Arthur Samuel adalah seorang ilmuwan komputer yang mempelopori kecerdasan buatan. Menurut Arthur Samuel tentang Machine Learning adalah sebuah bidang yang memberi komputer kemampuan untuk belajar tanpa diprogram secara eksplisit.
Untuk mengetahui apa itu Machine Learning kita ambil contoh sederhananya dari Machine Learning yaitu fitur filter spam pada layanan email.
Saat menandai satu email yang dianggap sebagai spam, maka program akan mempelajari tentang anatomi email tersebut untuk pengantisipasian email-email masuk berikutnya sebagai spam atau bukan. Jika ternyata mirip, sebuah email baru yang masuk akan kategori spam, dan sebaliknya.
Machine Learning bukanlah sesuatu hal yang baru. Filter email spam yang ada tersebut telah ada sejak tahun 1990-an sehingga nasib jutaan orang pengguna email menjadi lebih mudah. Karena tidak perlu sering menandai sebuah email jika itu adalah spam. Setelah itu mulai munculah ratusan implementasi dari Machine Learning yang sekarang kita gunakan sehari-hari saat ini. Mulai dari rekomendasi video di Youtube, hingga pengaturan kontrol suara seperti pada Google Assistant. Nah, itu semua merupakan bentuk Machine Learning.
Selain tentang Machine Learning anda juga pasti pernah mendengar yang namanya artificial intelligence atau kecerdasan buatan sering dikaitkan dengan Machine Learning. Kemudian, apakah ada hubungannya antara Artificial Intelegence dan Machine Learning?.
Machine learning merupakan sebuah cabang dari Artificial Intelegence. Kecerdasan buatan memiliki pengertian yang sangat luas yang umumnya memiliki arti bagaimana komputer bisa memiliki kecerdasan seperti layaknya manusia. Sedangkan Machine Learning memiliki arti yang lebih spesifik yaitu menggunakan metode statistika dalam membuat komputer agar dapat mempelajari pola pada data. Jadi itulah tentang hubungannya Artificial Intelegence dengan Machine Learning di kemudian hari, Anda bisa menjawabnya seperti itu ya.
Bayangkan jika kita ditugaskan untuk mengembangkan aplikasi pemfilteran spam dengan pemrograman tradisional. Berikut langkah-langkah konvensionalnya:
Ketika kita menulis program menggunakan metode tradisional hasilnya tentu saja daftar panjang aturan kompleks yang sulit dipertahankan.
Mari kita bandingkan apakah kita menggunakan ML untuk membuat filter spam ini. ML secara otomatis mempelajari model kata yang menentukan apakah email tersebut spam atau tidak.
- Pertama-tama kita akan mendefinisikan bagaimana email termasuk dalam kategori spam. Misalnya mari kita pastikan bahwa email spam sering berisi kata-kata seperti“gratis”, “kaya”, “instan”, dan “murah”.
- Kemudian kami menulis algoritma untuk setiap model yang kami temukan di email spam. Program ini juga akan menandai email spam jika menemukan pola terkait.
- Akhirnya kami mengulangi langkah 1 dan 2 sampai aplikasi kami cukup baik untuk memulai.
Ketika kita menulis program menggunakan metode tradisional hasilnya tentu saja daftar panjang aturan kompleks yang sulit dipertahankan.
Mari kita bandingkan apakah kita menggunakan ML untuk membuat filter spam ini. ML secara otomatis mempelajari model kata yang menentukan apakah email tersebut spam atau tidak.