Deep Learning adalah cabang dari Machine Learning yang menggunakan jaringan neural tiruan (artificial neural network) berlapis-lapis untuk mempelajari representasi data yang sangat kompleks.
“Deep” (dalam) merujuk pada banyaknya lapisan (layer) dalam jaringan neural yang digunakan — bisa mencapai ratusan hingga ribuan layer pada model modern.
Cara Kerja Deep Learning
Deep Learning meniru cara kerja otak manusia dengan jaringan neuron yang saling terhubung:
- Layer input — menerima data mentah (gambar, suara, teks)
- Hidden layers — setiap layer mengekstrak fitur yang semakin abstrak dan kompleks
- Layer output — menghasilkan prediksi atau klasifikasi akhir
Contoh: Untuk mengenali kucing dalam foto, layer pertama mengenali tepi dan warna, layer berikutnya mengenali bentuk (telinga, mata), hingga layer akhir mengidentifikasi “kucing”.
Deep Learning vs Machine Learning Biasa
| Machine Learning | Deep Learning | |
|---|---|---|
| Data | Butuh lebih sedikit | Butuh sangat banyak |
| Feature | Harus dibuat manual | Belajar otomatis dari data |
| Interpretasi | Lebih mudah | Sulit (“black box”) |
| Hardware | CPU biasa | Butuh GPU |
| Performa | Terbatas untuk data kompleks | Sangat baik untuk data kompleks |
Contoh Aplikasi Deep Learning
- Pengenalan wajah — Face ID di iPhone, tag foto di Facebook
- Google Translate — terjemahan bahasa yang semakin akurat
- Asisten suara — Siri, Google Assistant, Alexa
- Deteksi penyakit — analisis foto rontgen untuk diagnosis kanker
- Generasi gambar AI — Midjourney, DALL-E, Stable Diffusion
- Mobil otonom — penglihatan komputer untuk navigasi
Deep Learning adalah teknologi di balik hampir semua kemajuan AI yang menggemparkan dunia dalam beberapa tahun terakhir.