Perbedaan AI dan machine learning sering membingungkan, karena kedua istilah ini dipakai bergantian di berita, iklan, dan percakapan sehari-hari. Padahal, keduanya tidak sama persis. AI adalah istilah yang jauh lebih luas, sedangkan machine learning adalah salah satu cara untuk membangun AI. Memahami hubungan ini membantu kamu membaca klaim produk dengan lebih kritis dan memakai istilah yang tepat saat menjelaskan teknologi.

Berikut ini adalah penjelasan sederhana tentang apa itu AI, apa itu machine learning, di mana posisi deep learning, contoh nyata masing-masing, dan kapan sebaiknya memakai istilah yang mana. Tidak perlu latar belakang teknis untuk mengikuti penjelasan ini, karena setiap istilah dijelaskan dengan contoh yang dekat dengan kehidupan sehari-hari.

AI sebagai Payung Besar

AI, atau kecerdasan buatan, adalah bidang yang bertujuan membuat mesin melakukan tugas yang biasanya membutuhkan kecerdasan manusia, misalnya mengenali suara, memahami bahasa, mengambil keputusan, atau merencanakan langkah. Istilah ini sudah ada jauh sebelum machine learning populer, dan mencakup banyak pendekatan, bukan hanya satu metode.

Contoh AI yang tidak selalu memakai machine learning adalah sistem aturan. Misalnya, sebuah program bisa menjawab pertanyaan pelanggan dengan aturan yang ditulis manusia, seperti bila pertanyaan mengandung kata tertentu, tampilkan jawaban tertentu. Program semacam itu bisa terlihat pintar, tetapi tidak belajar dari data. Ia hanya menjalankan aturan yang sudah ditentukan.

Karena itu, tidak semua yang disebut AI berarti belajar sendiri. AI adalah tujuan dan bidangnya, sedangkan cara mencapainya bisa bermacam-macam. Machine learning adalah salah satu cara yang paling banyak dipakai saat ini, tetapi bukan satu-satunya.

Machine Learning: Cabang AI yang Belajar dari Data

Machine learning adalah cabang AI yang membuat sistem belajar pola dari data, lalu memakai pola itu untuk memprediksi atau mengambil keputusan pada data baru. Alih-alih menulis aturan satu per satu, pengembang memberi banyak contoh, dan sistem menemukan pola di balik contoh tersebut.

• Cara Kerja Secara Sederhana

Bayangkan kamu ingin sistem membedakan foto kucing dan anjing. Pada pendekatan machine learning, sistem diberi ribuan foto kucing dan anjing yang sudah diberi label. Sistem mempelajari ciri-ciri yang membedakan keduanya, misalnya bentuk telinga, moncong, dan bulu. Setelah dilatih, sistem diuji dengan foto baru yang belum pernah dilihat, dan hasilnya dinilai dari seberapa sering tebakannya benar.

Proses ini menjelaskan kenapa data sangat penting. Data yang bias, tidak lengkap, atau salah label bisa menghasilkan sistem yang salah juga, meskipun teknologinya canggih. Karena itu, machine learning bukan sekadar soal algoritma, tetapi juga soal kualitas data, cara menguji, dan batas pemakaian sistem.

• Deep Learning sebagai Bagian dari Machine Learning

Deep learning adalah bagian dari machine learning yang memakai jaringan saraf tiruan dengan banyak lapisan.  Deep learning banyak dipakai untuk pengenalan gambar, pengenalan suara, dan pemrosesan bahasa, terutama bila datanya sangat banyak.

Di sinilah perbedaan ai dan machine learning menjadi jelas dalam diagram. AI adalah lingkaran terbesar, machine learning adalah lingkaran di dalamnya, dan deep learning adalah lingkaran yang lebih kecil lagi di dalam machine learning. Jadi, semua deep learning adalah machine learning, dan semua machine learning adalah AI, tetapi tidak semua AI memakai machine learning, dan tidak semua machine learning memakai deep learning.

Perbedaan AI dan Machine Learning dalam Satu Tabel

Tabel ini menyederhanakan hubungan yang sebenarnya lebih kompleks, tetapi cukup untuk keperluan sehari-hari.

Contoh Nyata dan Kapan Memakai Istilah yang Tepat

Contoh AI yang bukan machine learning antara lain asisten yang menjawab dengan aturan tetap, kalkulator rute yang memakai aturan jalan, atau permainan yang memakai pencarian langkah yang sudah diprogram. Contoh machine learning antara lain rekomendasi video berdasarkan tontonan sebelumnya, filter spam yang belajar dari email yang ditandai pengguna, dan sistem yang memprediksi kemungkinan hujan dari data cuaca masa lalu.

• Contoh AI yang Bukan Machine Learning

Sistem aturan masih banyak dipakai karena mudah dipahami, mudah diperbaiki, dan hasilnya bisa diprediksi. Misalnya, sebuah toko daring bisa menampilkan promo bila total belanja melewati batas tertentu. Aturan itu tidak belajar dari data, tetapi tetap membantu dan terasa cerdas bagi pengguna.

• Contoh Machine Learning Sehari-hari

Machine learning terasa dalam banyak layanan yang kamu pakai setiap hari. Aplikasi foto bisa mengelompokkan wajah, keyboard bisa menyarankan kata berikutnya, dan layanan streaming bisa merekomendasikan lagu berdasarkan riwayat dengar. Semua itu memakai pola dari data, bukan aturan yang ditulis satu per satu untuk setiap pengguna.

Jadi, perbedaan ai dan machine learning paling mudah diingat dengan kalimat ini: AI adalah tujuannya, machine learning adalah salah satu caranya. Pakai istilah AI bila membahas bidang atau kemampuan secara umum, dan pakai istilah machine learning bila sistemnya memang belajar dari data.

Pertanyaan Seputar AI dan Machine Learning

Apa perbedaan ai dan machine learning secara singkat?

AI adalah payung besar untuk mesin yang meniru kecerdasan manusia, sedangkan machine learning adalah cabang AI yang belajar pola dari data. Semua machine learning adalah AI, tetapi tidak semua AI memakai machine learning.

Apakah deep learning sama dengan AI?

Tidak. Deep learning adalah sebuah bagian dari machine learning, dan machine learning itu sendiri adalah bagian dari AI. Deep learning memakai jaringan saraf tiruan berlapis banyak dan biasanya dipakai bila datanya sangat banyak dan polanya kompleks.

Kapan sebaiknya memakai istilah AI dan kapan machine learning?

Pakai istilah AI untuk pembahasan umum tentang kemampuan mesin yang cerdas, misalnya AI dalam layanan pelanggan. Pakai istilah machine learning bila sistemnya memang dilatih dari data, misalnya model rekomendasi atau deteksi spam berbasis data.

Apakah semua produk yang mengklaim AI memakai machine learning?

Tidak selalu. Sebagian produk memakai aturan, pencarian, atau penalaran yang ditulis manusia, tanpa belajar dari data. Bila klaimnya penting untuk keputusan pembelian atau pekerjaan, periksa penjelasan cara kerja produk atau dokumentasi resminya.