Machine learning

Bayangkan kasir baru di toko kelontong yang harus bisa mengenali uang palsu. Cara pertama: pemilik toko memberi daftar aturan, misalnya cek benang pengaman dan raba hurufnya. Cara kedua: kasir itu memegang ribuan lembar uang asli dan palsu yang sudah ditandai, sampai lama-lama ia peka sendiri, walau susah menjelaskan aturannya. Machine learning itu cara kedua.

Perumpamaan ini berhenti di satu titik. Kasir paham kenapa uang palsu merugikan toko. Program machine learning cuma menangkap pola angka dari contoh yang diberikan. Kalau contohnya keliru atau berat sebelah, polanya ikut keliru, dan ia nggak sadar.

Filter spam Gmail adalah machine learning yang kamu pakai tiap hari. Pada Februari 2019, Google menulis bahwa machine learning membantu mereka menemukan pola di kumpulan data besar yang bisa terlewat oleh manusia yang menulis aturan. Dengan tambahan TensorFlow, alat untuk membangun machine learning, Gmail memblokir sekitar 100 juta spam tambahan setiap hari, termasuk jenis spam yang dulu sulit dideteksi.

Menurut Google, gabungan perlindungan Gmail memblokir lebih dari 99,9% spam, phishing, dan malware. Artinya buat kamu: sisa yang lolos memang ada, dan sesekali email penting bisa nyasar. Buka folder spam sesekali, terutama saat menunggu email lamaran kerja atau tagihan.

"Machine learning itu sama dengan AI." Glosarium Google menyebut machine learning sebagai cabang dari AI. AI juga bisa dibuat tanpa belajar dari contoh, misalnya program yang cuma menjalankan aturan buatan manusia.

"Mesinnya belajar sendiri, tanpa campur tangan manusia." Manusia yang memilih data, menentukan tujuannya, dan sering menandai jawaban yang benar. Glosarium Google mencontohkan, di dataset pendeteksi spam, setiap email diberi label "spam" atau "bukan spam".

"Kalau sudah dilatih, tebakannya pasti benar." Google menulis model yang sudah dilatih bisa menebak dengan berguna untuk data baru yang mirip dengan data latihannya. Kalau datanya beda jenis, misalnya modus spam yang benar-benar baru, tebakannya bisa meleset.