Hamzah Jamad

Blogger. Programmer. Technologist.

Apa itu Machine Learning (Pembelajaran Mesin) dalam bahasa mudah

    Katakanlah suatu hari anda sedang membeli belah di gerai buah-buahan, dan anda ingin membeli mangga. Anda menemui suatu gerai yang mempunyai banyak mangga yang anda boleh pilih sendiri. Kemudian anda teringat pula tips dari orang tua-tua ataupun kenalan anda mengenai cara mengenalpasti mangga yang manis, iaitu warna kuning tua lebih sedap berbanding kuning yang pucat. Anda pilih, bayar dan bawa pulang. Pengakhiran yang bahagia?

Tidak jugak.

Hidup ini sangat kompleks.

    Apabila anda pulang ke rumah, anda sedar tidak semua mangga yang anda telah pilih sesedap yang anda jangkakan. Nampaknya tips yang diberikan anda tidak cukup untuk mendapatkan mangga yang benar-benar manis. Memilih mangga yang manis ialah lebih daripada sekadar warna.

    Selepas beberapa percubaan (mencuba banyak jenis mangga) , anda menyimpulkan bahawa , mangga yang besar , kuning tua ialah mangga yang confirm akan manis. Manakala yang kecil, kuning tua pula manisnya hanyalah separuh, (katakanlah anda membeli 100 biji buah mangga, dan separuh daripadanya kecil dan separuh daripadanya besar , kemudian mungkin hanyalah separuh daripada setiap kumpulan saiz tersebut pula rasanya manis).

    Anda gembira dengan penemuan ilmu baru anda, dan anda buat keputusan untuk gunakan pengetahuan tersebut di lain masa. Akan tetapi apabila tiba saat anda ingin membeli buah mangga, anda dapati gerai kegemaran anda telah pun berpindah. Kemudian anda membuat keputusan untuk membeli daripada gerai lain lagi. Namun sekarang, anda dapati segala pengetahuan yang anda dapat daripada teknik cuba-cuba sebelum ini nampaknya tidak lagi bersesuaian, anda terpaksa belajar dari awal lagi. Kali ini anda dapati yang kecil lebih manis berbanding yang besar.

    Kemudian, sepupu anda datang melawat ke rumah dan anda bercadang untuk menjamunya dengan mangga. Sepupu anda menyatakan yang dia tidak kisah mengenai kemanisan mangga tersebut, dia cuma ingin mangga yang agak berjus rasanya. Anda kini terpaksa lagi melakukan eksperimen mencari yang mana satu lebih berjus dan mendapati yang lebih lembut lebih berjus berbanding yang lain.

    Selepas beberapa ketika, anda berhijrah ke negara lain. Disana, nampaknya buah mangga yang berwarna hijau lebih manis berbanding yang kuning. Sekali lagi ilmu yang anda dapati sebelum ini tidak dapat diaplikasikan dengan situasi baru.

    Selepas menetap di negara tersebut anda membuat keputusan untuk berkahwin dengan seseorang disitu. Akan tetapi dia tidak sukakan mangga, dia lebih gemarkan buah epal. Sekali lagi anda terpaksa membuat eksperimen untuk mencari buah epal yang paling lazat (atas dasar cinta.. haha).

Konsep ini dalam Program Komputer

Sekarang bayangkan, sambil anda membuat eksperimen tersebut, anda menulis program komputer untuk mengenal pasti buah mangga (ataupun epal) yang paling sedap. Anda mungkin boleh menulisnya begini

Jika,
warnanya kuning terang, besar dan dijual oleh gerai kegemaran
Maka,
mangga tersebut manis.


Jika,
lembut
Maka,
mangga tersebut berjus.


... etc.


    Mungkin anda boleh menulis aturan sedemikian rupa untuk memilih buah yang anda mahu. Malah anda juga mungkin boleh menghantar adik anda dengan aturan tersebut untuk memilih buah yang bertepatan dengan pilihan anda.

    Akan tetapi anda sedar, setiap kali anda menemui situasi berbeza, anda terpaksa merubah hampir kesemua aturan tersebut untuk memenuhi keinginan anda. Anda terpaksa meneliti semula satu persatu penyelidikan anda. Dan mungkin jugak hasil penyelidikan anda itu boleh anda tukarkan menjadi tesis untuk mendapatkan PhD dalam Sains Mangga ( itu pun kalau ada ).

Tetapi, tidak semua orang mempunyai masa sebanyak itu.





Pengaplikasian Machine Learning

    ML adalah evolusi daripada algoritma penyelesaian yang biasa. Ianya membuatkan program yang kita buat lebih "bijak" , dengan mebuatkan mereka belajar melalui data yang anda berikan.

    Anda ambil beberapa jenis mangga daripada pasar sebagai spesimen ( kita label sebagai data latihan ) , buat jadual mengenai ciri-ciri setiap mangga tersebut, seperti warna, saiz, ditanam dimana, etc (features) , bersama-sama dengan kemanisan , berjus dan bagaimana "masaknya" mangga tersebut (output). Kemudian anda masukkan data ini ke dalam algoritma ML (pengklasifikasian / regressi ) , kemudian ianya akan belajar kaitan antara ciri-ciri fizikal tersebut dengan kualitinya.

   Seterusnya apabila anda hendak ke gerai buah-buahan, anda beli lagi secara rambang dan mencatat ciri-ciri fizikal ( kali ini label sebagai data ujian ) dan masukkannya kedalam algoritma ML. Ianya kemudian akan menggunakan model yang telah dipelajari sebelum ini untuk membuat ramalan yang mana satu manis, ataupun berjus bersesuaian dengan data latihan sebelum ini. Di dalam algorithm tersebut mungkin agak serupa dengan decision tree yang kita boleh buat secara manual sebelum ini, ataupun mungkin juga lebih daripada itu, tetapi kini kita tidak lagi perlu risaukan pasal itu.

    Sekarang, kita tidak perlu lagi membuat cuba-cuba secara manual bagi setiap situasi pembelian yang kita buat, kita hanya perlu letakkannya ke algoritma ML yang kita latih sebelum ini. Ketepatan algoritma tersebut akan semakin bertambah apabila kita latih dengan lebih banyak data latihan. Tetapi yang lebih menarik lagi, algoritma tersebut juga kita boleh gunakan untuk benda-benda lain, mungkin untuk epal, anggur, tembikai dan sebagainya.

dan itu ialah definisi ringkas mengenai Machine Learning.