Keseruan kumparan Academy, Bahas Deep Learning dan Machine Learning

Suasana kumparan Academy. (Foto: Garin Gustavian Irawan/kumparan)

kumparan Academy untuk pertama kalinya diselenggarakan pada Kamis (8/3) di Conclave Co-Working Space, Jakarta Selatan. Dalam gelaran pertamanya ini, kumparan Academy yang merupakan acara diskusi memilih topik pembahasan 'Deep Learning vs Conventional Machine Learning: From Technical Perspective'.

Untuk membahas kedua model kecerdasan buatan atau artificial intelligence (AI) itu, kumparan Academy menghadirkan dua sosok pembicara yang andal dalam bidang ini, yaitu Thomas Diong sebagai Chief Product & Data kumparan serta Yang Wang, Chief Technology Officer dari perusahaan AI asal New York, yaitu Element Inc.

Model machine learning dan deep learning saat ini memang telah banyak dikembangkan dan digunakan oleh berbagai perusahaan berbasis teknologi. Keduanya digunakan untuk meningkatkan layanan hingga menemukan ramuan terbaik dalam bisnis perusahaan.

Namun, ada banyak orang yang mempertanyakan apa perbedaan dari deep learning dan machine learning itu sendiri. Oleh karena itu, kedua model ini menjadi pembahasan dalam kumparan Academy perdana.

kumparan Academy, Thomas Diong dan Yang Wang. (Foto: Garin Gustavian Irawan/kumparan)

Menurut Thomas Diong, machine learning konvensional bisa menjadi solusi bagi perusahaan yang belum memiliki data center atau pusat data dan juga biayanya yang lebih murah, di samping konsepnya yang lebih sederhana dari deep learning.

Thomas mencontohkan pada apa yang sedang dilakukan di kumparan. Sebagai perusahaan media, kumparan mengumpulkan data-data dari ruang redaksi, yang tentunya penggunaan teknologi kecerdasan buatan ini membutuhkan data yang sangat banyak.

"Misalnya kita ingin meringkas teks dalam sebuah artikel. Bila menggunakan deep learning maka metodenya abstraktif, bisa mengetahui kata yang tidak ada di dalam teks orisinal untuk meringkasnya karena menggunakan teknik 'sequence to sequence with attention'," jelas Thomas.

Sementara apabila menggunakan machine learning, digunakan metode ekstraktif yang mengambil ringkasan dari banyaknya kata serupa yang terdapat di dalam teks. Namun, kata yang memiliki makna sama seperti "mempunyai" dan "memiliki" tidak akan dianggap memiliki kesamaan apabila menggunakan machine learning.

kumparan sendiri saat ini hanya menggunakan machine learning saja, yang menurut Thomas itu dikarenakan kumparan belum perlu melakukan langkah sejauh itu. Ia mengatakan kumparan membutuhkan sesuatu yang bekerja cepat dan tidak rumit.

"Kamu membutuhkan banyak data untuk menerapkannya. Butuh pusat data yang data-datanya berasal dari ruang redaksi," lanjutnya.

Thomas Diong, Chief Product & Data kumparan. (Foto: Garin Gustavian Irawan/kumparan)

Deep learning lebih rumit dari machine learning

Yang Wang, CTO Element, menjelaskan apa itu deep learning dalam presentasinya. Ia menjelaskan, deep learning menggunakan banyak lapisan dari pemrosesan informasi non-linear. Hal ini membuatnya dapat memahami dan memproses data dalam jumlah yang besar dengan lebih baik.

Wang memaparkan deep learning memang rumit, tapi tingkat kesuksesannya lebih tinggi dalam memahami banyak data dan untuk mencapai tujuan tertentu dari pemrosesan data tersebut.

"Jumlah data terus berkembang dan semakin kompleks. Makanya pemrosesan informasi non-linear dibutuhkan untuk memahaminya lebih baik dan menggunakan berbagai lapis dari informasi," jelas Wang.

Peserta kumparan Academy. (Foto: Garin Gustavian Irawan/kumparanv)

Menurutnya, apa yang membedakan machine learning dengan deep learning adalah adanya proses pembelajaran hierarkis di dalamnya, yang dimulai dari low level features, mid level features, high level features, hingga trainable classifier.

Maksud dari tahapan ini adalah adanya banyak lapisan dari pemrosesan informasi untuk memahami dan mengenali sesuatu dengan lebih terperinci sebagai output-nya.

Wang memberikan beberapa sumber daya atau resources terkait kerangka kerja deep learning bisa dicek di Torch atau Pytorch, Tensorflow, Mxnet, Caffe, Theano, Pylearn2, Cuda-Convnet2, Keras, dan Lasagne. Dan untuk resource-nya bisa dilihat pada ICLR (International Conference on Learning Representations), NIPS (Neural Information Processing Systems), dan ICML (International Conference on Machine Learning).

Jadi, inti dari diskusi kumparan Academy kali ini adalah machine learning konvensional memiliki konsep yang lebih sederhana dan tidak mahal, tapi pemrosesan datanya tidak sejauh deep learning, yang menggunakan berbagai lapis pemrosesan data dan metode abstraktif yang lebih rumit.

Nantikan kumparan Academy selanjutnya!