Memahami Cara Kerja Teknologi Deep Learning dan Manfaatnya Dalam Kehidupan Sehari-hari
Di kalangan industri teknologi informasi, aspek Deep Learning yang merupakan bagian dari Artificial Intelligence (AI) kini mendapat perhatian khusus. Sebagai upaya untuk mewujudkan berbagai manfaat dan pengklasifikasian yang lebih baik terhadap beberapa aplikasi teknologi.
Terinspirasi dari cara kerja otak manusia, teknologi ini menggunakan proses pembelajaran berlapis (layered learning) untuk membantu komputer dalam mengklasifikasi, menyimpan dan mengakses data, yang dapat merujuk pada pembelajaran.
Hal ini berarti, teknologi Deep Learning dapat menggunakan seluruh gambar untuk mengenali, ketimbang mengandalkan aspek terpisah dari sebuah gambar. Proses ini bersifat kumulatif dimana kian banyak elemen yang digunakan, semakin baik klasifikasi yang bisa dihasilkan. Dengan begitu, aspek ‘learning‘ kian meningkat.
Kegunaan Deep Learning untuk pengenalan wajah (face recognition) dan klasifikasi gambar bahkan menjadikannya sebagai teknologi paling penting dalam industri keamanan. Teknologi tersebut menjangkau setiap aspek dalam industri keamanan. Mulai dari deteksi wajah dan kendaraan, hingga menganalisis perilaku (behaviour analysis). Dengan demikian, teknologi ini mulai mengubah fokus kegiatan keamanan dari yang sebelumnya bersifat reaktif, kini mampu memperkirakan berbagai permasalahan sebelum timbul.
Salah satu perusahaan yang cukup concern dalam pengembangan teknologi berbasis Deep Learning adalah Hikvision. Produsen asal Tiongkok ini telah memanfaatkan teknologi tersebut yang diterapkan pada sederetan produknya. Seperti kamera dengan kemampuan DeepInView IP dan DeepInMind NVR yang secara bersamaan menghadirkan seluruh daya dan manfaat teknologi Deep Learning.
Di satu sisi, kamera tersebut menghadirkan ‘mata’ yang canggih bagi sistem. NVR menghasilkan kemampuan pengukuran (analytic) dan penyimpanan otak. Berbagai produk membantu aspek keamanan dalam dua segi – pengenalan (recognition), pemantauan dan penghitungan orang serta pengenalan dan deteksi kendaraan. Penggunaan teknologi Deep Learning sangat efektif terkait kemampuannya dalam mengklasifikasi dan mengenali ribuan ‘fitur’.
Secara jelas, pendekatan berlapis-lapis (multi-layered) ini memakai banyak memori dan kinerja. Hal ini pula yang menjadi salah satu alasan mengapa teknologi ini telah banyak menyebar selama beberapa tahun terakhir. Supaya lebih jelas, dalam beberapa tahap awal dari pengembangan teknologi tersebut, ada 1.000 perangkat dengan 16.000 CPU yang dibutuhkan untuk membuat simulasi jaringan saraf (neural). Kini, hanya sedikit GPU yang dibutuhkan.
Baik itu Intel, nVidia, Hikvision tengah menjajaki berbagai peluang Deep Learning dalam industri pengawasan (surveillance). Inovasi lainnya adalah memfasilitasi dan meningkatkan industri dengan memanfaatkan codec H.265+ yang mengurangi transmisi pitalebar (bandwidth) dan kebutuhan penyimpanan data. Sehingga secara teori tak ada penurunan mutu meski data yang dibagikan dan disimpan berlipat-lipat kali lebih besar.
Penerapan teknologi ini jumlahnya banyak. Sebagai contoh, teknologi yang mendukung sistem ini menghadirkan kegunaan black list/white list alarm yang bermanfaat dalam skenario penggunaan access control. Teknologi itu juga bisa digunakan untuk mengenali perilaku yang mencurigakan. Sehingga memungkinkan staf keamanan dalam mencegah permasalahan orang-orang yang berkeliaran di sekitar lokasi.
https://gizmologi.id/teknologi/deep-learning/
'
