Tulisan ini sekedar ilustrasi untuk membedakan pemahaman tentang data science, machine learning dan artificial intelligence. Mula-mula akan didefinisikan dulu istilah-istilah itu dengan sangat sederhana agar segera mudah dilihat perbedaan antara ketiga bidang itu:
Data science menghasilkan wawasan. Machine learning menghasilkan prediksi. Artificial Intelligence menghasilkan tindakan.
Data science dibedakan dari dua bidang lain karena sasaran utamanya adalah manusia yang akan memperoleh wawasan atau pemahaman. Ciri utama data science selalu ada keterlibatan manusia dalam prosesnya: seseorang akan memperoleh wawasan, melihat gambar, atau memperoleh manfaat dari kesimpulan.
Misalkan sedang dibuat mobil yang self-driving yang akan mampu berhenti sendiri pada saat yang tepat. Diperlukan keterampilan penyusunan algoritma untuk ketiga bidang sekaligus: machine learning, artificial intelligence dan data science.
Machine learning: Mobil memiliki kemampuan mengenali tanda berhenti melalui penggunaan kamera. Sebelumnya dibangun dulu data set dari jutaan foto tanda-tanda (termasuk rambu lalu lintas) mobil harus berhenti. Kemudian dibuat sebuah algoritma untuk menghasilkan prediksi peluang mobil seharusnya berhenti.
Artificial Intelligence: Setelah mobil mampu mengenali tanda-tanda untuk berhenti, perlu diambil tindakan yang tepat kapan mobil akan mengerem. Ini akan berbahaya kalau mobil mengerem terlalu dini atau terlalu terlambat. Perlu pula dipertimbangkan kondisi jalan yang bervariasi (misalnya, di jalan licin mobil jangan mengerem terlalu cepat); ini merupakan masalah teori kontrol.
Data science: Di dalam uji jalan ditemukan bahwa performa mobil belum cukup baik. Kadang seharusnya mobil berhenti ternyata ia tidak berhenti dan sebaliknya seharusnya mobil tidak berhenti malah ia berhenti. Setelah dianalisis data uji jalan, misalnya, diperoleh wawasan (pemahaman) bahwa kesalahan itu tergantung pada pencahayaan. Kesalahan sering terjadi kalau mobil berjalan di malam hari karena memang data yang diberikan sebelumnya sebagian besar diambil di siang hari. Akhirnya dibangun dataset yang lebih baik termasuk data gambar di malam hari dan kembali mobil akan belajar lagi, dan seterusnya.
Rangkuman: dari contoh pembuatan mobil self-driving ini bisa dilihat berbagai tahapan yang akan digunakan machine learning untuk menghasilkan prediksi peluang mobil harus berhenti, penggunaan artificlial intelligence untuk melakukan tindakan pengereman dan penggunaan data science untuk memberikan wawasan tentang performa mobil self-driving.
Ringkasan & Kutipan 