Artificial Intelligence (AI) telah menjadi topik yang menarik perhatian banyak orang dalam beberapa tahun terakhir. AI adalah teknologi yang memungkinkan komputer untuk melakukan tugas-tugas yang biasanya dilakukan oleh manusia, seperti memecahkan masalah dan membuat keputusan.
Namun, ada banyak istilah dan konsep yang perlu dipahami dalam dunia AI, seperti Natural Language Processing (NLP), Natural Language Understanding (NLU), Exploratory Data Analysis (EDA), Automated Machine Learning (AutoML), dan Real-time Machine Learning.
Dalam artikel ini, akan dijelaskan secara singkat apa itu NLP, NLU, EDA, AutoML, dan Real-time machine learning dan bagaimana mereka dapat diterapkan dalam kehidupan sehari-hari.
1. NLP (Natural Language Processing)
NLP adalah salah satu turunan atau cabang dari AI yang berhubungan dengan interaksi manusia dan komputer menggunakan bahasa sehari-hari. Singkatnya, NLP ini akan memberi kemampuan kepada komputer untuk bisa memahami manusia secara alami melalui tulisan maupun suara.
Contoh penerapan NLP pada kehidupan sehari-hari. Aplikasi personal assistant seperti OK Google, Siri, Cortana, dan Alexa, NLP membantu memahami perintah manusia melalui suara. Aplikasi terjemahan bahasa seperti Google Translate, Aplikasi pengolah kata seperti Microsoft Word dan Grammarly, NLP membantu manusia memeriksa tata bahasa
2. NLU ( Natural Language Understanding)
NLU adalah salah satu turunan dari NLP yang fokusnya adalah melatih sistem AI untuk memproses bahasa lisan manusia dengan cara mengurai data menjadi beberapa karakter sehingga bisa diinterpretasikan dengan tepat.
NLU menggunakan Speech to Text (STT) untuk membantu mengubah bahasa lisan menjadi pesan berbasis karakter dan algoritma teks ke ucapan (TTS) selanjutnya akan menjadi output.
Penerapan NLU bisa dilihat ada pada questioning answering, automated reasoning, customer service automation.
3. EDA (Exploratory Data Analysis)
EDA adalah suatu proses eksplorasi data dengan tujuan untuk menemukan pola, menganalisis karakteristik data, dan menemukan hubungan antara variabel dalam data.
EDA biasanya dilakukan sebagai langkah pertama dalam proses analisis data untuk memahami data yang akan dianalisis dan mempersiapkan data untuk analisis lebih lanjut.
Penerapan EDA dalam kehidupan sehari-hari, Misalnya, jika Anda bekerja di sebuah perusahaan yang menjual produk online, EDA membantu untuk menganalisis data tentang penjualan produk Anda dan menemukan pola yang mungkin menunjukkan bagaimana produk Anda menjual dengan baik atau tidak.
4. Real Time machine Learning
Real-time machine learning adalah suatu teknik yang menggunakan algoritma machine learning untuk memproses data secara langsung dan memberikan output atau respon secara instan.
Berbeda dari machine learning biasa di mana model machine learning dibuat dan dilatih terlebih dahulu sebelum digunakan untuk memprediksi atau mengambil keputusan. Real-time machine learning, akan membuat model dapat terus belajar dan memperbarui dirinya sendiri saat data baru masuk, sehingga memberikan output yang lebih akurat dan up-to-date.
Penerapan Real-time machine learning dapat diterapkan dalam berbagai situasi dalam kehidupan sehari-hari. Contohnya, sistem navigasi GPS untuk mencari rute terbaik saat berkendara, sistem tersebut mungkin menggunakan real-time machine learning untuk memproses data tentang lalu lintas secara real-time dan memberikan rekomendasi rute terbaik yang disesuaikan dengan kondisi lalu lintas saat ini.
5. Automated Machine Learning (AutoML)
Automated machine learning (AutoML) adalah suatu teknik yang menggunakan algoritma machine learning untuk mencari dan mengoptimalkan model machine learning secara otomatis.
Sistem dapat secara otomatis mencoba berbagai algoritma dan konfigurasi untuk menemukan model terbaik yang dapat digunakan untuk memecahkan masalah yang diberikan.
AutoML akan memungkinkan pengguna yang tidak memiliki keahlian khusus dalam machine learning untuk dengan mudah mengaplikasikan machine learning ke dataset mereka.
Contoh penerapan Automated machine learning (AutoML) dalam kehidupan sehari-hari adalah menggunakan aplikasi pembelajaran mesin untuk memprediksi harga saham berdasarkan data historis. Aplikasi tersebut dapat menggunakan AutoML untuk mencari dan mengoptimalkan model pembelajaran mesin yang dapat digunakan untuk memprediksi harga saham di masa depan.