Pembelajaran mesin telah menjadi salah satu kemajuan terbesar dalam sejarah komputasi, dan sekarang diyakini mampu mengambil peran penting di bidang big data dan analitik . Analisis data besar merupakan tantangan besar dari perspektif bisnis. Misalnya, kegiatan seperti memahami volume besar format data yang bervariasi, persiapan data untuk analisis, dan pemfilteran data yang berlebihan dapat menghabiskan banyak sumber daya. Mempekerjakan ilmuwan data dan spesialis adalah proposisi yang mahal dan tidak sesuai dengan kemampuan setiap perusahaan. Para ahli percaya bahwa pembelajaran mesin mampu mengotomatisasi banyak tugas yang berkaitan dengan analitik - baik rutin maupun kompleks. Pembelajaran mesin otomatis dapat membebaskan banyak sumber daya yang dapat digunakan dalam pekerjaan yang lebih kompleks dan inovatif. Tampaknya pembelajaran mesin telah menuju ke arah itu.
Otomasi dalam Konteks Teknologi Informasi
Dalam konteks TI, otomatisasi adalah penghubung sistem dan perangkat lunak yang berbeda sehingga mereka dapat melakukan pekerjaan tertentu tanpa campur tangan manusia. Dalam industri TI, sistem otomatis dapat melakukan pekerjaan sederhana dan kompleks. Contoh pekerjaan sederhana dapat mengintegrasikan formulir dengan PDF dan mengirim dokumen ke penerima yang benar, sementara menyediakan cadangan di luar kantor bisa menjadi contoh pekerjaan yang kompleks.
Untuk melakukan tugasnya, sistem otomatis perlu diprogram atau diberi instruksi eksplisit. Setiap kali sistem otomatis diperlukan untuk memodifikasi ruang lingkup pekerjaannya, program atau serangkaian instruksi perlu diperbarui oleh manusia. Sementara sistem otomatis efisien dalam pekerjaannya, kesalahan dapat terjadi karena berbagai alasan. Ketika kesalahan terjadi, akar permasalahan perlu diidentifikasi dan diperbaiki. Jelas, untuk melakukan pekerjaan mereka, sistem otomatis sepenuhnya bergantung pada manusia. Semakin kompleks sifat pekerjaan, semakin tinggi kemungkinan kesalahan dan masalah.
Biasanya, pekerjaan rutin dan berulang dapat ditugaskan untuk sistem otomatis. Contoh umum otomatisasi dalam industri TI adalah mengotomatisasi pengujian antarmuka pengguna berbasis web . Kasus uji dimasukkan ke dalam skrip otomatisasi dan antarmuka pengguna diuji sesuai.
Argumen yang mendukung otomatisasi adalah bahwa ia melakukan tugas rutin dan berulang dan membebaskan karyawan untuk melakukan tugas yang lebih kompleks dan kreatif. Namun, ia juga berpendapat bahwa otomasi telah menggantikan banyak pekerjaan atau peran yang sebelumnya dilakukan oleh manusia. Sekarang, dengan pembelajaran mesin menemukan jalannya ke berbagai industri, otomatisasi dapat menambah dimensi baru sama sekali.
Apakah Otomasi Masa Depan Pembelajaran Mesin?
Inti dari pembelajaran mesin adalah kemampuan sistem untuk terus belajar dari data dan berkembang tanpa campur tangan manusia. Pembelajaran mesin mampu berperilaku seperti otak manusia. Misalnya, mesin rekomendasi dalam e-commerce situs web dapat menilai preferensi dan selera unik pengguna dan menawarkan rekomendasi pada produk dan layanan yang paling sesuai dengan pilihan pengguna. Dengan kemampuan ini, pembelajaran mesin dianggap ideal untuk mengotomatisasi tugas-tugas kompleks yang terkait dengan big data dan analitik. Ini telah mengatasi keterbatasan utama dari sistem otomasi tradisional yang tidak dapat beroperasi tanpa campur tangan manusia secara teratur. Ada beberapa studi kasus untuk menunjukkan bahwa pembelajaran mesin mampu menyelesaikan tugas analisis data yang canggih, seperti yang akan dibahas nanti dalam artikel ini.
Seperti yang telah ditunjukkan, analisis big data merupakan proposisi yang menantang bagi perusahaan dan sebagian dapat didelegasikan ke sistem pembelajaran mesin. Dari perspektif bisnis, ini dapat membawa banyak manfaat seperti membebaskan sumber daya ilmu data untuk penugasan yang lebih kreatif dan kritis, volume penyelesaian pekerjaan yang lebih tinggi, lebih sedikit waktu yang dibutuhkan untuk menyelesaikan tugas dan efektivitas biaya.
Studi kasus
Pada 2015 para peneliti MIT mulai bekerja pada alat ilmu data yang mampu menciptakan model data prediksi dari volume besar data mentah menggunakan teknik yang disebut algoritma Sintesis Fitur Dalam . Algoritma, klaim para ilmuwan, dapat menggabungkan fitur terbaik pembelajaran mesin. Menurut para ilmuwan, mereka telah menguji algoritma pada tiga set data yang berbeda dan akan memperluas cakupan pengujian ke lebih banyak set data. Menjelaskan bagaimana mereka melakukannya, peneliti James Max Kanter dan Kalyan Veeramachaneni menyatakan dalam sebuah makalah yang akan dipresentasikan pada konferensi sains dan analitik data internasional, “Dengan menggunakan proses tuning otomatis, kami mengoptimalkan seluruh jalur tanpa keterlibatan manusia, memungkinkannya untuk menggeneralisasi ke dataset yang berbeda. "
Mari kita periksa seberapa kompleks tugas itu: algoritma memiliki kemampuan yang dikenal sebagai kemampuan pencarian otomatis, dengan bantuan yang mendapatkan atau mengekstraksi wawasan atau nilai dari data mentah seperti usia atau jenis kelamin, dan setelah itu, dapat membuat model data prediksi. Algoritme menggunakan fungsi matematika yang kompleks dan teori probabilitas yang dikenal sebagai Gaussian Copula. Jadi, mudah untuk memahami sejauh mana kompleksitas algoritma mampu menangani. Teknik ini juga memenangkan hadiah di kompetisi.
Pembelajaran Mesin Mungkin Mengganti Pekerjaan
Saat ini sedang dibahas di seluruh dunia bahwa pembelajaran mesin mungkin menggantikan banyak pekerjaan karena melakukan tugas dengan efisiensi otak manusia. Bahkan, ada beberapa kekhawatiran bahwa pembelajaran mesin akan menggantikan ilmuwan data - dan tampaknya ada dasar untuk kekhawatiran tersebut.
Untuk pengguna umum yang tidak memiliki keterampilan analisis data tetapi masih memerlukan analitik dalam kehidupan sehari-hari mereka dalam berbagai tingkat, tidak layak untuk memiliki komputer yang mampu menganalisis volume data yang sangat besar dan menawarkan analitik. Tetapi teknologi pemrosesan bahasa alami (NLP) dapat mengatasi keterbatasan ini dengan mengajarkan komputer untuk menerima dan memproses bahasa alami manusia. Dengan begitu, pengguna umum tidak memerlukan kemampuan atau keterampilan analitik yang canggih.
IBM percaya bahwa kebutuhan para ilmuwan data dapat diminimalkan atau dihilangkan dengan platform analitik bahasa alami Watson produknya . Menurut wakil presidennya untuk Watson Analytics dan Business Intelligence, Marc Atschuller, “Dengan sistem kognitif seperti Watson kalian hanya membawa pertanyaan - atau jika kalian tidak memiliki pertanyaan, kalian cukup mengunggah data kalian dan Watson dapat melihatnya dan menyimpulkan apa yang kalian mungkin ingin tahu. "
Kesimpulan
Otomasi adalah langkah logis berikutnya untuk pembelajaran mesin dan kami telah mengalami efeknya dalam kehidupan sehari-hari di situs web e-commerce, saran teman Facebook , LinkedIn rekomendasi jaringan dan peringkat pencarian Airbnb. Mempertimbangkan contoh yang diberikan, tidak diragukan lagi dapat diberikan pada kualitas output yang dihasilkan oleh sistem pembelajaran mesin otomatis. Untuk semua kualitas dan manfaatnya, pemikiran pembelajaran mesin yang menyebabkan pengangguran besar mungkin tampak agak berlebihan. Mesin telah menggantikan manusia di banyak bidang kehidupan kita selama beberapa dekade, namun manusia telah berevolusi dan beradaptasi agar tetap relevan di industri. Bergantung pada perspektif, pembelajaran mesin, dengan segala gangguannya, hanyalah gelombang lain yang akan diadaptasi oleh orang.