Halo rekan fatih inspira, pernahkah anda memakai sebuah
teknologi kecerdasan buatan (Artificial Intelligence) untuk memprediksi apakah
hujan pada esok hari akan terjadi ?. Kemudian dapatkah anda melakukan klasifikasi
tingkat cuaca yang terjadi pada hari ini termasuk golongan cuaca yang sedang
atau cuaca dengan tingkat intensitas tinggi.
Untuk melakukan hal tersebut sangatlah diperlukan berbagai
macam metode tersebut. Salah satunya menggunakan metode Machine Learning, Model
Machine Learning sebenarnya sudah dipakai pada era manusia zaman dahulu namun
dengan pendekatan yang berbeda tentunya. Selain machine learning, juga dikenal
yang namanya Deep Learning, sebuah model artificial intelligence baru yang
mungkin bisa dimanfaatkan para pendidik, peneliti dan seluruh elemen baik industri
maupun dunia pendidikan.
Jadi sebenarnya apa sih Machine Learning dan Deep Learning
itu. Jika dikutip dari beberapa paper di jurnal-jurnal internasional, dari
buku-buku pembelajaran bahkan monograf. Bisa dikatakan Machine learning itu
adalah Mesin yang bisa Belajar atas kejadian-kejadian yang sudah mereka
dapatkan. Nah atas hasil pembelajaran itu, mereka melakukan model sendiri yang
dapat dibutuhkan oleh semua orang.
Sedangkan Deep Learning itu sebenarnya apa? Jika dilihat
dari beberapa paper yang dibuat oleh para peneliti, Deep Learning itu
sebenarnya adalah Model AI yang bisa menirukan proses kerja dari otak manusia.
Teknologi tersebut sangatlah efektif pada saat melakukan pengolahan data mentah
dalam jumlah yang sangat besar atau bisa disebut dengan Big Data. Selain itu,
teknologi ini juga bisa menciptakan pola bagi pengambilan keputusan.
sumber: NVIDIA
Nah, sekarang adalah bagaiaman perbedaan keduanya antara
Machine Learning dengan Deep Learning,
Mari disimak dibawah ini ya teman-teman Fatih Inspira.
Meskipun ada banyak perbedaan antara kedua subset kecerdasan
buatan ini, berikut adalah lima yang paling penting:
1. Intervensi Manusia
Machine Learning membutuhkan intervensi manusia yang lebih
berkelanjutan untuk mendapatkan hasil. Pembelajaran lebih dan dan lebih
kompleks untuk diatur tetapi tetap membutuhkan intervensi minimal setelahnya.
2. Perangkat Keras
Program machine Learning cenderung kurang kompleks dari pada
algoritma Deep Learning dan sering kali dapat berjalan di komputer
konvensional, tetapi sistem Deep Learning membutuhkan perangkat keras dan sumber
daya yang jauh lebih kuat. Permintaan kebutuhan daya perangkat ini telah
mendorong peningkatan penggunaan unit pemrosesan grafis atau disebut dengan
Graphical Processing Unit (GPU). GPU berguna untuk memori bandwidth tinggi dan
kemampuan untuk menyembunyikan latensi (penundaan) dalam transfer memori karena
paralelisme (kemampuan banyak operasi untuk berjalan secara efisien pada saat
yang sama.)
3. Waktu
cepat tetapi mungkin terbatas dalam kekuatan output yang didapatkan. Sistem Deep
Learning membutuhkan lebih banyak waktu untuk disiapkan tetapi dapat
menghasilkan hasil secara instan (meskipun kualitasnya cenderung meningkat
seiring waktu karena lebih banyak data tersedia).
4. Pendekatan atau Approach
Machine Learning cenderung membutuhkan data terstruktur dan
menggunakan algoritme tradisional seperti regresi linier. Deep Learning
menggunakan jaringan saraf (Neural Network) yang dibangun untuk mengakomodasi
volume data yang besar dan tidak terstruktur.
5. Aplikasi
Machine Learning sudah digunakan di kotak masuk email, bank,
kantor-kantor umum, rumah sakit dan lainnya. Teknologi Deep Learning
memungkinkan program yang lebih kompleks dan otonom, seperti mobil self-driving
atau robot yang melakukan operasi lanjutan.
Demikian lah perbedaan mendasar antara model Machine
Learning dan Deep Learning ya Rekan-rekan Fatih. Semoga dapat bermanfaat bagi
kita semua, khususnya bagi rekan-rekan yang sedang belajar tentang Artificial
Intelligence.