Evolutionary Machine Learning: Pembelajaran Mesin Otonom Berbasis Komputasi Evolusioner


Author: Prof. Dr. Suyanto, S.T., M.Sc., Anditya Arifianto, S. T., M. T., Rita Rismala, S. T., M. T., Dr. Andi Sunyoto, M.Kom.

Published: October 2020

PublisherInformatika, Bandung, Indonesia

ISBN: 978-623-7131-38-0

Synopsis

Bagi sebagian orang, Artificial Intelligence (AI), Machine Learning (ML), dan Deep Learning (DL) telah menjadi teknologi disruptif yang mengancam pekerjaan mereka. Namun, bagi sebagian yang lain, semua teknologi itu justru memudahkan dan memurahkan berbagai pekerjaan sehingga mereka bisa lebih banyak menikmati hiburan dan liburan. Bagi sebagian tentara, khususnya yang berada di barisan depan, mungkin akan lebih senang jika tugas mereka digantikan oleh robot-robot perang. Akan lebih manusiawi jika perang hanya melibatkan robot-robot cerdas, yang mampu membedakan robot dan manusia sasaran, sehingga tidak perlu ada korban jiwa. Saat ini, DL dianggap sebagai teknik komputasi penuh keajaiban yang mendisrupsi kemapanan ML konvensional, yang umumnya memiliki banyak kelemahan terkait efektivitas dan efisiensi komputasi. Tetapi, perancangan ML dan DL yang optimal membutuhkan manusia yang ahli di bidangnya (domain experts). Desain struktur, arsitektur, hingga pengaturan hyperparameter ML dan DL bisa berbeda-beda untuk setiap kasus yang dihadapi. Selain itu, masalah lain yang lebih serius adalah ML dan DL hanya bisa menyelesaikan masalah klasifikasi, klasterisasi, rekognisi, deteksi, prediksi, dan segala turunannya. Keduanya tidak bisa menyelesaikan masalah optimasi, penjadwalan (scheduling dan timetabling), perencanaan (planning), dan berbagai masalah kombinatorial. Untuk mengatasi kekurangan tersebut, para ahli telah mengembangkan teknik yang disebut Evolutionary Machine Learning (EML). Buku ini memberikan gambaran holistik, namun simpel, mengenai ide dasar, capaian, peluang, tantangan, dan masa depan EML. Penjelasan logis dan diskusi dikemas secara ringkas mulai dari konsep dasar yang paling simpel, lalu secara perlahan bergerak hingga gagasan yang relatif kompleks. Setiap model EML dibahas dari ide dasar, motivasi, visualisasi, formulasi matematis, hingga aplikasi yang telah dicapai.

Daftar Isi (Table of Content).