Apa itu Deep Learning? Pada awalnya adalah obsesi manusia dengan pertanyaan besarnya, “Bisakah mesin berpikir?”. Pertanyaan ini dilontarkan oleh Alan Turing pada tahun 1950. AI memungkinkan mesin untuk berpikir,tanpa campur tangan manusia, mesin akan dapat melakukan sendiri keputusannya. Ini merupakan bagian dari bidang ilmu komputer yang luas yang membuat mesin tampak seperti memiliki kecerdasan manusia. Artificial Intelligence, Machine Learning, Deep Learning, Data Science adalah istilah yang populer di era sekarang ini. Untuk mengetahui secara komprehensif kita harus membahasnya satu per satu.

Baca Juga: Apa itu Machine Learning?

Definisi Deep Learning

Adalah merupakan bagian dari machine learning dan tentunya bagian dari kecerdasan buatan (Artificial Intelligence) yang terinspirasi dari cara kerja otak manusia menyaring informasi dan mempelajari sesuatu. Teknologi ini menganalisis dan mengumpulkan wawasan dari data kemudian belajar dari hal yang sama. Setiap algoritma deep learning akan mengulangi dan melakukan tugas berulang kali, mengutak-atik, dan meningkat setiap waktu. Deep learning secara otomatis melakukan representasi dari data seperti gambar, video atau text tanpa memperkenalkan aturan kode atau pengetahuan domain manusia.

Deep learning memproses informasi dengan cara yang sama seperti otak manusia, seperti misalnya teknologi utama di balik mobil tanpa pengemudi, yang memungkinkan mereka mengenali tanda berhenti dan membedakan antara pejalan kaki dan tiang lampu.

Sejarah Deep Learning

Deep Learning dikembangkan pada tahun 1950 namun baru tahun 1990 dapat di aplikasikan dengan sukses. Learning algoritma yang digunakan sekarang pada task yang kompleks hampir sama seperti learning algoritma yang digunakan untuk menyelesaikan masalah permainan pada tahun 1980, meskipun model algoritma yang digunakan berubah menjadi training yang sederhana dari arsitektur teknologi ini. Hal yang penting pada pengembangan model yang sekarang adalah kita dapat mendukung dengan resource yang dibutuhkan agar menjadi sukses.

Deep learning dapat dikelompokkan menjadi:

1. SUPERVISED LEARNING

Algoritma ini membangkitkan suatu fungsi yang memetakan input ke output yang diinginkan. Kualitas hasil pembelajaran sangat bergantung pada kesesuaian input dan output yang diberikan. Dengan demikian, user yang sangat berperan dalam memvalidasi input dan output tersebut. Oleh karena itu, algoritma jens ini disebut pembelajaran terawasi (supervised learning).

Yang termasuk dalam kategori supervised learning yaitu:

Regresi Linier

Decision Tree

Random Forest

k-Nearest Neighbor

Support Vector Machine

Neural Networks

2. UNSUPERVISED LEARNING

Algoritma ini memodelkan sekumpulan input secara otomatis tanpa ada panduan (yang berupa output yang diinginkan). Artinya data yang dipelajari hanya berupa input tanpa label. Algoritma ini biasanya digunakan untuk masalah clustering.

Yang termasuk dalam golongan ini adalah

Clustering

Semua algoritma termasuk hieararcical clustering, k-Mean, Mixture Models

Anomaly Detection

Neural Network

Self Organizing Map

3. SEMI-SUPERVISED LEARNING

Algoritma ini mengkombinasikan kedua algoritma di atas (supervised dan unsupervised), dimana sampel-sampel input yang diberikan ada yang berlabel dan ada yang tidak berlabel. Algoritma ini membangkitkan suatu fungsi yang tepat berdasarkan semua input yang diberikan.

4. REINFORCEMENT LEARNING

Algoritma ini mempelajari suatu kebijakan bagaimana melakukan aksi berdasarkan pengamatan terhdap lingkungan yang ada, Setiap aksi menghasilkan akibat bagi lingkungan tersebut, dan lingkungan tersebut memberikan umpan balik (feedback) untuk memandu algoritma tersebut.

Yang termasuk dalam golongan ini adalah

Metode SARSA (State-Action-Reward-State-Action)

Metode Q-Learning

5. TRANSDUCTION

Mirip dengan supervised learning, tetapi tidak secara eskplisit membangun suatu fungsi. Algoritma inin justru berlatih memprediksi output baru berdasarkan training input, training output, dan testing input yang tersedia selama proses pembelajaran.

Deep learning adalah metode pembelajaran yang dilakukan oleh mesin dengan cara meniru bagaimana sistem dasar otak manusia bekerja. Sistem dasar otak manusia bekerja ini disebut neural networks. Itulah kenapa teknologi ini disebut menggunakan artificial neural networks yang dengan kata lain menggunakan ‘neural networks buatan’.

Artificial Neural Networks (ANN)

Artificial Neural Networks yang biasa disingkat dengan ANN adalah bagian yang paling ajaib ajaib dari deep learning. ANN ini mensimulasikan kerja otak kita yang tersusun jaringan saraf yang disebut neuron. Sama seperti sistem otak manusia, dalam jaringan artificial neural network ini si mesin menerima informasi pada titik-titik yang disebut nodes yang terkumpul pada satu layer untuk kemudian diteruskan dan diproses ke layer selanjutnya yang disebut hidden layers.

Convolutional Neural Networks (CNN)

CNN memindai bagian per bagian area kecil di dalam gambar tersebut untuk dijadikan node. Setiap angka dalam nodes merupakan hasil penghitungan matriks dari filter/kernel. Dalam CNN, terdapat bagian yang sama antara node satu dengan node yang ada di sebelahnya. Itulah mengapa tadi dikatakan bahwa node dalam CNN selalu terhubung. Hal ini tentu saja dilakukan untuk menghemat daya komputasi terutama deteksi objek secara live.

Penerapan Deep Learning

Tanpa disadari sebenarnya kita sering jumpai dan gunakan teknologi yang menerapkan deep learning. Contoh penerapan deep learning yaitu fitur face unlock di smartphone. Kita bisa membuka kunci smartphone hanya dengan mendeteksi wajah pemilik smartphone. Deep learning juga saat ini diterapkan dalam lalu lintas seperti sistem tilang otomatis. Dengan pembelajaran deep learning, pelanggaran lalu lintas akan otomatis terdeteksi. Pelanggar akan mendapatkan surat tilang yang langsung dikirim ke rumah. Diharapkan penerapan sistem ini akan meminimalisir pelanggaran lalu lintas. Di bidang kesehatan deep learning juga dapat digunakan misalnya pada rontgen untuk mengidentifikasi dan mengklasifikasikan suatu penyakit.

REFFERENCE:
Suyanto. 2018. Machine Learning Tingkat Lanjut. Informatika : Bandung.
https://en.wikipedia.org/wiki/Unsupervised_learning
http://beamandrew.github.io/deeplearning/2017/02/23/deep_learning_101_part1.html
https://contentsimplicity.com/what-is-deep-learning-and-how-does-it-work/
https://towardsdatascience.com/what-are-the-types-of-machine-learning-e2b9e5d1756f
https://codebots.com/artificial-intelligence/the-3-types-of-ai-is-the-third-even-possible
https://www.sciencedirect.com/topics/computer-science/supervised-learning
https://medium.com/@tjajal/distinguishing-between-narrow-ai-general-ai-and-super-ai-a4bc44172e22
https://towardsdatascience.com/understanding-neural-networks-from-neuron-to-rnn-cnn-and-deep-learning-cd88e90e0a90
https://en.wikipedia.org/wiki/Recursive_neural_network
https://www.youtube.com/watch?v=k2P_pHQDlp0&t=404s