Langsung ke konten

Apa itu jaringan saraf tiruan?

Apa itu jaringan saraf tiruan dan mengapa menjadi dasar alat menulis AI: cara neuron buatan memproses bahasa dan belajar dari data.

Berbagi

Apa itu jaringan saraf tiruan?

Jaringan saraf tiruan (neural network) adalah model pembelajaran mesin yang terdiri atas banyak unit sederhana yang saling terhubung, disebut neuron atau simpul (node), dan tersusun dalam lapisan. Setiap sambungan memiliki bobot, dan jaringan belajar dengan menyesuaikan bobot tersebut sampai keluarannya cocok dengan contoh yang dipakai untuk melatihnya. Rancangannya secara longgar terinspirasi oleh otak, tetapi cara kerjanya sangat berbeda dari neuron biologis.

Lapisan: masukan, tersembunyi, dan keluaran

  • Lapisan masukan (input layer): menerima data, misalnya nilai piksel atau angka yang mewakili kata.
  • Lapisan tersembunyi (hidden layers): setiap neuron mengalikan masukannya dengan bobot, menjumlahkannya, lalu meneruskan hasilnya melalui sebuah fungsi sederhana. Lapisan-lapisan berikutnya membangun ciri yang makin abstrak: dalam pengenalan tulisan tangan, mula-mula goresan, lalu lengkungan dan garis, lalu karakter utuh.
  • Lapisan keluaran (output layer): memberikan jawaban, misalnya karakter yang paling mungkin atau kata berikutnya.

Cara jaringan saraf tiruan belajar

Jaringan membuat prediksi, mengukur seberapa jauh prediksi itu meleset, lalu sebuah metode bernama propagasi balik (backpropagation) menghitung seberapa besar kontribusi setiap bobot terhadap galat tersebut, sehingga bobot itu dapat digeser sedikit ke arah yang benar. Jika diulang pada jutaan contoh dari data latih, proses ini menghasilkan jaringan yang mampu menggeneralisasi ke masukan baru.

Jenis jaringan saraf tiruan

  • Jaringan umpan maju (feedforward): data mengalir langsung dari masukan ke keluaran.
  • Jaringan saraf konvolusional (CNN): memindai gambar dengan filter kecil; standar untuk visi komputer.
  • Jaringan saraf rekuren (RNN): memproses urutan langkah demi langkah; dulu umum dipakai untuk teks.
  • Transformer: memproses seluruh urutan sekaligus dengan mekanisme atensi (attention); menjadi dasar model bahasa besar.

DNN vs CNN: jaringan saraf dalam (deep neural network, DNN) adalah jaringan apa pun yang memiliki banyak lapisan tersembunyi; CNN adalah salah satu jenis DNN, yang dirancang untuk gambar.

Sejarah singkat

Warren McCulloch dan Walter Pitts mendeskripsikan neuron buatan pada tahun 1943, dan Frank Rosenblatt membuat perceptron pada tahun 1958. Propagasi balik dipopulerkan pada tahun 1986, dan jaringan dengan banyak lapisan, yang kini disebut pembelajaran mendalam, mulai berkembang pesat sekitar tahun 2012.

Jaringan saraf tiruan dalam alat menulis

Koreksi tata bahasa, prediksi kata berikutnya, penerjemahan, dan bagian lain dari pemrosesan bahasa alami kini sebagian besar berjalan di atas jaringan saraf tiruan.

Kekurangan

  • Jaringan ini membutuhkan data dan daya komputasi dalam jumlah besar.
  • Jaringan ini sulit ditafsirkan: sulit menjelaskan mengapa sebuah jaringan memberikan jawaban tertentu.
  • Jaringan ini mempelajari bias apa pun yang ada dalam data latihnya.

Kasus penggunaan: AI terbaik untuk menulis esai yang tetap milik Anda

Makalah Anda berikutnya, dengan sitasi nyata.

Deskripsikan makalah Anda dan dapatkan kerangka dalam satu menit. Paket Gratis tidak memerlukan kartu.