Di era digital seperti ini perkembangan teknologi melaju dengan cepat. Banyak perubahan-perubahan yang terjadi pada kehidupan kita sehari-hari yang dipengaruhi oleh teknologi. Salah satu teknologi yang sedang tren pada saat ini adalah Artificial Intelligence (AI). AI digadang-gadang akan menjadi teknologi yang akan mengubah kehidupan manusia. AI sendiri memiliki beberapa sub bidang diantaranya adalah Natural Language Processing (NLP), yaitu interaksi antara komputer dan manusia menggunakan bahasa yang biasa digunakan manusia dalam sehari-hari. Jadi, dengan adanya NLP, computer atau gawai dapat berkomunikasi dengan manusia tanpa harus menggunakan Bahasa komputer yang kompleks. Menurut kami, NLP merupakan sebuah hal yang akan tren dalam 5 tahun ke depan karena NLP itu sendiri akan sangat membantu manusia dalam berbagai aspek dalam kehidupannya.
Sebelum lebih jauh, pengertian dari NLP itu sendiri adalah mencari tau bagaimana manusia berkomunikasi satu sama lain dan bagaimana komputer meniru perilaku tersebut agar manusia dapat berinteraksi dengan komputer. lalu didalam proses tersebut terdapat dua bagian yang berperan yaitu Natural Language Understanding yang mana berperan untuk memahami apa yang user katakan dan apa maksudnya. lalu yang kedua ada Natural Language yang berperan untuk mencari tahu bagaimana data itu disampaikan ke user dengan cara yang cerdas dan komunikatif.
https://www.youtube.com/watch?v=UFtXy0KRxVI
(Shadifa Auliatama Harjanto | 1301194220 | WGTIK IF-42-GAB02)
Dalam pengembangannya, Natural Language (NL) memiliki banyak tantangan karena tipe data yang unik dibandingkan yang lain. Dan salah satu pemodelan yang termudah adalah dengan “bag of words” untuk memproses sebuah text. Seperti yang kita ketahui, dalam sehari-hari Bahasa yang kita gunakan sebenarnya cukup sederhana dan mudah dipahami, tetapi sebuah kata terkadang bisa bermakna lebih dari satu. Hal tersebut bukan menjadi masalah bagi manusia seperti kita. Akan tetapi, cara komputer mengolah kata tersebut akan berbeda. Dalam video tersebut, bag of words akan mengubah data menjadi matriks-matriks.
Sama halnya seperti saat kita mempelajari Bahasa baru, bila kita menemukan sebuah kalimat, kita hanya akan fokus pada beberapa kata yang sudah kita ketahui artinya dan kita akan menebak apa arti kalimat tersebut. Bag of words juga bekerja seperti itu, hanya berfokus pada kata kunci pada sebuah kalimat lalu mengubahnya menjadi matriks-matriks angka dan selanjutnya machine learning yang akan memproses matriks tersebut sehingga menghasilkan prediksi mengenai arti sebuah kalimat. Dari video tersebut dapat disimpulkan bahwa bag of words adalah salah satu pendekatan termudah di NLP.
https://www.youtube.com/watch?v=MNvT5JekDpg
(Muhammad Alfi Syahri Nasution | 1301190326 | WGTIK IF-42-GAB02)
Video ini mengenai cara komputer dan manusia berbicara satu sama lain secara natural tanpa ada keanehan didalamnya. yaitu dengan menggunakan NLP. Di video tersebut dijelaskan alur dari NLP yang mana terdapat dua bagian yaitu Natural Language Understanding untuk bagian memahami text yang di input di video ini sendiri penjelasannya lebih mengarah ke Natural Language Generation. Pembuktian bahwa Natural Language Generation itu penting sudah cukup baik dijelaskan video ini melalui contoh ketika google search menampilkan data cuaca minggu depan dengan membandingkan output text yang sudah tertemplate kata-katanya perhari untuk diulang sampai seminggu yang mana itu cukup membosankan dan terlihat tidak natural dibanding dengan output text yang sudah di proses Natural Language Generation yang akan mengoutputkan kata-kata yang lebih natural dan terlihat seperti berkomunikasi dengan manusia.
Dapat disimpulkan pula di video ini bahwa google telah membentuk sebuah tim research untuk mengembangkan Natural Language tersebut yang mana sampai sekarang sudah terlihat hasilnya. Dengan bantuan machine learning, natural language ini dapat bisa menebak kata seperti apa yang harus dikeluarkan berdasarkan data-data yang ditemukan. dengan hasil seperti ini, diharapkan beberapa tahun lagi natural language ini sudah bisa memperlihatkan hasil yang sudah sempurna dan bisa digunakan untuk mempermudah dalam hal berkomunikasi dengan komputer
https://www.youtube.com/watch?v=ieaqfU1BwJ8
(Muhammad Abdul Aziz | 1301194295 | WGTIK IF-42-GAB02)
Video ini menjelaskan bagaimana cara membuat pengklasifikasi teks custom menggunakan Bahasa alami (natural language) AutoML, pengklasifikasi teks yang akan dibuat berupa model machine learning yang bertujuan untuk merekomendasikan label untuk pertanyaan pada Stack Overflow mengenai machine learning.
Pertama-tama video ini menjelaskan pembuatan model klasifikasi sederhana yang hanya membedakan apakah sebuah pertanyaan menanyakan suatu hal tertentu atau tidak, disini contohnya mengenai TensorFlow .
Selanjutnya dijelaskan mengenai kelebihan daripada natural language AutoML , salah satunya adalah AutoML ini tidak hanya menampilkan nilai dari percobaan saja tapi juga menampilkan false positive dan false negative dari setiap kelas, dimana hal tersebut sangat membantu kita untuk menemukan titik kesalahan pada data kita atau pada model kita. Lalu natural language AutoML ini memungkinkan kita untuk menguji ide-ide kita yang memiliki cara pandang menyelesaikan masalah yang berbeda dengan mudah dan cepat, yang kita perlu lakukan hanyalah mengerti data yang kita miliki dan masalah yang ingin kita selesaikan, lalu melihat apakah sistem dapat melakukannya atau tidak. Itu berarti kita bisa fokus pada masalah yang kita ingin selesaikan (contoh pada video ini adalah melabeli pertanyaan pada Stack Overflow), daripada mencari tahu bagaimana cara memodelkan teks.
https://www.youtube.com/watch?v=Kgrywh8AxTM
https://www.youtube.com/watch?v=YaHETf_7Ivg
(Muhammad Zahruliff F A | 1301190418 | WGTIK IF-42-GAB02)
Berikut contoh penerapan dalam natural language processing:
- Sentiment analysis, yaitu ketika akan mengidentifikasi dan menjelaskan apakah suatu posting menghasilkan pendapat yang positif, negative, atau netral terhadap suatu produk atau merk. Perusahaan dapat mengukur seberapa besar pelanggan menerima produk atau layanan atau perubahan yang baru saja diperbarui seperti kebijakan terbaru perusahaan tersebut.
- Text analysis, yaitu ketika perusahaan ingin melakukan analisis terhadap review produk untuk mengetahui apa yang pelanggan suka dan tidak terhadap produknya dan bagaimana pelanggan mereka menggunakan produk mereka.
- Spam filters, yaitu dengan menggunakan NLP maka spam akan mudah terdeteksi dan tidak memenuhi penyimpanan. Cara kerjanya adalah menentukan kata-kata yang biasanya digunakan dalam spam lalu memasukkannya ke dalam program. Misalnya kata yang sering digunakan adalah “beli sekarang”, maka email tersebut akan dikategorikan spam
- Email classification, yaitu filter ketika ada email masuk akan dikategorikan berdasarkan isinya. Contohnya adalah gmail mempunyai 3 bagian email yaitu primary,social dan promotion. Untuk email pribadi akan masuk email primary sedangkan dari suatu perusahaan akan masuk dalam promotion.
- Autocomplete dan Autocorrect, yaitu ketika akan menuliskan suatu kata atau kalimat maka akan ada muncul rekomendasi yang benar dan ketika selesai menuliskan suatu kata atau kalimat tetapi ada yang salah maka akan muncul apa yang kita maksud. Contohnya adalah ketika ingin menuliskan “cuaca hari ini” di google. Maka ketika baru menuliskan cuaca maka akan muncul suggestion dibawahnya “cuaca hari ini”. Itulah yang dimaksud dengan autocomplete. Sedangkan contoh dari autocorrect adalah ketika menuliskan “keingiminan” maka akan langsung tergantikan dengan “keinginan”.
https://www.youtube.com/watch?v=Ls7elVbN8bI
(Muhammad Adam Firjatullah | 1301194082 | WGTIK IF-42-GAB01)
Tujuan dari pembuatan bahasa alami (NLG) atau sistem pembuatan teks adalah untuk menghasilkan teks bahasa alami yang koheren yang memenuhi satu set satu atau lebih tujuan komunikatif. Ada beberapa pendekatan NLG : Neutural Networks dan Rules-based.
Beberapa contoh AI in NLG seperti : Captioning Images (Secara otomatis memberi teks pada gambar), Harry Potter and NLG , Advertising. Untuk AI didorong NLG di masa depan adalah kita tidak hanya harus menceritakan yang menarik dari cerita dan suatu saat kita harus menceritakannya dari waktu ke waktu. Nilai yang dapat direalisasikan berupa Cakupan yang lebih luas sebesar 12x, Lebih sedikit kesalahan (lebih sedikit kesalahan dalam tata bahasa, akurasi data yang lebih baik), dan Lebih banyak waktu untuk jurnalisme investigasi.
NLG di 2017:
- Menghasilkan lebih banyak konten daripada penulis tradisional.
- Dapat mempersonalisasi konten hingga jutaan.
- Terutama digunakan dalam bidang intensif data seperti Jasa Keuangan (pendapatan, portofolio, dana), Kecerdasan Bisnis (penjualan, dasbor), E-commerce (deskripsi produk), Real Estate (Daftar, lingkungan), Personalisasi (email, iklan native), Olahraga (fantasi, permainan, pemain, siaran)
NLG pada 2027:
- Generalisasi NLG masih belum tercapai, tapi lebih dekat.
- NLG + NLP + NLU.
- Masih membutuhkan manusia, tapi kurang begitu.
- Manusia akan bertindak lebih sebagai editor daripada penulis.
- NLG vertikal akan tampak lebih ajaib karena set pelatihan karge dan mengurangi ruang lingkup.
- Lebih dari satu triliun potongan konten otomatis akan dibuat per tahun.
Pada dasarnya komputer sudah bisa melakukan banyak hal yang tentunya dapat lebih mempermudah pekerjaan manusia, tetapi terkadang kita merasa sedikit kesulitan dalam menggunakan fitur yang sudah terdapat pada komputer tersebut , disinilah natural language berperan sebagai penghubung antara kita dan komputer kita. Dengan banyaknya penerapan natural language seperti hal nya “bag of words” yang bertujuan memproses teks, lalu AutoML yang dapat dipakai untuk melatih mesin salah satunya adalah melatih mesin agar dapat mengklasifikasi teks, lalu ada sentiment analisys yang berfungsi mengidentifikasi apakah sebuah postingan menghasilkan pendapat positif , negatif atau netral, dan masih banyak lagi. Dengan melihat banyak nya penerapan yang bisa dibilang sudah sering sekali membantu manusia dalam berinteraksi dengan komputer , dapat disimpulkan bahwa natural language pasti akan lebih diminati dan akan berkembang lagi di masa yang akan datang, karena sebuah terobosan yang canggih dan sudah terbukti dari penerapannya yang berguna bagi manusia ini mana mungkin akan ditinggalkan begitu saja.
Referensi :
https://www.sas.com/en_us/insights/analytics/what-is-natural-language-processing-nlp.html
