Membantu menyelesaikan masalah yang mengandung data yang tidak lengkap atau kurang jelas
4. Menangani informasi yang berlebihan (dengan cara melakukan pengikhtisaran atau penginterprestasian informasi).
5. Meningkatkan produktivitas dalam melaksanakan banyak tugas
6. Membantu melakasanakan pencarian data atau suatu pola berdasarkan jumlah data yang sangat besar.
Contoh mesin cerdas :
- Robot Game Playing.
- Robot pembersih lantai.
- Gadget berbentuk jam tangan.
- smartphone dan masih banyak lagi.
Sebelum membahas lebih lanjut, mari kita bahas terlebih dahulu ap aitu mesin cerdas dan apa itu mesin Learning.
Mesin cerdas ( kecerdasan buatan ) merupakan bagian dari ilmu komputer yang mempelajari bagaimana membuat mesin (komputer) dapat melakukan pekerjaan seperti manusia, bahkan lebih baik dari manusia karena semua perintahnya telah diatur oleh komputer. Sehingga dengan adanya mesin buatan ini dapat membantu meringankan pekerjaan manusia.
Machine learning adalah metode analisis yang membantu menangani data besar dengan cara mengembangkan algoritma komputer. Dengan menggunakan data, pembelajaran mesin memungkinkan komputer menemukan wawasan tersembunyi tanpa diprogram secara eksplisit saat mencarinya. Dengan adanya email baru, algoritma tersebut kemudian akan menghasilkan prediksi apakah email baru itu spam atau tidak.
Machine learning adalah aplikasi artificial intelligence (AI) yang menyediakan sistem kinerja secara otomatis serta belajar memperbaiki diri dari pengalaman tanpa diprogram secara eksplisit. Pembelajaran mesin berfokus pada pengembangan program komputer yang bisa mengakses data dan menggunakannya untuk belajar sendiri. Penerapan metode Machine Learning dalam beberapa tahun terakhir telah berkembang di mana-mana dalam kehidupan sehari-hari.
Proses pembelajaran dimulai dengan observasi data, seperti contoh: pengelaman langsung, atau intruksi untuk mencari pola data dan membuat keputusan yang lebih baik dimasa depan berdasarkan contoh tersebut. Tujuan utamanya adalah membiarkan komputer belajar secara otomatis tanpa intervensi atau bantuan manusia dan menyesuaikan aktivitas yang sesuai. Karena teknologi komputasi, machine learning saat ini tidak seperti machine learning di masa lalu.
Sementara, algoritma machine learning sudah ada sejak lama, kemampuannya secara otomatis menggunakan perhitungan matematis yang kompleks ke data besar dan yang lebih cepat merupakan perkembangan terakhir. Machine Learning merupakan salah satu cabang dari disiplin ilmu AI (Artificial Intellegence) atau Kecerdasan Buatan yang membahas mengenai pembangunan sistem yang berdasarkan data.
Sebenarnya, masih ada banyak lagi situs web dan perangkat modern yang mungkin besar dan berisi beberapa model Machine Learning yang mungkin tidak kita sadari. Model tersebut digunakan untuk melakukan klasifikasi atau prediksi terhadap data baru yang memungkinkan kita untuk membuat atau mendukung pengambilan keputusan.
Berikut adalah beberapa contoh aplikasi pembelajaran mesin yang dipublikasikan secara luas :
1. Mobil Google yang sangat hyped dan self-driving. Inti pembelajaran mesin.
2. Penawaran rekomendasi online seperti Amazon dan Netflix. Aplikasi belajar mesin untuk kehidupan sehari-hari.
3. Mengetahui apa yang pelanggan katakan tentang Anda di Twitter. Pembelajaran mesin dikombinasikan dengan pembuatan aturan linguistik.
4. Deteksi penipuan Salah satu kegunaan yang lebih jelas dan penting di dunia kita saat ini.
Machine Learning meningkat karena faktor data mining dan analisis Bayesian lebih populer dari sebelumnya. Pengolahan komputasi yang lebih murah dan lebih bertenaga termasuk penyimpanan data yang terjangkau merupakan peningkatan. Semua hal ini secara cepat dan otomatis menghasilkan model yang dapat menganalisis data yang lebih besar dan lebih komplek memberikan hasil yang lebih cepat dan akurat dalam skala yang sangat besar.
Kebanyakan orang mengatakan hal ini sama dan sangat sederhana. Namun, kenyataan yang di dapat dari para ahli, ini memiliki perbedaan.
Perbedaannya sebagai berikut :
AI – Artificial Intelligence : Yang berarti komputer lebih baik dari manusia untuk melakukan tugas tertentu. Seperti robot yang bisa membuat keputusan berdasarkan banyaknya masukan, tidak seperti Terminator atau C3PO. Sebenarnya istilah yang sangat luas itu tidak terlalu berguna.
ML – Mesin belajar adalah metode untuk mencapai AI. Ini berarti membuat prediksi tentang sesuatu berdasarkan pelatihan dari kumpulan data parsing. Ada banyak cara yang berbeda di platform ML yang dapat menerapkan perangkat pelatihan untuk memprediksi sesuatu.
NL – Jaringan syaraf tiruan adalah salah satu cara model pembelajaran mesin untuk memprediksi sesuatu. Jaringan saraf bekerja sedikit seperti otak Anda, dengan menyesuaikan diri dan banyak berlatih untuk memahaminya. Anda akan menciptakan lapisan simpul yang sangat dalam.
Aplikasi Machine learning
Data bisa saja sama, namun untuk pendekatan terhadap algoritmanya berbeda-beda dalam hal mendapatkan hasil yang optimal. Berikut merupakan contoh aplikasi pembelajaran mesin:
1. Penelusuran web : Laman peringkat berdasarkan apa yang anda klik
2. Biologi komputasional : Obat desain rasional di komputer berdasarkan eksperimen masa lalu.
3. Keuangan : tetapkan siapa yang akan mengirim kartu kredit yang ditawarkan. Evaluasi risiko pada penawaran kredit dan bagaimana cara memutuskan dimana menginvestasikan uangnya.
4. E-commerce : Memprediksi customer churn. Apakah transaksi itu salah atau tidak.
5. Eksplorasi ruang angkasa : Menyelidiki ruang angkasa dan astronomi radio.
6. Robotika : Bagaimana menangani ketidakpastian dilingkungan baru. Seperti otonom dan mobil self-driving.
7. Pengambilan informasi : Ajukan pertanyaan melalui database di seluruh web.
8. Jaringan sosial : Data tentang hubungan dan preferensi. Mesin belajar mengekstrak nilai dari data.
9. Debugging : Ini didunakan dalam masalah ilmu komputer seperti debugging.
