Pembelajaran Mesin – Merevolusi Dunia Automasi

Pembelajaran mesin (machine learning) adalah satu terma yang dicipta untuk merujuk kepada keupayaan sesebuah mesin untuk belajar secara kendiri dalam melaksanakan apa sahaja tugasan yang ditetapkan oleh pengaturcara. Secara teori, pembelajaran mesin adalah berbeza daripada pengaturcaraan (programming) biasa yang mana pengaturcaraan biasa hanya memberikan arahan kepada mesin untuk melaksanakan set-set arahan yang spesifik, mengikut aliran algoritma yang telah ditetapkan. Manakala pembelajaran mesin pula mampu melaksanakan arahan yang diberikan oleh pengaturcara dengan mempelajari corak data serta membuat keputusan berdasarkan corak yang diberi.

Pembelajaran mesin adalah subset kepada terma yang biasa kita gunakan pada masa kini iaitu kecerdasan buatan (artificial intelligence).

Pembelajaran mesin berupaya membuatkan mesin lebih pintar dalam menyelesaikan masalah. Sumber: Getty

Sejarah pembelajaran mesin

Sejarah penciptaan pembelajaran mesin boleh dijejaki sejauh tahun 1950an, yang mana Arthur Samuel, seorang jurutera perisian berjaya menghasilkan program komputer pertama yang mampu melaksanakan pembelajaran kendiri berdasarkan kod aturcara yang ditulis. Pada tahun 1958, rangkaian neural buatan (artificial neural network) pertama dicipta oleh Frank Rosenblatt mampu mengenalpasti imej dan corak bentuk geometri. Setahun selepas itu, keupayaan jaringan neural buatan ditambah baik dengan kemampuan untuk “membaca” corak isyarat binari (nombor 0 dan 1).

Evolusi pembelajaran mesin terus berubah dan maju sehingga ke abad ke-21. Syarikat perisian terkemuka, Google memanfaatkan kelebihan pembelajaran mesin dengan menghasilkan Google Brain yang mampu mengesan imej objek dalam video. Bidang permainan video juga tidak ketinggalan yang mana DeepMind iaitu sebuah perisian kecerdasan buatan dicipta untuk bermain permainan video tanpa kawalan manusia. Apa yang menakjubkan ialah perisian ini telah mampu mengalahkan pemain video professional dalam permainan Go.

Sehingga kini, penyelidikan dan penambahbaikan pembelajaran mesin masih lagi aktif dijalankan oleh saintis di seluruh dunia. Tambahan pula, aplikasi pembelajaran mesin juga telah diperluaskan dari sekadar mengenalpasti imej dan objek sehinggalah ke kereta pemanduan sendiri.

Kenderaan panduan kendiri meminimakan penglibatan pemandu ketika di atas jalan. Sumber: Gizmochina

Bagaimana pembelajaran mesin berfungsi?

Secara asasnya, mesin akan “belajar” melalui tiga strategi, iaitu pembelajaran secara dipantau, pembelajaran tidak dipantau dan pembelajaran diperkasakan. Ketiga-tiga strategi ini memerlukan sesebuah mesin untuk dilatih terlebih dahulu oleh pengaturcara sebelum ia dilepaskan untuk melaksanakan tugasan-tugasan secara automatik.

Analoginya seperti manusia: jika kita hendak mengajar seseorang manusia untuk melaksanakan sesebuah tugasan, kita akan terlebih dahulu melatih manusia tersebut. Jika manusia tersebut lulus tempoh latihan, maka kita bolehlah memberi kelulusan kepadanya untuk melaksanakan tugasan yang diberi.

Aplikasi pembelajaran mesin

Mesin yang pintar telah dimanfaatkan dalam pelbagai bidang yang memerlukan tindakan automasi, seperti pemanduan automatik, kamera litar tertutup, sistem pengecaman wajah, sistem biometrik dan sebagainya. Mesin pintar juga banyak digunakan dalam bidang hartanah dan perniagaan, yang mana ia digunakan untuk meramalkan arah aliran saham dan harga hartanah.

Ilustrasi menunjukkan contoh sistem biometrik. Sumber: Mastersoft

Sistem pengecaman wajah. Sumber: DailyMail

Pada masa depan, mesin pintar berpotensi untuk melaksanakan tugasan manusia dengan cekap. Sumber: Reuters

Rujukan:

  • Tim Bajarin (2021), “An AI Robot Wrote My Term Paper”, Forbes
  • History of Machine Learning. Link : https://www.doc.ic.ac.uk/~jce317/history-machine-learning.html
  • Sean (2021), “Huawei is Developing Smart Roads That Interact With Driverless Cars”., Gizmochina. (https://www.gizmochina.com/2021/01/14/huawei-develop-smart-roads-interact-driverless-cars/)
  • Anand Shirke (2020), “Importance of Biometric In Student Attendance Management System’ MasterSoft, (https://www.iitms.co.in/blog/importance-biometric-student-attendance-management-system.html)
  • Annie Palmer (2018), “AI surveillance cameras could soon identify faces in a crowd with 99 percent accuracy”, DailyMail
  • Ani (2020),”Intelligent Robot for Chemical-Free Disinfection Of Public Places”, Business Standard

Disunting oleh Mira Ashikin

MENGENAI PENGARANG

PROFIL | + ARTIKEL TERDAHULU

Hazril Bin Md Isa adalah pelajar Doktor Falsafah (PhD) dalam bidang kejuruteraan di Universiti Islam Antarabangsa (UIA). Mempunyai Ijazah Sarjana Muda dalam Kejuruteraan (Telekomunikasi) dan juga Ijazah Sarjana dalam Kejuruteraan Sains dari Universiti Malaya. Mempunyai minat mendalam pada sistem kecerdasan buatan (artificial inteligence, AI). Tesis terkini beliau di peringkat PhD ialah berkenaan rekabentuk sistem AI dalam brek automatik kenderaan.

Tinggalkan Balasan

Alamat e-mel anda tidak akan disiarkan. Medan diperlukan ditanda dengan *

twelve − 6 =