Apakah Pembelajaran Mesin sama dengan Kecerdasan Buatan (AI)?

Seperti halnya sebagian besar terminologi di bidang kecerdasan buatan, tidak ada definisi unik dari pembelajaran mesin.

Secara sederhana, yang dilakukan Pembelajaran Mesin (ML) adalah menggunakan data untuk menjawab pertanyaan. Lebih formal, hal ini merujuk pada penggunaan algoritma yang mempelajari pola dari data dan mampu melakukan tugas tanpa diprogram dengan jelas untuk melakukannya.  

Selain itu, fitur yang menentukan dari sistem pembelajaran mesin adalah bahwa mereka meningkatkan kinerja mereka dengan pengalaman dan data. Atau dengan kata lain: mereka belajar.

Pembelajaran mesin adalah bagian dari kumpulan teknologi yang dikelompokkan di bawah istilah umum "kecerdasan buatan" (AI).

Konsep AI dan pembelajaran mesin tampaknya sering digunakan secara bergantian, tetapi pada kenyataannya lebih tepat untuk menganggap pembelajaran mesin sebagai sub-bidang AI - yang merupakan sub-bidang sains komputer.

AI memiliki arti yang berbeda bagi orang yang berbeda, tetapi kita dapat mengatakan bahwa Kecerdasan Buatan merujuk pada konsep yang lebih luas tentang mesin yang dapat melakukan tugas yang biasanya membutuhkan kecerdasan manusia.

Dalam konteks itu, pembelajaran mesin mengacu pada aplikasi spesifik yang menggunakan data untuk melatih model untuk melakukan tugas yang diberikan secara mandiri dan belajar dari pengalaman. 

Kecerdasan Buatan (AI) and Pembelajaran Mesin (ML) telah menjadi kata kunci populer dalam beberapa tahun terakhir. Tapi topik ini bukan hal baru. Para ilmuwan telah mengerjakan AI dan ML selama beberapa waktu. 

Kecerdasan buatan pertama kali dibahas pada tahun 1950-an. Istilah ini diciptakan oleh ilmuwan komputer Amerika John McCarthy dalam sebuah lokakarya di Dartmouth College, New Hampshire, pada tahun 1956.

Sejak itu, AI telah mengalami banyak evolusi dan masa-masa keemasan dan kegelapan. Pembelajaran mesin telah hadir pada tahun 1980-an, tetapi baru pada 2010-an perkembangannya di lapangan mulai meningkat secara eksponensial. Apa yang menjelaskan pergantian alat ini?

Dalam dekade terakhir, dua faktor utama telah berkontribusi terhadap perkembangan signifikan di bidang AI:

Pertama-tama, sejumlah besar data dibuat setiap menit. Mesin membutuhkan data untuk 'dipelajari' dan meningkatnya ketersediaan berarti bahwa kumpulan data yang lebih besar dapat digunakan untuk meningkatkan pelatihan model yang ada dan juga bahwa model tersebut dapat diuji dan diterapkan ke bidang baru.

Faktor kedua berkaitan dengan kemajuan terkini dalam kecepatan pemrosesan yang memungkinkan komputer memahami semua informasi ini dengan lebih cepat. Hal ini telah memungkinkan perusahaan teknologi dan pemain lain di lapangan untuk membenarkan investasi yang semakin besar dalam bidang penelitian dan pengembangan.

Pada kecepatan saat ini, AI akan segera menjadi sedikit kurang artifisial, dan jauh lebih cerdas.

Ada kesalahpahaman mendasar tentang hal yang coba dicapai oleh penelitian tentang AI. Kita masih jauh dari mesin yang berpikir untuk diri sendiri seperti halnya dengan komputer HAL 9000 di film 2001 Space Odyssey, Anda juga tidak perlu takut bahwa robot akan mengambil alih pekerjaan Anda di masa mendatang.

Hal itu terjadi hanya mungkin jika kita akan dapat mencapai Artificial General Intelligence (AGI): mesin hipotetis yang dapat menangani setiap tugas intelektual dengan cara yang mirip manusia tanpa pengawasan. Namun sampai saat ini, hal itu masih dalam ranah fiksi ilmiah.

Dengan pengecualian beberapa perusahaan dan laboratorium penelitian – DeepMind dan OpenAI misalnya - penelitian AI saat ini berfokus pada kecerdasan sempit, dengan kemajuan besar yang dibuat dalam mengajar mesin untuk menangani tugas-tugas spesifik secara mandiri.

Popularitas pembelajaran mesin terkadang membuat sulit untuk memisahkan hal yang nyata dari sekadar kehebohan. Kurangnya definisi yang disepakati secara resmi, warisan fiksi ilmiah, dan rendahnya tingkat melek huruf pada topik terkait AI adalah semua faktor yang berkontribusi.

Semoga pelajaran ini memberi Anda pemahaman yang lebih baik tentang pembelajaran mesin dan hubungannya dengan kecerdasan buatan. Namun bahkan dalam bidang pembelajaran mesin ada berbagai jenis model dan pendekatan yang penting untuk dikenali.

Ini adalah topik pelajaran berikutnya.