Apa itu pembelajaran mendalam?
Pembelajaran mendalam (deep learning) adalah cabang pembelajaran mesin yang memakai jaringan saraf tiruan dengan banyak lapisan untuk mempelajari pola dari data dalam jumlah besar. Kata “deep” (mendalam) merujuk pada jumlah lapisan tersebut. Pembelajaran mendalam menjadi dasar sebagian besar kemajuan terbaru dalam kecerdasan buatan, mulai dari pengenalan gambar hingga model bahasa dalam alat bantu menulis.
AI vs pembelajaran mesin vs pembelajaran mendalam
- Kecerdasan buatan adalah tujuan yang luas: mesin yang mengerjakan tugas yang membutuhkan kecerdasan.
- Pembelajaran mesin adalah salah satu cara mencapainya: sistem yang belajar dari data, bukan dari aturan yang tetap.
- Pembelajaran mendalam adalah salah satu jenis pembelajaran mesin: belajar dengan jaringan saraf berlapis banyak.
Cara kerja pembelajaran mendalam
Sebuah jaringan tersusun dari lapisan-lapisan neuron buatan, yaitu unit sederhana yang masing-masing menerima angka, memberinya bobot, lalu meneruskan hasilnya. Lapisan awal menangkap ciri sederhana, dan lapisan berikutnya menggabungkannya menjadi ciri yang lebih abstrak: tepi, lalu bentuk, lalu objek dalam gambar; atau huruf, lalu kata, lalu makna dalam teks. Selama pelatihan, jaringan membandingkan keluarannya dengan jawaban yang benar dan menyesuaikan bobotnya, yang jumlahnya jutaan atau miliaran, untuk mengurangi kesalahan.
Sejarah singkat
Jaringan saraf sudah ada sejak tahun 1940-an dan 1950-an, tetapi jaringan yang dalam baru berkembang pesat sekitar tahun 2012, ketika set data besar dan prosesor grafis (GPU) membuat pelatihan cukup cepat. Arsitektur transformer, yang diperkenalkan pada tahun 2017, memungkinkan lahirnya model bahasa besar seperti yang ada saat ini.
Apakah ChatGPT termasuk pembelajaran mendalam?
Ya. ChatGPT dan asisten serupa berjalan di atas model transformer, yaitu jaringan saraf dalam yang dilatih dengan teks. Hal yang sama berlaku untuk sebagian besar AI generatif.
Penerapan dalam alat bantu menulis
- Koreksi tata bahasa dan ejaan yang mempertimbangkan konteks.
- Prediksi kalimat dan pelengkapan otomatis.
- Penerjemahan, peringkasan, dan parafrasa.
Keterbatasan
- Pembelajaran mendalam membutuhkan data latih dan daya komputasi dalam jumlah besar.
- Sulit menjelaskan mengapa sebuah model memberikan jawaban tertentu.
- Model mengulang bias yang ada dalam datanya dan dapat menyatakan hal yang keliru dengan lancar.
Kasus penggunaan: AI terbaik untuk menulis esai yang tetap milik Anda