Machine Learning (ML) atau pembelajaran mesin adalah sub-bidang dari AI yang berfokus pada pengembangan algoritma yang memungkinkan sistem belajar dari data tanpa diprogram secara eksplisit. Alih-alih mengikuti serangkaian aturan yang ditulis oleh manusia, sistem ML mengidentifikasi pola dalam data dan menggunakan pola tersebut untuk membuat prediksi atau keputusan.
Konsep dasar ML adalah pembelajaran dari pengalaman. Sebuah model ML diberi data pelatihan — misalnya, ribuan gambar kucing dan anjing — dan secara otomatis menemukan pola yang membedakan keduanya. Setelah dilatih, model dapat mengklasifikasikan gambar baru yang belum pernah dilihatnya sebelumnya. Proses ini analog dengan cara manusia belajar: kita tidak perlu dijelaskan aturan setiap situasi; kita belajar dari pengalaman dan contoh.
ML dapat dikategorikan menjadi beberapa jenis berdasarkan cara pembelajarannya. Supervised Learning menggunakan data berlabel (misalnya, email yang sudah diberi label "spam" atau "bukan spam") untuk melatih model. Unsupervised Learning menggunakan data tanpa label untuk menemukan pola tersembunyi, seperti mengelompokkan pelanggan berdasarkan perilaku pembelian. Reinforcement Learning menggunakan sistem hadiah dan hukuman untuk melatih model mengambil keputusan berurutan, seperti dalam permainan catur atau robotika.
ML telah menjadi mesin penggerak di balik banyak teknologi yang kita gunakan sehari-hari. Sistem rekomendasi di Netflix dan Spotify menggunakan ML untuk menyarankan konten. Asisten suara seperti Siri dan Google Assistant menggunakan ML untuk mengenali ucapan. Aplikasi terjemahan menggunakan ML untuk menerjemahkan antar bahasa. Dalam bidang kesehatan, ML digunakan untuk mendiagnosis penyakit dari gambar medis.
Perbedaan utama antara ML dan pemrograman tradisional terletak pada pendekatannya. Dalam pemrograman tradisional, manusia menulis aturan eksplisit, dan komputer menerapkannya pada data. Dalam ML, manusia memberikan data dan jawaban yang diinginkan, dan komputer menemukan aturannya sendiri. Inilah sebabnya ML sangat kuat untuk masalah yang terlalu kompleks untuk dibuatkan aturan secara manual, seperti pengenalan wajah atau pemrosesan bahasa alami.
ML juga menjadi fondasi bagi Deep Learning, yang menggunakan jaringan saraf dengan banyak lapisan untuk menangani data yang lebih kompleks. Seiring dengan meningkatnya ketersediaan data dan daya komputasi, ML terus berkembang dan membuka kemungkinan baru di berbagai bidang.