Sekarang AI, Artificial Intelligence, sudah masuk ke semua sisi kehidupan melalui teknologi. Hampir semua hal, kita bisa menemukan AI disitu. Machine learning bagian dari AI, oleh sebab itu kita sebut saja AI.
Ada dua sisi yang bisa kita pilih, menjadi produsen AI atau menjadi konsumen AI, menjadi pembuat AI atau pemakai AI.
Belakangan ini secara umum kita bisa menemukan dua sisi AI di dunia pendidikan terutama. Ada satu sisi yang menyiapkan untuk pembuat AI, dan ada yang disiapkan untuk pemakai AI, ada sebuah perguruan tinggi terkenal yang membuka kelas kuliah untuk ini.
Tapi sebenarnya, bahwa sejak SMP kita sudah di bekali ilmu yang menjadi dasar dari AI. Kita sudah di bekali oleh ilmu yang belakangan menjadi hype kembali, berkat AI.
Materi yang kita pelajari dalam pelajaran matematika SMP, mungkin kelas 1 atau kelas 2, yaitu Aljabar linier, merupakan dasar dan bagian penting dari kecerdasan buatan atau AI.
Didalam aljabar linier kita mengenal beberapa konsep, tapi yang paling sering adalah matriks, dan regresi linier. Hampir semua algoritma yang dipakai AI, melibatkan operasi dan konsep yang ada dalam aljabar linier, untuk mengolah data, representasi data, dan menganalisa data.
Matriks
Matriks merupakan dasar untuk operasi matematis pada algoritma AI.
Matriks adalah struktur data sederhana dalam matematika, berupa baris dan kolom. Berbagai operasi dalam AI dan ML menggunakan matriks sebagai dasar pengolahan data.
Digunakan secara luas dalam AI dan ML karena sederhana dan terorganisir dalam representasi data. Matriks pada dasarnya hanya terdiri dari baris dan kolom saja.
Kesederhanaan struktur ini memudahkan untuk melakukan berbagai operasi matematika yang mendasari algoritma AI.
Dalam matriks, apabila kita punya data dengan fitur tertentu (n) dengan jumlah tertentu (m), bisa dituliskan dalam matrik
Sebuah file gambar jpg, png, webp, juga merupakan matrik. Gambar dengan resolusi 1920 x 1080, adalah matrik dengan ukuran 1920 x 1080, atau kita sebut 2MP ( Mega Pixel)
Matriks mendukung operasi matematika lineier yang merupakan inti dari algoritma AI. Operasi sederhana seperti penjumlahan, pengurangan, perkalian, kemudian operasi yang lebih rumit, seperti rotasi untuk memutar gambar, skala untuk zoom in out, translasi untuk memindahkan gambar. Hinga operasi kompleks seperti graph untuk pemodelan hubungan dan konvolusi.
Operasi matriks dapat dilakukan secara paralel, yang memungkinkan operasi pemrosesan data dalam skala besar secara cepat dan efisien
GPU atau graphics processing unit, dan TPU tensor processing unit, bekerja dengan mengolah elemen matriks secara bersama-sama, atau paralel. Elemen-elemen matriks akan di pecah menjadi bagian kecil-kecil kemudian GPU akan mengalokasikan unit-unitnya untuk mengolah masing-masing bagian.
Regresi linier
Regresi linier adalah salah satu algoritma dasar dalam AI yang digunakan untuk memprediksi nilai dari suatu masukan, berdasarkan data atau informasi sebelumnya. Regresi menjadi langkah awal untuk memahami algoritma AI yang lebih kompleks.
Regresi linier berperan untuk membuat model prediksi sederhana dengan cara menemukan hubungan variabel pada sekelompok data. Ini adalah bentuk sederhana dari machine learning.
Tujuan dari regresi linier adalah menemukan persamaan yang paling cocok dengan data yang ada, sehingga dapat merepresentasikan data secara keseluruhan.
Misalkan kita punya data hubungan antara jam belajar siswa (x) dengan nilai hasil ujian siswa (y), yang awalnya terlihat tidak berhubungan
Dari hasil regresi di ketahui hubungan data-data diatas adalah :
Nantinya bila kita punya data, seorang murid yang belajar 5.5 jam, kita bisa memprediksi nilai ujiannya, kemungkinan adalah di sekitar 88.
Tentu saja contoh ini adalah penyederhanaan, tapi kira-kira seperti itu machine learning bekerja. Memprediksi hasil berikutnya dari dengan belajar dari data-data masa lalu.
Pengertian yang lebih rumit, regresi linier bertujuan untuk menemukan fungsi linier, hubungan yang paling cocok dengan data, sehingga dapat meminimalkan kesalahan prediksi
Di konsep lanjutan, dalam regresi linier ini akan dikenal beberapa konsep seperti model fitting dan fungsi optimal, yang banyak di pakai dalam algoritma AI.
Penutup
Matriks dan Regresi Linier bukan satu-satunya yang mendasari AI, tapi dua hal tersebut merupakan kunci dari pemahaman algoritma AI yang lebih kompleks. Keduanya adalah tulang punggung dari AI. Mulai dari pengolahan data, representasi data, pemodelan, pelatihan sampai dengan aplikasinya, bergantung sepenuhnya pada operasi aljabar linier.
Kita beruntung, di Indonesia, di tingkat SMP sudah di kenalkan dengan konsep AI, walaupun tidak secara tegas di tunjukan kegunaannya. Mungkin sudah waktunya ini aplikasi-aplikasi dari materi-materi pelajaran teoritis ini di perkenalkan pula kepada murid, agar mereka bisa paham dan punya gambaran tentang teori matematika yang di pelajari.