Jika machine learning belajar dari data dan membuat keputusan untuk tindakan selanjutnya berdasarkan data yang dipelajari tadi, maka algoritma deep learning memungkinkan untuk mengambil keputusan atas inisiatifnya sendiri, setelah mempelajari data.Â
Keputusan yang dimaksud disini bukanlah keputusan seperti di musim hujan kita memutuskan pergi atau tidak ke suatu wilayah yang diketahui sering kebanjiran. Keputusan yang diambil mesin konteksnya lebih sempit. Toh dia tidak bisa memaksa manusia untuk melaksanakan keputusan yang dihasilkan mesin.
Misalkan, sebuah senter yang sudah diprogram dengan teknologi AI, bisa beroperasi dengan "mendengar". Maka jika hanya menggunakan metoda mesin learning biasa, dia akan hanya akan menyala ketika mendengar kata "gelap". Karena dia hanya akan mencari (parsing) dalam databasenya kata yang cocok untuk menyalakan senter. Ketika kata "gelap" berarti harus menyalakan senter, maka dia akan menyala ketika sensor mendengar kata "gelap".
Dengan penerapan deep learning, dia akan bisa mempelajari sendiri ketika mendengar kata, "Saya tidak bisa melihat" atau "Lampunya tidak menyala". Sekalipun dia tidak mendengar kata "gelap" yang berarti nyalakan senter, maka dia akan memutuskan untuk menyalakan senter, karena dia sudah mempelajari (secara algoritma) hubungan kalimat-kalimat tersebut dengan kata "gelap" yang berarti perintah untuk menyalakan senter.Â
Kalau begitu mesin itu bisa mikir dong? Bukan mesinnya yang bisa mikir, tetapi algoritma yang ditanam yang membuat sistemnya seolah bisa mikir. Â
Kok bisa begitu? Karena dia sudah diprogram untuk "berpikir" seperti otak manusia berpikir. Tetapi sekali lagi, bukan berarti ada sistem saraf tiruan yang ditanam pada mesin itu. Hanya metodanya saja yang ditiru.Â
Salah satu contoh penggunaan Artificial Neural Networks (ANNs), adalah teknologi kecerdasan buatan milik openAI yang bernama ChatGPT, yang membuat dia nampak luwes "berbincang" dengan penggunanya.
(VRGultom)
