Dari SD kita sudah belajar membaca, menulis, berhitung, dan lain-lain. Saat belajar biasanya dimulai dari yang sederhana kemudian lanjut ke yang sulit. Hal tersebut wajar, karena jika langsung sulit dipastikan siswa akan ‘down’.

Waktu terus berjalan, teknologi berkembang, hingga munculah Artificial Intelligence (AI) yang memanjakan siswa. Waktu ada kalkulator pun guru sudah cemas dan khawatir, siswa kurang teliti dalam berhitung, apalagi jika ada AI?

Ternyata kalkulator, komputer, dan aplikasi-aplikasi vertikal (SPSS, rapidminer, dll) tidak membuat mahasiswa kurang kompeten. Alat-alat tersebut ternyata bisa juga dimanfaatkan untuk alat bantu memahami ilmu yang akan dipelajari. Sebagai contoh untuk yang belajar jaringan syaraf tiruan (JST) dalam memahami fenomena dapat menggunakan ChatGPT dan alat simulator lain (misalnya MATLAB).

Salah satu buku yang menurut saya menarik adalah buku karangan Englebrecht dalam membahas JST. Dia menerangkan konsep network dimulai dari satu neuron terlebih dahulu, umpan maju dan mekanisme learning. Dengan 1 neuron penjelasan lebih sederhana.

Beragam jenis JST diturunkan dari model di atas, yang diperkenalkan pertama kali oleh Pitt. Untuk jalur balik backpropagation dengan beragam learning rule sangat mudah dipelajari (SGD, Widrow-hoff, delta rule, dll).

Nah, dengan AI kita bisa dengan mudah mengimplementasikan model matematik tersebut untuk network dengan 1 neuron.

Perhatikan bagaimana Delta Rule melakukan perubahan bobot dan bias dibanding SGD dimana yang satu menggunakan error, SGD dengan gradien yang diambil dari derivatif/turunan sinyal output. Juga pada bagian bias-nya. Termasuk dengan chatGPT bisa juga langsung menanyakan grafik boundary, dengan Google Colab. Ini contoh untuk kasus penyelesaian logika AND, nah silahkan coba kasus lainnya. Di sini ternyata untuk logika XOR tidak bisa dengan 1 neuron.