Siklus forward-loss-backward-update yang kita jalankan tangan pada Chapter sebelumnya adalah mesin yang sama dengan yang bekerja di balik produk yang dipakai miliaran orang setiap hari. Deep learning menjadi fondasi untuk membuka kunci ponsel lewat wajah, menerjemahkan bahasa asing secara instan, dan merekomendasikan tontonan yang relevan. Memahami peta penerapannya membantu kita memilih arsitektur yang tepat untuk masalah yang ingin diselesaikan. Chapter ini sengaja menempuh jalur konseptual tanpa kode: tugasnya adalah membangun peta domain, tugas, dan arsitektur yang menjadi rujukan bab implementasi berikutnya.
Visi Komputer #
Visi komputer adalah domain yang paling awal menunjukkan keunggulan deep learning. Tugas-tugas utamanya meliputi klasifikasi gambar (menentukan isi gambar), deteksi objek (menemukan posisi kendaraan atau pejalan kaki dalam bingkai), dan segmentasi (memisahkan tepi objek dari latar piksel demi piksel). Arsitektur CNN klasik seperti ResNet serta varian modern Vision Transformer mendominasi bidang ini.
Produk nyatanya mudah ditemui. Mode potret pada kamera ponsel memakai segmentasi untuk memisahkan orang dari latar sehingga latar belakang bisa diburamkan. Fitur buka kunci wajah mengubah foto menjadi embedding lalu mencocokkannya dengan data terdaftar. Kendaraan otonom menggabungkan deteksi objek dari kamera dan sensor radar-lidar untuk membaca jalan dalam waktu nyata.
Bahasa dan Teks #
Pemrosesan bahasa alami (natural language processing, NLP) bergerak dari aturan tata bahasa menuju model yang belajar representasi kata dari miliaran kalimat. Tugas khasnya mencakup terjemahan mesin, ringkasan dokumen, analisis sentimen, dan pembangkitan teks. Sejak 2017, arsitektur Transformer menjadi standar; pustaka Transformers dari Hugging Face membuat arsitektur tersebut dapat dipakai lewat beberapa baris kode.
Contoh produknya menyatu dalam pekerjaan harian. Google Translate menerjemahkan teks dan gambar antarbahasa secara instan. Asisten percakapan berbasis large language model (LLM) menjawab pertanyaan dan menyusun draf dokumen. Fitur koreksi tata bahasa pada pengolah kata mendeteksi kesalahan penulisan dan menyarankan perbaikan berdasarkan konteks kalimat, bukan sekadar kamus.
Suara dan Bicara #
Pemrosesan suara mengubah gelombang audio menjadi teks (speech-to-text), menghasilkan suara alami dari teks (text-to-speech), dan memisahkan suara pembicara yang tumpang tindih. Model modern memakai kombinasi CNN untuk mengekstraksi pola spektrum audio dan Transformer untuk memodelkan urutan.
Ponsel Anda kemungkinan memuat ketiganya. Fitur dikte menyalin ucapan menjadi teks pesan. Asisten suara bangun dari kata kunci lalu menjawab perintah bersuara. Model transkripsi open source seperti Whisper menghasilkan notulen rapat dari rekaman panjang, termasuk bahasa Indonesia.
Pengambilan Keputusan: Reinforcement Learning #
Reinforcement learning (RL) memindahkan lokasi belajar: alih-alih dataset berlabel, sebuah agen belajar dari interaksi dengan lingkungan dan menerima imbalan ketika tindakannya berhasil. Deep learning masuk sebagai fungsi keputusan — policy network — yang memetakan keadaan lingkungan ke tindakan terbaik.
Capaian paling dikenal terjadi di permainan strategi: sistem AlphaGo mengalahkan juara dunia Go dengan menggabungkan policy network, value network, dan pencarian pohon. Di luar permainan, RL melatih lengan robot di gudang logistik memilih dan menata barang, serta menyetel penjadwalan sumber daya pusat data agar konsumsi energinya efisien.
Kedokteran dan Sains #
Pada kedokteran, deep learning membaca citra medis dengan tingkat kecermatan yang menyaingi spesialis untuk kelas kelainan tertentu. CNN dua dimensi menganalisis foto retina untuk skrining retinopati diabetes; CNN tiga dimensi memeriksa irisan CT dan MRI untuk menandai wilayah jaringan yang mencurigakan. Tenaga medis tetap pemegang keputusan akhir — model berperan sebagai penyaring awal yang mempercepat penentuan prioritas kasus.
Riset sains murni turut terdorong. Sistem AlphaFold memprediksi struktur protein dari rangkaian asam aminonya, sebuah persoalan yang sebelumnya membutuhkan bertahun-tahun eksperimen laboratorium per protein. Prediksi struktur yang cepat mempercepat riset obat karena kandidat molekul dapat disaring melalui simulasi komputasi sebelum diuji di laboratorium.
Sistem Rekomendasi #
Sistem rekomendasi memutuskan video, lagu, atau produk mana yang layak tampil lebih dulu untuk tiap pengguna. Pendekatan deep learning yang lazim disebut two-tower network: satu menara mempelajari representasi pengguna dari riwayat interaksi, satu menara lagi mempelajari representasi item, lalu kesamaan kedua representasi menjadi skor kelayakan. YouTube, Netflix, dan Spotify memakai keluarga teknik ini untuk menyusun umpan personal; toko daring memakainya untuk mengurutkan produk.
Peta Ringkas: Domain, Tugas, Arsitektur #
Tabel berikut merangkum seluruh domain di atas beserta pasangan tugas-arsitektur yang lazim:
| Domain | Contoh tugas | Arsitektur umum | Contoh produk |
|---|---|---|---|
| Visi komputer | Klasifikasi, deteksi objek, segmentasi | CNN, Vision Transformer | Mode potret kamera, buka kunci wajah, kendaraan otonom |
| Bahasa dan teks | Terjemahan, ringkasan, tanya jawab | Transformer | Google Translate, asisten percakapan |
| Suara | Transkripsi, sintesis suara | CNN + Transformer | Dikte ponsel, notulen otomatis |
| Reinforcement learning | Pengendalian, permainan strategi | Policy dan value network | AlphaGo, robot gudang |
| Kedokteran | Skrining citra medis | CNN 2D/3D | Skrining retina, penandaan wilayah CT |
| Rekomendasi | Personalisasi umpan | Two-tower network | Netflix, Spotify, YouTube |
Sebagai contoh cara komponen-komponen ini dirangkai menjadi satu produk, kita bedah fitur buka kunci wajah sebagai pipeline berurutan:
Pipeline di atas memperlihatkan pola yang berulang di hampir semua penerapan: data mentah dipraproses, model deep learning menghasilkan representasi ringkas, lalu komponen klasik — pengukuran jarak, aturan ambang, atau model linear — menyelesaikan keputusan akhir. Deep learning jarang berdiri sendiri; kekuatannya ada pada posisinya sebagai mesin representasi di tengah sistem yang lebih besar.
Pola besar penerapan deep learning kini terpetakan. Peta ini sekaligus memunculkan pertanyaan kritis: seberapa besar sesungguhnya keunggulan deep learning, dan harga apa yang harus dibayar untuk mendapatkannya? Chapter berikutnya menimbang kelebihan dan keterbatasannya secara jujur, termasuk biaya data dan komputasi yang jarang dibicarakan di presentasi produk.