Apa Itu Deep Learning: Pengertian dan Cara Kerjanya

Deep learning adalah cabang machine learning yang memakai jaringan saraf tiruan berlapis banyak, sehingga komputer bisa mengenali pola yang sangat rumit tanpa diberi tahu ciri-cirinya lebih dulu.

Daftar Isi

• Beda Deep Learning dan Machine Learning
• Cara Kerja Lapis demi Lapis
• Contoh Deep Learning
• Kenapa Penting untuk Anak

Kata dalam pada namanya tidak berarti mendalam secara filosofis. Artinya harfiah: jaringannya punya banyak lapisan bertumpuk, dan jumlah lapisan itulah yang membuatnya mampu menangani persoalan rumit.

Beda Deep Learning dan Machine Learning

Perbedaan pertama adalah yang paling penting. Pada machine learning biasa, manusia harus memberi tahu komputer ciri apa yang harus diperhatikan. Pada deep learning, jaringan menemukan sendiri ciri itu dari data mentah.

Cara Kerja Lapis demi Lapis

Bayangkan jaringan yang belajar mengenali wajah dari sebuah foto.

• Lapisan pertama hanya melihat hal paling sederhana: garis terang dan gelap, tepi, dan sudut.
• Lapisan tengah menggabungkan garis-garis itu menjadi bentuk yang lebih berarti: lingkaran mata, lengkung alis, garis hidung.
• Lapisan akhir menyatukan semuanya dan menyimpulkan bahwa susunan bentuk ini adalah sebuah wajah.

Tidak ada manusia yang memberi tahu jaringan bahwa mata itu bulat. Jaringan menyimpulkannya sendiri setelah melihat sangat banyak contoh. Inilah yang membuat deep learning kuat sekaligus sulit diperiksa: hasilnya benar, tetapi alasannya tersembunyi di dalam jutaan angka.

Contoh Deep Learning

• Pengenalan wajah untuk membuka kunci ponsel.
• Pengenalan suara pada asisten digital dan fitur teks otomatis di video.
• Penerjemah bahasa seperti Google Translate.
• Model bahasa di balik ChatGPT dan sejenisnya.
• Mobil swakemudi yang mengenali rambu, pejalan kaki, dan marka jalan.

Kenapa Penting untuk Anak

Anak tidak perlu membangun jaringan saraf untuk mendapat manfaat dari konsep ini. Yang perlu ia bawa adalah satu pemahaman: sistem yang paling pintar sekalipun tetap belajar dari contoh yang diberikan manusia, dan karena itu bisa mewarisi kekeliruan contohnya.

Pemahaman itu menjelaskan banyak hal yang ia temui: kenapa pengenalan wajah kadang gagal pada sebagian orang, kenapa terjemahan otomatis keliru pada kalimat tidak biasa, dan kenapa jawaban AI perlu diperiksa ulang.

Di kelas AI untuk anak Algonova, anak melatih model sederhana dan melihat sendiri bagaimana kualitas contoh menentukan hasilnya. Coba kelas gratis.