Daftar isi
Apa itu Neural Network ? Mendengar kata Neural Network, mungkin yang terbayang di pikiran kita adalah neuron, sistem syaraf yang berada di dalam otak kita. Neuron merupakan bagian dari sistem syaraf pusat yang berfungsi mengantarkan informasi berupa rangsangan atau impuls.
Tanpa peran neuron dalam tubuh, kita tidak bisa menerima rangsangan atau bereaksi terhadap rangsangan atau impuls yang kita terima. Neuron layaknya sebuah �pengirim informasi�.
Lalu apa kaitannya dengan Artificial Intelligence ?
Kecerdasan buatan atau AI merupakan ilmu yang cukup luas dan berkolaborasi dengan cabang ilmu yang lain. Misalnya saja ilmu elektronika dan mekanika bergabung dengan AI untuk membangun sebuah robot cerdas dan tangguh. Atau ilmu biologi dalam hal ini genetika yang berkolaborasi dengan AI untuk membuat Algoritma Genetika.
Artificial Neural Network adalah bidang ilmu dari kecerdasan buatan yang terinspirasi dari cara kerja neuron dalam otak manusia yang mampu memberikan stimulasi atau rangsangan, melakukan proses dan memberikan output.
Apa itu Neuron ?
Didalam otak manusia, terdapat sekitar 100 miliar sel saraf atau neuron. Sel ini bertanggungjawab mengirimkan stimulus/rangsangan yang kita terima dari luar untuk kemudian mengirimkan perintah motorik ke otot kita sebagai reaksi dari rangsangan tersebut.
Neuron dalam otak manusia digambarkan seperti sebuah pohon dengan bagian Akson (akar), soma (batang) dan dendrite (cabang).
 |
| Sel Neuron |
Menurut fungsinya, Neuron dibedakan menjadi tiga macam yaitu :
- Neuron sensorik atau sel saraf indra, karena berfungsi meneruskan rangsang dari penerima (indra) ke saraf pusat (otak dan sumsum tulang belakang).
- Neuron motorik atau sel saraf penggerak, berfungsi membawa impuls dari pusat saraf (otak) dan sumsum tulang belakang ke otot
- Neuron asosiasi atau sel saraf penghubung , berfungsi menghubungkan atau meneruskan impuls dari sel saraf sensorik ke sel saraf motorik.
Cara kerja neuron dalam otak layaknya pengirim informasi. Tiap neuron saling terhubung secara parallel membentuk sebuah jalur kabel yang rumit. Jalur tersebut mengirimkan sinyal rangsangan berupa neurotransmitter menuju neuron selanjutnya. Masing-masing neuron yang berinteraksi menghasilkan kemampuan tertentu pada kerja otak manusia.
Sejarah Artificial Neural Network
Selama ribuan tahun, manusia telah mempelajari bagaimana otaknya bekerja. Sebuah perubahan yang besar terjadi pada tahun 1943 ketka Warren McMulloch, seorang neurofisiologi dan Walter Pitts seorang ahli matematika menulis makalah tentang cara kerja dari neuron. Mereka memodelkan jaringan syaraf sederhana menggunakan rangkaian listrik.
 |
| Pitts & McMulloch |
Pada tahun 1949, Donald Hebb memperkuat konsep neuron dalam bukunya, The Organization of Behavior yang menunjukkan bahwa jaringan syaraf diperkuat setiap kali digunakan. Nathanial Rochester kemudian memimpin penelitian di IBM untuk mensimulasikan neural network pada tahun 1950.
John McCarthy memberikan dorongan yang lebih kuat untuk penelitian Neural Network dengan mengadakan Konferensi Dartmouth tahun 1956. Setahun kemudian, John Von Neumann menyarankan untuk meniru fungsi neuron menggunakan relay telegraf atau tabung vakum.
Pada tahun 1958, Frank Rosenblatt, seorang ahli biologi saraf dari Cornell, berhasil menemukan sebuah two-layer-network, yang disebut sebagai Percepton. Perceptron menghitung jumlah input , mengurangi treshold, dan meneruskan salah satu dari dua nilai yang mungkin keluar sebagai hasilnya.
Pada tahun 1959, Bernard Widrow dan Marcian Hoff dari Stanford mengembangkan model ADALINE (Adaptive Linear Elements ) dan MEDALINE (Multiple Adaptive Linear Elements). Model ini adalah Neural Network pertama yang diterapkan pada masalah di dunia nyata. Model ini adalah filter adaptif yang menghilangkan gema pada saluran telepon.
Penelitian mengenai Neural Network sempat lesu hingga tahun 1980-an. Pada tahun 1982, John Hopfield mempresentasikan makalahnya pada National Academy of Sciences tentang pendekatannya untuk menciptakan perangkat yang berguna, menyenangkan, pandai berbicara dan kharismatik.
Pada tahun 1987, Konferensi International Institute of Electrical and Electronics (IEEE) tentang Neural Network dihadiri lebih dari 1.800 peserta.
Untuk saat ini, Neural Network telah diterapkan pada beberapa taks seperti classification, approximation, prediction, recognition, memory simulation, clusterization dan jumlahnya semakin bertambah seiring waktu.
Konsep Neural Network
Artificial Neural Network (ANN) adalah program komputer yang terinspirasi secara biologis yang dirancang untuk mensimulasikan cara otak manusia memproses informasi. ANN mengumpulkan pengetahuan dengan mendeteksi pola dan hubungan dalam data dan belajar (atau dilatih) melalui pengalaman, bukan dari pemrograman.
Neural Network, dengan kemampuannya dapat digunakan untuk memperoleh pengetahuan dari data yang rumit atau tidak tepat, serta juga dapat digunakan untuk mengekstrak pola dan mendeteksi tren yang terlalu kompleks untuk diperhatikan baik oleh manusia atau teknik komputer lainnya.
Artificial Neural Network bekerja layaknya syaraf neuron manusia. Neuron terdiri dari beberapa bagian dari yaitu:
- Dendrit (Dendrites) berfungsi untuk mengirimkan impuls yang diterima ke badan sel syaraf.
- Akson (Axon) berfungsi untuk mengirimkan impuls dari badan sel ke jaringan lain
- Sinapsis berfungsi sebagai unit fungsional di antara dua sel syaraf.
 |
| Neuron anatomy |
- Sebuah neuron menerima impuls dari neuron lain melalui dendrit dan mengirimkan sinyal yang dihasilkan oleh badan sel melalui akson.
- Akson dari sel syaraf ini bercabang-cabang dan berhubungan dengan dendrit dari sel syaraf lain dengan cara mengirimkan impuls melalui sinapsis.
- Sinapsis adalah unit fungsional antara 2 buah sel syaraf, misal A dan B, dimana yang satu adalah serabut akson dari neuron A dan satunya lagi adalah dendrit dari neuron B.
- Kekuatan sinapsis bisa menurun/meningkat tergantung seberapa besar tingkat propagasi (penyiaran) sinyal yang diterimanya.
- Impuls-impuls sinyal (informasi) akan diterima oleh neuron lain jika memenuhi batasan tertentu, yang sering disebut dengan nilai ambang (threshold).
Proses pada ANN dimulai dari input yang diterima oleh neuron beserta dengan nilai bobot dari tiap-tiap input yang ada. Setelah masuk ke dalam neuron, nilai input yang ada akan dijumlahkan oleh suatu fungsi perambatan (summing function), yang bisa dilihat seperti pada di gambar dengan lambang sigma (?).
 |
| Struktur ANN |
Hasil penjumlahan akan diproses oleh fungsi aktivasi setiap neuron, disini akan dibandingkan hasil penjumlahan dengan threshold (nilai ambang) tertentu. Jika nilai melebihi threshold, maka aktivasi neuron akan dibatalkan, sebaliknya, jika masih dibawah nilai threshold, neuron akan diaktifkan.
Setelah aktif, neuron akan mengirimkan nilai output melalui bobot-bobot outputnya ke semua neuron yang berhubungan dengannya. Proses ini akan terus berulang pada input-input selanjutnya.
ANN terdiri dari banyak neuron di dalamnya. Neuron-neuron ini akan dikelompokkan ke dalam beberapa layer. Neuron yang terdapat pada tiap layer dihubungkan dengan neuron pada layer lainnya. Hal ini tentunya tidak berlaku pada layer input dan output, tapi hanya layer yang berada di antaranya.
Informasi yang diterima di layer input dilanjutkan ke layer-layer dalam ANN secara satu persatu hingga mencapai layer terakhir/layer output. Layer yang terletak di antara input dan output disebut sebagai hidden layer. Namun, tidak semua ANN memiliki hidden layer, ada juga yang hanya terdapat layer input dan output saja.
ANN terbentuk dari ratusan unit tunggal, neuron buatan atau Processing Element (PE), dihubungkan dengan koefisien (bobot), yang membentuk struktur saraf dan diatur didalam layer. Kekuatan komputasi saraf berasal dari menghubungkan neuron dalam jaringan. Setiap PE memiliki input berbobot, fungsi transfer dan satu output. Perilaku jaringan saraf ditentukan oleh fungsi transfer neuronnya, aturan pembelajaran, dan arsitektur itu sendiri.
Fungsi dari Neural Network diantaranya adalah :
- Mengklasifikasikan pola
- Memetakan pola yang didapat dari input kedalam pola baru dari output
- Menyiimpan pola yang akan dipanggil kembali
- Memetakan pola pola yang berjenis
- Pengoptimasi permasalahan
- Prediksi
Keuntungan lainnya dari penggunaan Neural Network diantaranya:
- Pembelajaran adaptif: Kemampuan untuk belajar dalam melakukan tugas-tugas berdasarkan data yang diberikan
- Self-Organization: Sebuah Neural Network dapat membangun representasi dari informasi yang diterimanya selama proses pembelajaran secara mandiri
- Operasi Real-Time: Penghitungan Neural Network dapat dilakukan secara paralel, sehingga proses komputasi menjadi lebih cepat.
Penerapan Artificial Neural Network
1. Klasifikasi dan Kategorisasi Teks
Klasifikasi teks merupakan bagian penting dalam banyak aplikasi, seperti pencarian web, filter informasi, identifikasi bahasa, penilaian keterbacaan, dan analisis sentimen. Jaringan saraf secara aktif digunakan untuk tugas-tugas ini.
2. Named Entity Recognition (NER)
Tugas nya adalah untuk melakukan klasifikasi entitas bernama, seperti Guido van Rossum, Microsoft, London, dll., Ke dalam kategori yang telah ditentukan seperti orang, organisasi, lokasi, waktu, tanggal, dan sebagainya.
3. Speech Recognition
Pengenalan ucapan memiliki banyak aplikasi, seperti otomasi rumah, telepon seluler, bantuan virtual, komputasi bebas genggam, video game, dan sebagainya.
4. Semantic Parsing and Question Answering Question
Sistem ini secara otomatis menjawab berbagai jenis pertanyaan yang diajukan dalam bahasa alami termasuk pertanyaan definisi, pertanyaan biografi, pertanyaan multibahasa, dan sebagainya.
5. Spell Checking
Sebagian besar editor teks mengizinkan pengguna memeriksa apakah teks mereka berisi kesalahan ejaan. Neural network sekarang digabungkan ke dalam banyak alat pemeriksa ejaan.
Referensi :
- Artificial Intelligence, Konsep dan Penerapannya
- Kate Strachnyi, Brief History of Neural Networks
- Olga Davydova, Applications of Artificial Neural Networks in Natural Language Processing
Tidak ada komentar:
Write comment