Deep Learning
Deep
learning bias disebut pengembangan dari Jaringan Saraf Tiruan (Artificial
Neural Network) yang memiliki lebih banyak lapisan(layer). Dengan Lapisan yang
lebih banyak, Deep learning diharapkan untuk dapat mengenali proses yang lebih
kompleks.
Terinspirasi dari cara kerja otak
manusia, teknologi ini menggunakan proses pembelajaran berlapis (layered
learning) untuk membantu komputer dalam mengklasifikasi, menyimpan dan
mengakses data, yang dapat merujuk pada pembelajaran.
Hal ini
berarti, teknologi Deep Learning dapat menggunakan seluruh gambar untuk
mengenali, ketimbang mengandalkan aspek terpisah dari sebuah gambar. Proses ini
bersifat kumulatif dimana kian banyak elemen yang digunakan, semakin baik klasifikasi
yang bisa dihasilkan. Dengan begitu, aspek ‘learning‘ kian meningkat.
Jenis-Jenis Algorithma Deep
Learning Berdasarkan
Kegunaannya.
·
Pembelajaran dengan menggunakan label (Supervised Learning)
·
Pembelajaran tanpa menggunakan label (Unsupervised Learning)
·
Berdasarkan obyektif
Jenis-Jenis Algorithma Deep
Learning Berdasarkan
Kegunaannya.
·
Pembelajaran dengan menggunakan label (Supervised Learning)
·
Pembelajaran tanpa menggunakan label (Unsupervised Learning)
·
Berdasarkan obyektif
Manfaat Deep Learning
sebagai
pengenalan wajah (face recognition) dan klasifikasi gambar bahkan
menjadikannya sebagai teknologi paling penting dalam industri keamanan Penggunaan
teknologi Deep Learning sangat efektif terkait kemampuannya dalam
mengklasifikasi dan mengenali ribuan ‘fitur’.
Secara
jelas, pendekatan berlapis-lapis (multi-layered) ini memakai banyak
memori dan kinerja. Hal ini pula yang menjadi salah satu alasan mengapa
teknologi ini telah banyak menyebar selama beberapa tahun terakhir. Supaya
lebih jelas, dalam beberapa tahap awal dari pengembangan teknologi tersebut,
ada 1.000 perangkat dengan 16.000 CPU yang dibutuhkan untuk membuat simulasi
jaringan saraf (neural). Kini, hanya sedikit GPU yang dibutuhkan.
Kekurangan
Deep Learnig
Kemajuan
dari sistem kecerdasan buatan ini dapat menimbulkan dampak psikologis pada
manusia. Bagi kelompok yang menentang adanya kecerdasan buatan percaya bahwa
dengan adanya kecerdasan buatan, akan terdapat beberapa dampak dalam kehidupan
manusia. Mesin-mesin yang memiliki kecerdasan buatan dapat mengurangi jutaan
kesempatan kerja manusia. Selain itu juga terdapat ketakutan bahwa sistem
kecerdasan buatan ini, termasuk robot, mengurangi kita sebagai manusia.
Tidak ada komentar: