Apa itu Deep Learning ? Fungsi dan Cara Kerjanya

Pernah bertanya-tanya bagaimana google menerjemahkan seluruh halaman web ke bahasa yang berbeda dalam hitungan detik, atau galeri ponsel Anda mengelompokkan gambar berdasarkan lokasinya. semua ini adalah produk dari deep learning tapi apa sebenarnya deep learning itu?

Apa Itu Deep Learning?

Deep learning adalah bagian dari machine learning yang pada gilirannya merupakan bagian dari AI. AI adalah teknik yang memungkinkan mesin meniru perilaku manusia. Machine learning adalah teknik untuk mencapai algoritme AI yang dilatih dengan data.

dan terakhir deep learning adalah tipe machine learning yang terinspirasi oleh struktur otak manusia, dalam istilah struktur ini disebut artificial neural network. Mari kita pahami pembelajaran mendalam dengan lebih baik dan perbedaannya dengan machine learning.

katakanlah kita membuat mesin yang bisa membedakan antara tomat dan ceri. jika dilakukan menggunakan machine learning, kita harus memberi tahu mesin berdasarkan mana keduanya dapat dibedakan. Ciri-ciri ini bisa jadi ukuran dan jenis batangnya.

Dengan deep learning di sisi lain, fitur dipilih oleh jaringan saraf tanpa campur tangan manusia. Tentu saja kebebasan semacam itu datang dengan mengorbankan volume data yang jauh lebih tinggi untuk melatih mesin. sekarang mari selami cara kerja neural network di sini.

Cara Kerja Neural Network

Contoh cara kerja dari neural network di sini, misal kami memiliki tiga siswa yang masing-masing menuliskan angka sembilan di selembar kertas. Mereka tentunya tidak semua menulisnya secara identik. Otak manusia dapat dengan mudah mengenali angka-angka tetapi bagaimana jika komputer harus mengenalinya ?.

Di situlah deep learning berperan. Berikut adalah neural network yang dilatih untuk mengidentifikasi digit tulisan tangan yang setiap angka ditampilkan sebagai gambar 28 kali 28 piksel.

Sekarang dengan jumlah total neuron 784 piksel, entitas inti dari neural network adalah tempat pemrosesan informasi berlangsung. masing-masing dari 784 diumpankan ke neuron di lapisan pertama neural network kita.

Ini membentuk lapisan masukan di ujung lainnya. kita memiliki lapisan keluaran dengan setiap neuron mewakili sebuah digit dengan lapisan tersembunyi yang ada di antara mereka. Informasinya adalah membentuk satu lapisan ke lapisan lainnya melalui channel penghubung masing-masing memiliki nilai yang melekat padanya dan karenanya disebut Weighted channel.

Semua neuron memiliki nomor unik yang terkait dengannya yang disebut Bias. Bias ini ditambahkan ke jumlah tertimbang ke input yang mencapai neuron yang kemudian diterapkan ke fungsi yang dikenal sebagai Activation Function.

Hasil dari Activation Function menentukan apakah neuron dapat diaktifkan. Setiap neuron yang diaktifkan meneruskan informasi ke lapisan berikut. ini berlanjut hingga lapisan terakhir kedua. Satu neuron yang diaktifkan di lapisan keluaran sesuai dengan digit masukan bobot dan biasnya terus menerus disesuaikan untuk menghasilkan jaringan yang terlatih dengan baik.

Di mana deep learning diterapkan?

Deep Learning dapat diterapkan pada:

• Costumer Support ketika kebanyakan orang berbicara dengan agen dukungan pelanggan, percakapan itu tampak begitu nyata. mereka bahkan tidak menyadari bahwa sebenarnya itu adalah bot di sisi lain.
• dalam jaringan saraf perawatan medis mendeteksi sel kanker dan menganalisis gambar MRI untuk memberikan hasil yang rinci.
• mobil self-driving Apa yang tampak seperti fiksi ilmiah sekarang menjadi kenyataan Apple, Tesla, dan Nissan hanya beberapa dari perusahaan yang mengerjakan mobil self-driving.

Jadi deep learning memiliki cakupan yang luas tetapi juga menghadapi beberapa keterbatasan.

• Yang pertama seperti yang kita bahas sebelumnya adalah data, sedangkan deep learning adalah cara paling efisien untuk menangani data tidak terstruktur. neural network membutuhkan data dalam jumlah besar untuk dilatih. mari kita asumsikan kita selalu memiliki akses ke jumlah pemrosesan data yang diperlukan dan ini tidak dalam kemampuan setiap mesin
• daya komputasi, pelatihan neural network membutuhkan unit GPU dan CPu dengan kapasitas besar yang tentunya harganya lebih mahal.
• neural network membutuhkan waktu berjam-jam bahkan berbulan-bulan untuk melatih waktu meningkat dengan jumlah data dan jumlah lapisan dalam jaringan.

Penutup

Dalam memprediksi masa depan untuk deep learning dan artificial intelligence, kita tampaknya hanya menggores permukaan. Faktanya, teknologi sedang bekerja pada perangkat untuk tunanetra yang menggunakan deep learning dengan visi komputer untuk menggambarkan dunia kepada pengguna yang mereplikasi manusia secara keseluruhan. Bukan hanya sebuah episode science fiction atau sesuatu yang butuh waktu terlalu panjang. Masa depan memang penuh kejutan dan singkatnya itu adalah deep learning untuk Anda.