Teknologi Ai dan Advance Machine Learning

Transkripsi

1 Teknologi Ai dan Advance Machine Learning Lisa Anisah :: Abstrak Machine Learning adalah cabang lanjutan Artificial Intelligent (AI), yang mencakup sistem lebih canggih seperti mampu memahami, mempelajari, memprediksi, beradaptasi, dan berpotensi beroperasi secara mandiri. Machine learning ini diprediksi mampu mengubah perilaku masa depan, yang mengarah pada penciptaan perangkat dan program yang lebih cerdas. Gartner memprediksi AI dan Machine Learning akan lebih banyak digunakan pada robot, kendaraan mandiri, elektronik untuk konsumen, virtual personal assistants, dan smart advisors. Kata Kunci: Ai, artificial intelligent, machine learning, elektronik Pendahuluan Teknologi semakin lama semakin jauh berkembang dalam hal ini kercerdasan manusia terus dan terus selalu berkembang walau terjadi banyak perdebatan tetatpi bagi mereka yang ingin menggali lebih lagi tentang AI pastinya tetap akan mengembangkannya. Di mulai dari imajinasi manusia mampu mewujudkan apa yang sebelumnya dirasa mustahil. Perkemangan ini bukan hanya sampai hari ini tetapi akan berlanjut karena manusia yang sifatnya tidak pernah puas dengan segala sesuatu. Dimulai pada tahun 1950 yang ingin membuktikan apakah ciptaan manusia berupa komputer mempunyai kecerdasan yang mirip dengan manusia atau tidak, dilakukanlah sebuah tes yang disebut tes Turing kemudian berlanjut sampai pada tahun 1956 diperkenalkanlah yang disebut AI oleh John McCarthy dan hingga saat ini masih terus dikembangkan.

2 Pembahasan Mengenal Teknologi Machine Learning (Pembelajaran Mesin) Sejarah Machine Learning Sejak pertama kali komputer diciptakan manusia sudah memikirkan bagaimana caranya agar komputer dapat belajar dari pengalaman. Hal tersebut terbukti pada tahun 1952, Arthur Samuel menciptakan sebuah program, game of checkers, pada sebuah komputer IBM. Program tersebut dapat mempelajari gerakan untuk memenangkan permainan checkers dan menyimpan gerakan tersebut kedalam memorinya. Istilah machine learning pada dasarnya adalah proses komputer untuk belajar dari data (learn from data). Tanpa adanya data, komputer tidak akan bisa belajar apa-apa. Oleh karena itu jika kita ingin belajar machine learning, pasti akan terus berinteraksi dengan data. Semua pengetahuan machine learning pasti akan melibatkan data. Data bisa saja sama, akan tetapi algoritma dan pendekatan nya berbeda-beda untuk mendapatkan hasil yang optimal. Belajar Machine Learning Machine Learning merupakan salah satu cabang dari disiplin ilmu Kecerdasan Buatan (Artificial Intellegence) yang membahas mengenai pembangunan sistem yang berdasarkan pada data. Banyak hal yang dipelajari, akan tetapi pada dasarnya ada 4 hal pokok yang dipelajari dalam machine learning. 1. Pembelajaran Terarah (Supervised Learning) 2. Pembelajaran Tak Terarah (Unsupervised Learning) 3. Pembelajaran Semi Terarah (Semi-supervised Learning) 4. Reinforcement Learning Aplikasi Machine Learning Contoh penerapan machine learning dalam kehidupan adalah sebagai berikut. 1. Penerapan di bidang kedoteran contohnya adalah mendeteksi penyakit seseorang dari gejala yang ada. Contoh lainnya adalah mendeteksi penyakit jantung dari rekaman elektrokardiogram. 2. Pada bidang computer vision contohnya adalah penerapan pengenalan wajah dan pelabelan wajah seperti pada facebook. Contoh lainnya adalah penterjemahan tulisan tangan menjadi teks. 3. Pada biang information retrival contohnya adalah penterjemahan bahasa dengan menggunakan komputer, mengubah suara menjadi teks, dan filter spam. Salah satu teknik pengaplikasian machine learning adalah supervised learning. Seperti yang dibahas sebelumnya, machine learning tanpa data maka tidak akan bisa bekerja. Oleh karena itu hal yang pertama kali disiapkan adalah data. Data biasanya akan dibagi

3 menjadi 2 kelompok, yaitu data training dan data testing. Data training nantinya akan digunakan untuk melatih algoritma untuk mencari model yang cocok, sementara data testing akan dipakai untuk mengetes dan mengetahui performa model yang didapatkan pada tahapan testing. Dari model yang didapatkan, kita dapat melakukan prediksi yang dibedakan menjadi dua macam, tergantung tipe keluarannya. Jika hasil prediksi bersifat diskrit, maka dinamakan proses klasifikasi. Contohnya klasifikasi jenis kelamin dilihat dari tulisan tangan (output laki dan perempuan). Sementara jika kelurannya bersifat kontinyu, maka dinamakan proses regresi. Contohnya prediksi kisaran harga rumah di kota Bandung (output berupa harga rumah). Dampak Machine Learning di Masyarakat Penerapan teknologi machine learning mau tidak mau pasti telah dirasakan sekarang. Setidaknya ada dua dampak yang saling bertolak belakang dari pengembangan teknolgi machine learning. Ya, dampak positif dan dampak negatif. Salah satu dampak positif dari machine learning adalah 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. Sebagai contohnya adalah adanya fitur pengecekan ejaan untuk tiap bahasa pada Microsoft Word. Pengecekan secara manual akan memakan waktu berhari-hari dan melibatkan banyak tenaga untuk mendapatkan penulisan yang sempurna. Tapi dengan bantuan fitur pengecekan ejaan tersebut, secara real-time kita bisa melihat kesalahan yang terjadi pada saat pengetikan. Akan tetapi disamping itu ada dampak negatif yang harus kita waspadai. Adanya pemotongan tenaga kerja karena pekerjaan telah digantikan oleh alat teknologi machine learning adalah suatu permasalahan yang harus dihadapi. 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. AI dan Kognisi Manusia Semua orang yang merangkai model proses distribusi paralel seperti neuron, telah bekerja keras untuk mencoba menemukan solusi atas pertanyaan tentang otak sebagai mesin berpikir, dan apakah komputer mampu meniru kemampuan otak serta kognisi manusia. Otak sebagai mesin berpikir. Apa yang telah kita pelajari tentang mesin berpikir kita, yang disebut otak, adalah bahwa mesin ini berbeda secara fundamental dibandingkan dengan komputer Von Neumann yang sekarang biasa digunakan. Mungkin AI akan berperan lebih jauh jika komputer lebih menyerupai otak. Beberapa program komputer bekerja lebih efektif dari pada pikiran manusia, dan kebanyakan sangat pintar menirukan hal-hal nyata meski masih sedikit janggal. Komputer mampu memecahkan beberapa masalah, seperti sebuah soal matematika yang mendetail, lebih cepat dan lebih akurat daripada manusia. Beberapa tugas lain seperti

4 menggeneralisasi dan mempelajari pola aktivitas yang baru, dilakukan paling baik oleh manusia dan komputer masih kalah baik. Sebuah konsep penting juga telah diajukan mengenai jaringan neuron yang juga masih dipelajari, yaitu melalui sistem seperti sinapsis (seperti infranstruktur otak) yang menghubungkan unit-unit, yang dapat berubah seiring dengan pengalaman Beberapa usaha telah berhasil. Cara pandang baru mengenai kognisi manusia telah menimbulkan banyak antusiasme di antara para pendukungnya. Bahkan seorang mahasiswa yang kebetulan mempelajari tentang psikologi kognitif harus peka pada konstribusi penting terhadap dunia psikologi ini dan berperan serta pada perkembangannya di masa depan. Pada dasarnya pikiran manusia adalah murni proses manusia yang bahkan jika disintesis oleh mesin secara terpisah, tidak akan mampu diduplikasi oleh program-program AI. Analisa : AI dibuat untuk meniru kecerdasan manusia, baik input, proses atau pun outputnya. Walaupun bisa meniru cara kerja kognis manusia tetapi tetap hanya sebuah tiruan yang sampai kapan pun tak bisa menyerupai tiruannya karena kognisi manusia yang kompleks dan rumit dijelaskan dia atas bahwasanya pikiran manusia adalah murni proses manusia yang bahkan jika disintesis oleh mesin secara terpisah, tidak akan mampu diduplikasi oleh program-program AI. AI dan kognisi mempunyai kesamaan yakni dalam hal input, proses dan ouput jika dalam AI yang di input, diproses, dan di output adalah adalah data maka dalam kognisi manusia adalah stimulus. AI dan Sistem Pakar (ELIZA, Pary, Net Talk) Antusiasme para pemain awal AI langsung menanggapi tantangan yang muncul dari Tes Turing (tes menyusun sebuah tes yang melibatkan komunikasi antar manusia yang melontarkan pertanyaan dengan mahkluk pengguna bahasa) dan kemudian menuliskan program yang dirancang untuk menanggapi permintaan bahasa yang tidak bisa dipisahkan dari respon manusia. Dengan menampilkan perspektif dari pandangan yang tersembunyi, sekarang beberapa program ini menjadi tampak sedikit aneh, tetapi ilmu pengetahuan memang seringkali berkembang seperti itu. ELIZA Salah satu program komputer pertama yang mampu berkomunikasi, ELIZA, ditulis oleh Joseph Weizenbaum (1966). Beberapa revisi atas ELIZA telah dibuat dari konsep aslinya. Pada satu program yang spesifik bernama DOCTOR, ELIZA mengambil peran seperti seorang psikiater. Respon dari komputer cenderung stereotip, misalnya dia diprogram untuk merespons beberapa kunci kalimat dengan respons yang hanyalah merupakan transformasi dari kalimat aslinya. Seperti ketika pasien mengatakan kata kunci I m, ELIZA merespons dengan gaya tutur seperti Aku turut bersedih mendengar kamu... Jika

5 tidak ada kata kunci yang ditemukan, komputer akan menjawab dengan ciri-cirinya yang tanpa isi, atau pada beberapa kasus, berakhir menjadi transformasi yang lebih awal. Kapasitas manusia dalam hal pengetahuan, perasaan, kecenderungan, dinamika kelompok, dan seterusnya, terbentuk menjadi apa yang mau tidak mau kita sebut pengertian. Eliza kekurangan akan hal itu. PARRY Colby, Hilf, Weber, dan Kraemer (1972) mensimulasikan seorang pasien, dan menyebut program ini PARRY, karena ia mensimulasikan seorang pasien paranoid. Mereka memilih seorang paranoid sebagai subjek karena beberapa teori menyebutkan bahwa proses dan sistem paranoia memang ada, perbedaan respons psikotis dan respons manusia. Colby dan para rekan-rekan pelitinya mengarahkan komputer tersebut untuk melakukan tes Turing, dengan meminta sekelompok psikiater untuk mewawancarai PARRY menggunakan pesan yang disampaikan dalam bentuk ketikan. Para juri (psikiater) diminta untuk mengukur kadar paranoia dari keseluruhan respons. Meskipun Colby dan rekan-rekannya berhasil memprogram komputer yang mampu merespons serupa dengan respons seorang pasien paranoid, di mana program ini juga lulus tes Turing, tetapi program ini masih jauh dari konsep model pemahaman lengkap dan produksi bahasa. Net Talk Program ini berdasarkan pada jaring-jaring neuron, sehingga dinamakan Net Talk. Program ini dikembangkan oleh Sejnowski di sekolah medis Harvard dan Rosenberg di Universitas Princeton. Dalam program ini, Net Talk membaca tulisan dan mengucapkannya keras-keras. Model simulasi jaring neuron terdiri atas beberapa ratus unit (neuron) dan ribuan koneksi. Net Talk membaca keras-keras dengan cara mengkonversi tulisan menjadi fonem-fonem, unit dasar dari suara sebuah bahasa. Sistem ini, seperti sistem-sistem lain yang sudah kita ketahui sebelumnya, memiliki tiga lapisan : lapisan inout, di mana setiap unit merespons sebuah tulisan: lapisan output, di mana unit menampilkan ke 55 fonem dalam bahasa Inggris; dan sebuah lapisan unit tersembunyi, di mana setiap unit ditambahkan koneksinya pada setiap unit input maupun output. Net Talk membaca dengan memperhatikan setiap tulisan satu demi satu, dan dengan menscanning tiga tulisan pada setiap sisi demi sebuah informasi yang konstektual. Di sini lafal e pada net, neglect, dan red bisa ditangkap dengan bunyi yang berbeda. Setiap Net Talk membaca sebuah kata, program ini membandingkan pelafalannya dengan lafal yang benar yang disediakan manusia, kemudian menyesuaikan kekuatannya untuk memperbaiki setiap kesalahan Analisa : Setiap yang dibuat manusia pastinya memliki beberapa kelemahan mulai dari teknologi atau semacamnya. Manusia yang bersikeras bisa membuat tiruan kognisi manusia. Program ELIZA misalnya yakni jika tidak ada kata kunci yang ditemukan, komputer akan menjawab dengan ciri-cirinya yang tanpa isi, atau pada beberapa kasus,

6 berakhir menjadi transformasi yang lebih awal, atau walaupun Colby dan rekanrekannya berhasil memprogram komputer yang mampu merespons serupa dengan respons seorang pasien paranoid, di mana program ini juga lulus tes Turing, tetapi program ini masih jauh dari konsep model pemahaman lengkap dan produksi bahasa. Peran AI dalam psikologi (penggunaan AI sebagai expert system yang dapat digunakan untuk mendukung sistem pengambilan keputusan) Kepandaian buatan (AI) diartikan secara luas sebagai cabang dari ilmu komputer yang berhubungan dengan pengembangan komputer (perangkat keras) dan programprogram komputer (perangkat lunak) yang mampu meniru fungsi kognisi manusia. Sedangkan psikologi bisa diartikan sebagai ilmu mengenai jiwa, dalam hal ini kaitan atau peran AI yang paling dekat adalah psikologi kognitif, psikologi kognitif lebih menekankan mengenai kognisi manusia, dalam perkembangannya manusia menginginkan sesuatu yang lebih seperti halnya ingin menyamakan sebuah mesin dengan meniru kepandaian kognisi manusia, walau dalam perjalananya terdapat perdebatan tetapi eksperimen terus diupayakan agara bisa berhasil, hasilnya bisa kita nikmati semakin canggihnya sebuah mesin atau teknologi ciptaan manusia yang bisa membantu pekerjaan sehari-hari manusia. Sebenarnya merancang komputer yang mampu memecahkan masalah yang spesifik adalah hal yang mudah, yang sulit adalah merancang program yang serba bisa untuk mengatasi berbagai masalah yang sulit. Dan merancang sebuah program yang akan mampu beradaptasi serta mempelajari solusi atas masalah yang beraneka ragam sampai sejauh ini dipandang sebagai hal yang mustahil. Tetapi tujuan dari banyak ahli AI kontemporer adalah untuk merancang program pembelajaran yang mampu memecahkan masalah. Peran AI dalam hal ini jelas yakni agar mampu memecahkan berbagai macam masalah. Contoh bagaimana sistem AI mampu memecahkan masalah yakni terkadang manusia dalam praktek psikologi merasa bingung atau terlalu lama dalam menentukan diagnosa sesuatu maka Ai bisa hadir dalam solusi tersebut. Bagaimana menetapkan suatu diagnosa dalam klinis atau inteligensi atau menentukan validitas atau reliabilitas suatu data bisa ditentukan dengan memanfaatkan teknologi AI. Tujuan dari AI ialah untuk merancang program pembelajaran yang mampu memecahkan masalah. Ini sama saja seperti halnya membantu pekerjaan manusia walau dalam eksperimennya selalu mengundang perdebatan. AI dirancang juga untuk bisa meniru kecerdasan manusia dan inilah yang menjadi perdebatan banyak orang selain kemustahilan dikembangkannya akan hal itu. Dalam hal ini dirasa ingin menandingi ciptaan Tuhan yang sampai kapan pun tak ada yang bisa ditandingi ciptaan Nya, tetapi hal itu pastinya punya persepsi yang berbeda-beda ada yang menjadikan itu sebagai sebuah motivasi atau sebuah penentangan. Segala sesuatu yang diciptakan manusia harunya mampu menciptakan manfaat kepada manusia itu sendiri, manfaat yang bisa membantu pekerjaan manusia atau memudahkan pekerjaan manusia. Tingkat kognisi manusia yang semakin berkembang harusnya

7 mampu meningkatkan kualitas ciptaannya tanpa adanya keterbatasan dalam membangun kreativitas. Bagaimana menetapkan suatu diagnosa dalam klinis atau inteligensi atau menentukan validitas atau reliabilitas suatu data bisa ditentukan dengan memanfaatkan teknologi AI adalah sebagian dari hasil kreatifitas manusia.

8 Penutup Demikian penjelasan saya dalam mengenal lebih lanjut tentang teknologi ai dan advanced machine learning. Semoga bermanfaat. Referensi Solso, R. L., Maclin, O. H., & Maclin, M. K. (2007). Psikologi kognitif. Jakarta: Erlangga. S, Suryadi. H. (1996). Pengenalan komputer. Jakarta: Gunadarma. ults=25&page=1&lang=in$mysearch Biografi Lisa Anisah, lahir Jakarta 16 september 1996 ini sedang menjalani kuliah disalah satu Perguruan Tinggi yang berada dikota Tangerang.