Apa itu Machine Learning?
Machine Learning bukan komputer yang belajar segala hal seperti manusia. ML adalah cara membangun sistem untuk tugas yang jelas, misalnya menyaring spam, merekomendasikan produk, atau memperkirakan permintaan. Model ML belajar dari data pelatihan, kemudian digunakan untuk memproses data baru.
Sebuah filter spam dapat dilatih dengan contoh email yang sudah diberi label spam dan bukan spam. Saat email baru datang, model memperkirakan kategorinya berdasarkan pola yang dipelajari. Jika contoh datanya buruk atau tidak mewakili kondisi nyata, prediksinya dapat keliru.
Cara kerja sederhana
Tim menentukan tujuan dan mengumpulkan data yang relevan. Algoritma dilatih untuk mencari hubungan antara masukan dan hasil yang diharapkan, lalu diuji pada data yang tidak dipakai saat pelatihan. Setelah cukup baik, model dapat melakukan inference: memberi prediksi atau klasifikasi untuk masukan baru.
Kenapa Anda perlu memahaminya?
ML menjelaskan mengapa banyak layanan digital dapat memberi rekomendasi, mendeteksi pola, atau mengotomatisasi tugas. Pemahaman ini juga membantu kita melihat bahwa kualitas hasil sangat bergantung pada data, tujuan, dan pengujian, bukan sekadar pada istilah AI yang dipakai produk.
Kesalahpahaman yang umum
ML adalah bagian dari AI, bukan sinonim yang persis sama. Deep Learning juga bukan semua ML; ia adalah pendekatan ML yang menggunakan jaringan saraf dengan banyak lapisan. Model ML juga tidak otomatis mengetahui fakta terbaru hanya karena pernah dilatih dengan banyak data.
Catatan penting sebelum menggunakannya
Model ML dapat mewarisi bias atau kesalahan pada data pelatihan. Kinerjanya juga dapat turun ketika kondisi dunia nyata berubah dari pola yang pernah dipelajari. Karena itu model perlu dievaluasi, dipantau, dan tidak dipakai tanpa pengawasan pada keputusan berdampak tinggi.