ARDWORT

artificial intelligence + machine learning + natural language processing

[ardwort-blog]

@begobet aktif kembali? Ya gitu deh.

Iya, sekarang tanggal 1 April. Terus jadi masalah gitu? Kalau dirasa ya, silakan kirim keluhan ke Tiffy.

Benar @begobet aktif kembali tapi hanya untuk sementara karena penggunaan sumber daya sistemnya masih dianggap terlalu rakus. Jadi bisa dibilang saat ini kami hanya pamer saja setelah lama tidak memberikan kabar perkembangan 'mahluk unyu yang nyebelin' itu.

Error: [{'message': 'Rate limit exceeded', 'code': 88}]

Selain keterbatasan sumber daya, ternyata 'rate limit' Twitter masih menjadi sesuatu yang menyebalkan. Konversi ke golang belum selesai sepenuhnya. Code refactoring juga masih terus dilakukan1.

Oh, ya. Bikin obrolan nyambung itu relatif mudah. Bikin obrolan yang lucu dan seru itu yang susah. Apakah kamu mengerti, kisanak?

Ya sudah, itu dulu. Kalau masih mau bersabar, syukur. Kalau tidak, ya ke laut aja.

1. Sesempatnya. Kamu kira kami gak punya pekerjaan ya?

[ardwort-blog]

Paris Hilton Problem: Masih jadi masalah?

Bagi manusia, membedakan Paris Hilton (selebriti seksi yang video seksnya sempat beredar di internet) dan hotel Hilton, Paris dalam sebuah tulisan sangatlah mudah, tapi apakah program komputer sudah bisa membedakannya?

Walaupun masih jauh jika dibandingkan dengan kemampuan manusia, saat ini program komputer sudah mulai bisa melakukannya. Berikut adalah contoh pengembangan teknologi yang berhasil dilakukan oleh Ardwort.

Dalam contoh di atas, kata Barcelona (yang juga ditulis dalam artikel itu sebagai Barca dan Los Cules) berhasil diidentifikasi sebagai sebuah klub sepak bola (yang memiliki nama lengkap Futbol Club Barcelona) dan bukan kota Barcelona di Spanyol (walaupun pada kenyataannya klub yang dimaksud berbasis di kota itu).

Pekerjaan pengenalan entitas bernama (named entity recognition) yang merupakan bagian dari domain IE (information extraction) memang bukanlah hal yang sederhana. Keterbatasan kapasitas komputer dalam memproses data adalah hal yang sering dihadapi di Ardwort. Hal lain yang menyulitkan adalah minimnya sumber data. Banyak data yang digunakan dalam proses pembelajaran adalah dalam bahasa asing. Namun walaupun demikian, metode co-training berhasil dilakukan sehingga memungkinkan untuk memangkas waktu pembelajaran.

Proses pengenalan entitas ini tidak selamanya berlangsung mulus, masalah yang umum ditemukan adalah ketika menemui kata dan frasa yang ambigu (memiliki dua makna). Sebagai contoh, kata Hayam Wuruk dan Gajah Mada adalah nama-nama orang (raja dan petinggi militer terkenal dari kerajaan Majapahit) yang sering juga digunakan sebagai nama jalan (hampir semua kota besar di Indonesia biasanya memiliki jalan yang diberi nama Hayam Wuruk atau Gajah Mada, kecuali di Bandung). Untuk menyelesaikan permasalahan tersebut, biasanya seorang manusia akan menggunakan konteks (dalam sebuah kalimat atau bahasan bertema), hal yang sama juga berhasil direplikasikan menjadi program komputer. Sehingga pada contoh berikut, berhasil diidentifikasi Suzuki sebagai sebuah perusahaan (organisasi) dan sebagai nama produk.

Lalu apa gunanya ini semua?

Dalam domain Information Extraction, kemampuan mengenali entitas bernama akan meningkatkan pemahaman terhadap konteks. Contoh nyata, IBM Watson, Google Knowledge Graph, Facebook Graph Search, dll. Tidak hanya itu, teknologi ini juga dapat digunakan dalam bidang medis (mengenali entitas kedokteran, mengolah hasil penelitian laboratorium secara otomatis, dll.) dan juga bidang rekayasa (engineering) lainnya.

Ketersediaan teknologi ini

Sabar, ya. Nikmati saja libur Lebaran dahulu.

[ardwort-blog]

Tentang Machine Learning (Pembelajaran Mesin)

repost dari blognya Lantip dengan sedikit perubahan.

Machine Learning adalah bagian dari Artificial Intelligence. Intinya tentang bagaimana sebuah mesin “belajar” dan mengenali bahasa manusia. Proses di dalamnya melibatkan rumus-rumus yang rumit dan juga proses trial and error dari banyak pihak. Ilmu ini berkembang pesat, dan nampaknya di Indonesia juga semakin banyak yang tertarik dengan dunia ini.

Permasalahannya — kalau boleh dibilang masalah — adalah bagaimana menerangkan hal itu kepada orang yang tidak bergerak di bidang IT? Mereka yang bergerak di bidang IT, terbiasa googling, banyak baca wikipedia, paling nggak sedikit banyak ngerti alur maupun logika dari yang dinamakan machine learning, tetapi bagi mereka yang bukan “golongan” itu, tentu kesulitan.

Apa kebutuhannya menerangkan hal ini kepada orang non IT? Bagi saya, karena AI itu kurang lebih muncul sebagai jawaban atas kebutuhan manusia. Dan adalah bodoh jika apa yang disebut “jawaban” itu tidak dipahami oleh si manusia itu sendiri. Maka, berikut ini gambaran machine learning diterangkan oleh Jim Geovedi, dengan bahasa yang gamblang. Oh iya, Jim menerangkan ini kepada neng yuke dan lola yang notabene adalah Event Organizer, maka perumpamaan yang diambil seputar band. Semoga hal ini bisa jadi acuan tentang bagaimana menerangkan machine learning, atau umumnya AI, kepada masyarakat lebih luas. Teks di bawah ini saya kutip sesuai aslinya.

neng yuke dan lola kan biasa ngurus acara yang melibatkan banyak band. dan suatu ketika manage suatu acara yang melibatkan beberapa band dengan berbagai genre. masalah muncul ketika harus bikin rundown atau membedakan stage setiap group band, supaya tidak genre clash dan punya rundown yang enak.

nah, cara yang paling mudah mungkin langsung bertanya dengan personil atau manajemen band tersebut, atau ke orang lain yang sudah lebih dulu mengenal band tersebut. tapi mungkin kalian iseng… coba untuk mengidentifikasi berdasarkan sejumlah informasi yang sifatnya terbatas. misalnya, nama band, kota asal, logo band, kemudian jumlah personil dan instrumen yang digunakan.

contoh yang paling mudah, ini adalah contoh nama-nama band: 'besok bubar', 'suffocation', 'om soneta', 'runtah', 'ragaji mesin', 'death vomit', 'seringai', 'dewa', 'kahitna', 'java jive', dan 'padi'

berbekal pengalaman terdahulu, ada stereotype dari penamaan band seperti:

kalau band metal biasanya punya nama-nama gahar, gak jauh-jauh dari unsur terror, horror, death, dsb.

kalau band dangdut biasanya dimulai dengan awalan 'om' (orkes melayu)

band punk atau hardcore punya nama yang cenderung umum namun gak lazim digunakan.

band pop atau rock, cenderung netral

dari beberapa nama tersebut, sudah mulai bisa diklasifikasikan:

band metal: ['suffocation', 'death vomit']

band dangdut: ['om soneta']

band punk/hardcore: ['besok bubar', 'seringai', 'ragaji mesin']

band pop/rock: ['dewa', 'padi', 'kahitna', 'java jive']

kemudian dari koleksi band pop/rock ['dewa', 'padi', 'kahitna', 'java jive'] ingin diketahui mana band rock dan mana band pop. informasi yang sudah diketahui adalah jumlah personil band rock biasanya berjumlah 5 orang atau kurang dengan 2 pemain gitar (lead & rhythm), dan ada beberapa yang extra keyboard player. sementara band pop ada kecenderungan punya beberapa vokalis dan biasanya punya keyboard player.

dari informasi tersebut akhirnya diklasifikasikan:

band rock: ['dewa', 'padi']

band pop: ['kahitna', 'java jive']

nah, dalam teknologi machine learning, informasi nama band, kota asal, logo band, kemudian jumlah personil dan instrumen yang digunakan itu dikenal sebagai 'features'. kemudian, informasi stereotype yang diketahui dikenal sebagai 'frequency distribution'.

dengan membandingkan features dan frekuensi, bisa data bisa diproses. tingkat akurasinya tergantung berapa besar features yang dimiliki dan seberapa sering features yang berhubungan dengan data tersebut muncul untuk kasus-kasus lain. dan tentunya tidak 100% akurat karena akan ditemukan penyimpangan di sana-sini. misalnya band 'kuburan' yang mungkin akan diklasifikasikan sebagai band 'metal', namun ternyata genrenya 'rock' (mungkin dulu mereka main metal, namun namanya masih dipertahankan).

gitu... deh. :-P

Nah, bagaimana? gamblang bukan? :-)

vale, demi pemahaman

el rony, belajar agar bisa bilang 'cara mudahnya'

[ardwort-blog]

Kompetisi -1

Jika ada dua atau lebih perusahaan yang memproduksi produk atau bergerak dalam bidang layanan yang serupa, maka dapat dipastikan masing-masing mereka akan saling berkompetisi untuk memenangkan persaingan, untuk menjual produk yang lebih banyak atau untuk mendapatkan pelanggan yang lebih banyak. Kompetisi adalah hal yang wajar, terlepas dari kondisi sehat atau tidaknya kompetisi tersebut. Tidak jarang sampai ada yang menghalalkan segala cara untuk menjadi pemenang dalam kompetisi bisnis karena menurut mereka kalah bukanlah pilihan.

Namun apakah yang dilakukan oleh perusahaan-perusahaan tersebut dalam berkompetisi? Dari sekian banyak hal, yang umum dilakukan adalah "memberikan fitur lebih" pada produk maupun layanan daripada yang diberikan oleh kompetitornya. Metode ini biasa dikenal sebagai kompetisi +1. Jika kompetitor mampu memberikan 3 fitur pada produknya, maka kita dipaksa untuk memberikan 4 fitur pada produk yang kita miliki. Jika kita mampu memberikan 5 atau lebih fitur, mungkin kita akan jadi pemenang kompetisi. Setidaknya sampai kompetitor dapat memberikan jumlah fitur lebih banyak daripada yang kita miliki.

Persaingan antar perusahaan telekomunikasi selular di negeri ini adalah contoh yang baik. Hampir semua pelaku persaingan menawarkan program layanan yang menggiurkan, sampai-sampai ada yang berani memberikan layanan telepon yang nyaris gratis untuk sesama pengguna. Walaupun pelanggan yang diuntungkan, namun dari sisi bisnis jelas persaingan tersebut menjadi tidak sehat. Persaingan usaha seperti ini tidak akan dapat pernah berakhir sampai salah satu dari para kompetitor gulung tikar dan menyisakan kompetitor yang selamat harus terseok-seok membangun kembali bisnisnya.

Layaknya perusahaan lain, Ardwort senang berkompetisi (dan tidak jarang kami memilih siapa yang menjadi kompetitor kami). Tapi dalam menyikapi kompetisi tersebut, kami lebih menggunakan akal sehat. Strategi kami cukup sederhana, kompetisi -1. Dalam proses pengembangan produk dan layanan, kami berani menghapus banyak fitur dan value-added services. Kami hanya akan menyediakan layanan yang mampu kami jamin kualitasnya. Kami fokus dalam penyelesaian permasalahan-permasalahan yang lebih sederhana namun efektif dan meninggalkan permasalahan-permasalahan kompleks pada kompetitor kami.

Banyak pengguna dan fans bertanya-tanya mengapa bot-bot kami, yang notabene adalah side-projects kami, hanya fokus pada platform Twitter dan tidak di berbagai platform lainnya (seperti Facebook, Google Talk, MSN, AIM, dan lain sebagainya). Sebagai catatan, kalaupun ada sejumlah bot kami tersedia di Koprol, itu lebih karena kami pernah punya niatan baik untuk mendukung platform lokal tersebut, tidak lebih. Namun saat ini, kami sedang meninjau kembali keputusan kami tersebut. Kami memilih Twitter karena lebih banyak penggunanya (yang juga menjadi target audience kami) yang menggunakan akal sehat, tidak manja atau online karena mencari goodie bags.

Hal yang sama juga berlaku ketika kami menghadapi klien. Kami hanya memberikan produk dan layanan dapat kami jamin kualitasnya dan ketersediaannya. Kami selalu bersuka cita untuk menolak permintaan klien. Prinsip kami, kehilangan satu klien bawel akan memberikan kami lebih waktu luang untuk menikmati hidup dengan berendam di Jacuzzi, bermain dengan anak atau memilih gebetan baru.

[ardwort-blog]

Kebebasan

Kebebasan mungkin adalah hal yang termahal dalam hidup ini. Kebebasan untuk mengemukakan pendapat sering kali harus dibayar mahal ketika pihak-pihak yang berkuasa merasa bahwa pendapat tersebut sudah menyinggung mereka. Kebebasan untuk menentukan pilihan juga bernasib sama. Di Ardwort Intillegence, kami membebaskan semua orang yang terlibat untuk menentukan dan melakukan apa yang hendak mereka lakukan dengan satu catatan... semua itu harus dilakukan dengan bertanggungjawab.

Menjunjung tinggi kebebasan yang bertanggungjawab juga diterapkan dalam hal menentukan bahasa pemrograman. Kami menggunakan sejumlah bahasa pemrograman, mulai dari yang bersifat populer maupun yang terhitung 'baru'. Semua dipilih dengan tanggungjawab setiap personil di Ardwort Intillegence untuk mendukung bahasa pemrograman tersebut.

Sebagai contoh, kami menggunakan Python untuk keperluan pengembangan twitter bots kami. Kami memilihnya bukan karena kami mahir menguasainya, namun lebih karena kami akan terlihat lebih ganteng ketika menggunakannya. Alasan yang sama ketika kami memilih menggunakan Haskell atau Go untuk sejumlah proyek-proyek rahasia adalah semata-mata supaya kami terlihat lebih sehat dan bugar tanpa harus menghabiskan uang banyak untuk pergi ke gym demi menjaga perut kami tetap six packs.

Sudah tentu kami di Ardwort Intillegence lebih baik dari kebanyakan developers.