Paul Downey | Flickr
Pembelajaran mesin adalah ungkapan yang semakin sering dibicarakan, namun banyak yang masih tidak tahu persis apa itu. Tentu saja, ada alasan untuk itu. Ini masih dalam tahap yang sangat awal, dan banyak yang menganggap itu bukan sesuatu yang mempengaruhi populasi umum dulu. Bahkan, itu mungkin tidak benar seperti yang diasumsikan oleh beberapa orang.
Jadi apa itu pembelajaran mesin? Dan apa yang digunakan hari ini? Inilah panduan kami tentang semua yang perlu Anda ketahui tentang pembelajaran mesin.
Apa itu Pembelajaran Mesin?
Pembelajaran mesin, sederhananya, adalah suatu bentuk kecerdasan buatan yang memungkinkan komputer untuk belajar tanpa pemrograman tambahan. Dengan kata lain, perangkat lunak dapat mempelajari hal-hal baru sendiri, tanpa programmer atau insinyur perlu 'mengajarkan' apa pun. Pembelajaran mesin mampu mengambil data dan mendeteksi pola dan menemukan solusi, kemudian menerapkan solusi tersebut untuk masalah lain.
Gambar: K? Rlis Dambr? Ns | Flickr
Penting untuk dicatat bahwa pembelajaran mesin sebagai sebuah konsep sama sekali bukan hal baru - sulit untuk melacak asal-usul konsep tersebut dengan tepat mengingat itu adalah pembelajaran yang menggabungkan ke dan dari bentuk teknologi lainnya. Anda bisa berargumen bahwa pembelajaran mesin tertanggal sejak penciptaan Turing Test, yang digunakan untuk menentukan apakah komputer memiliki kecerdasan. Program komputer pertama yang belajar, bagaimanapun, adalah permainan catur, yang dikembangkan pada tahun 1952 oleh Arthur Samuel. Game ini semakin baik semakin dimainkan.
Teknologi terbaru, bagaimanapun, secara drastis meningkatkan pembelajaran mesin. Sebagai contoh, pembelajaran mesin membutuhkan sejumlah besar daya pemrosesan, sehingga kita baru saja mulai dapat mengembangkan pembelajaran mesin dasar dalam sejarah baru-baru ini.
Ada beberapa cara utama programmer menerapkan pembelajaran mesin. Yang pertama disebut 'pembelajaran terbimbing'. Apa yang pada dasarnya berarti adalah bahwa mesin diberi masalah di mana solusi untuk masalah itu diketahui. Algoritma pembelajaran mampu menerima masalah-masalah tersebut bersama dengan hasil yang diinginkan, mengidentifikasi pola dalam masalah dan bertindak sesuai. Pembelajaran terawasi sering digunakan untuk memprediksi peristiwa di masa depan - seperti ketika transaksi kartu kredit mungkin curang.
Implementasi kedua dari pembelajaran mesin disebut 'belajar tanpa pengawasan.' Dalam hal ini, hasil dari masalah tidak diberikan ke perangkat lunak - sebagai gantinya, itu diberi masalah dan harus mendeteksi pola dalam data. Tujuannya di sini adalah untuk menemukan struktur dalam data yang diberikan.
Yang ketiga adalah 'pembelajaran semi-diawasi.' Metode pembelajaran mesin ini sering digunakan untuk hal-hal yang sama dengan pembelajaran terawasi, tetapi membutuhkan data dengan solusi dan data tanpa. Pembelajaran semi-diawasi sering dilaksanakan ketika dana terbatas dan perusahaan tidak dapat menyediakan set data lengkap untuk proses pembelajaran.
Terakhir tetapi tidak kalah pentingnya adalah 'penguatan pembelajaran', yang digunakan khusus untuk hal-hal seperti game dan robot. Pembelajaran penguatan pada dasarnya diajarkan melalui coba-coba - mesin mencoba segala sesuatu dan belajar berdasarkan keberhasilan atau kegagalannya. Tujuannya di sini adalah agar alat berat mengetahui hasil terbaik yang mungkin.
Tentu saja, semua metode pembelajaran mesin ini melibatkan memberi makan mesin ratusan ribu masalah, dan sejumlah besar data. Sungguh, semakin banyak data semakin baik.
Di mana Machine Learning Digunakan Saat Ini?
Gambar Uang | Flickr
Sebenarnya, ada banyak tempat di mana pembelajaran mesin digunakan hari ini. Banyak dari ini berada di belakang layar, namun Anda mungkin terkejut mengetahui bahwa banyak dari mereka juga sesuatu yang Anda gunakan setiap hari.
Mungkin yang paling sering Anda gunakan adalah asisten pribadi Anda - benar, orang-orang seperti Siri dan Google Now menggunakan pembelajaran mesin, sebagian besar untuk lebih memahami pola bicara. Dengan jutaan orang yang menggunakan Siri, sistem ini dapat secara serius memajukan cara memperlakukan bahasa, aksen, dan sebagainya.
Tentu saja, Siri bukan satu-satunya aplikasi konsumen pembelajaran mesin. Kegunaan lain adalah di perbankan, seperti deteksi penipuan. Misalnya, algoritma pembelajaran mesin dapat melacak pola pengeluaran, menentukan pola mana yang lebih mungkin untuk menjadi penipuan berdasarkan pada aktivitas penipuan sebelumnya.
Bahkan, bahkan email Anda mungkin menggunakan pembelajaran mesin. Misalnya, email spam adalah masalah, dan mereka telah berkembang seiring waktu. Sistem email menggunakan pembelajaran mesin untuk melacak pola email spam dan bagaimana email spam berubah, kemudian menempatkannya di folder spam Anda berdasarkan perubahan itu.
Kesimpulan
Pembelajaran mesin diatur untuk menjadi bagian besar dari bagaimana kita menggunakan teknologi ke depan, dan bagaimana teknologi dapat membantu kita. Dari Siri ke US Bank, pembelajaran mesin menjadi semakin luas, dan itu hanya akan terus berlanjut.
