Belajar Deep Learning - Sejarah, Perkembangan & Mengapa Mendalami

#Pendahuluan

Setelah di episode 0 kita menyiapkan environment — Python, PyTorch, TensorFlow, dan GPU — pada episode ini kita menarik napas sejenak dari hands-on dan memahami mengapa deep learning mendominasi. Sejarah sebuah bidang mungkin terasa tidak penting, padahal justru di sanalah letak alasan mengapa arsitektur modern berbentuk seperti sekarang.

Mengapa harus memahami sejarah? Karena setiap lompatan besar deep learning lahir dari kegagalan sebelumnya. Perceptron yang dianggap "menyelesaikan AI" runtuh karena keterbatasannya; jaringan saraf kembali bangkit setelah backpropagation ditemukan; dan transformer lahir dari frustrasi terhadap RNN yang lambat. Memahami pola ini membantu kalian menilai tren baru dengan kritis, bukan sekadar ikut-ikutan hype.

#Evolusi Deep Learning

#Perceptron (1958)

Pada 1958, Frank Rosenblatt membangun perceptron: neuron tunggal yang menerima input, mengalikan dengan bobot, menjumlahkannya, lalu melewati fungsi aktivasi step. Ia bisa mengklasifikasikan pola linear secara sederhana, dan media saat itu menyebutnya mesin yang akan "meniru otak".

Keterbatasannya fatal: perceptron tidak bisa mempelajari fungsi non-linear seperti XOR. Pada 1969, Marvin Minsky dan Seymour Papert memaparkan batas ini dalam buku Perceptrons, dan minat riset terhadap jaringan saraf meredup hampir dua dekade.

#Backpropagation (1986)

Kebangkitan datang pada 1986 ketika backpropagation dipopulerkan oleh Rumelhart, Hinton, dan Williams. Ide intinya sederhana namun revolusioner: hitung error di output, lalu propagasikan error itu mundur melalui jaringan untuk menghitung gradien tiap bobot. Dengan gradien, kita bisa mengupdate semua bobot sekaligus dengan gradient descent — dan jaringan bertingkat bisa belajar.

Konsep ini adalah jantung semua training deep learning sampai hari ini. Walaupun kini dihitung otomatis oleh autograd, memahami arah alurnya (forward → hitung loss → backward → update) akan menyelamatkan kalian saat debugging di episode 3.

#AlexNet dan ImageNet (2012)

Tonggak paling penting era modern: pada 2012, AlexNet memenangkan kompetisi ImageNet dengan error top-5 sebesar 15,3%, jauh mengalahkan pendekatan klasik (sekitar 26%). Rahasianya: GPU, ReLU, dan dropout. GPU memungkinkan training jaringan besar; ReLU mencegah gradien hilang; dropout mencegah overfit.

Peristiwa ini mengubah arah riset computer vision seketika. Konvolusi, pooling, dan arsitektur bertingkat — yang akan kalian pelajari di episode 7 — menjadi bahasa baru dalam pengolahan citra.

#Transformer (2017)

Pada 2017, Vaswani dkk. menerbitkan "Attention is All You Need". Mereka menggantikan RNN dengan self-attention: mekanisme yang menghitung relevansi antar token dalam satu kalimat secara paralel. Tidak seperti RNN yang memproses kata satu per satu, transformer memproses seluruh sequence sekaligus — memungkinkan paralelisasi besar dan skalabilitas tanpa batas.

Transformer menjadi fondasi semua model bahasa modern: GPT, BERT, LLaMA, dan seluruh arsitektur LLM yang akan kalian bedah di episode 12 dan 15.

#LLM dan Foundation Models (2020s)

Skala memunculkan fenomena baru: ketika parameter dan data diperbesar, model mulai menunjukkan kemampuan yang tidak direncanakan — reasoning, in-context learning, dan instruction following. Model seperti GPT-4, LLaMA, dan Claude disebut foundation models karena menjadi dasar yang bisa di-fine-tune untuk ribuan tugas.

#Multimodal dan Reasoning Models (2025-2026)

Tren 2025-2026: batas antar-modalitas runtuh. Model seperti Gemini dan GPT-5-class memproses teks, gambar, audio, dan video secara bersamaan. Di sisi lain muncul reasoning model (o1-class, R1, GRPO-trained) yang "berpikir" lewat chain-of-thought sebelum menjawab. Kedua tren ini kita bahas di episode 21 dan 22.

#Mengapa Deep Learning Penting di 2026

#Ia Mendasari Segala AI Modern

Hampir semua produk AI yang kalian pakai — asisten bahasa, pencari gambar, subtitle otomatis, rekomendasi — berjalan di atas satu fondasi yang sama: deep learning. LLM adalah transformer yang dilatih besar-besaran; computer vision adalah CNN atau ViT; generative AI adalah diffusion atau autoregressive model. Menguasai deep learning berarti menguasai akar seluruh ekosistem ini.

#Keterampilan Paling Dicari

Di 2026, posisi seperti ML Engineer, Deep Learning Engineer, dan Applied Scientist termasuk yang paling diminati dan bergaji tinggi. Perbedaan yang membedakan kandidat biasa dari kandidat luar biasa justru pemahaman fondasi: kalian paham mengapa learning rate terlalu besar membuat loss divergen, mengapa validation loss naik saat training loss turun, dan kapan memakai transfer learning. Ini bukan hafalan API, melainkan penguasaan prinsip.

#AI-Hardware Menjadi Pendorong Utama

NVIDIA Hopper/Blackwell dan berbagai NPU mobile membuat deep learning semakin terjangkau. Konsekuensinya, perusahaan kecil pun bisa melatih dan menjalankan model sendiri. Peluang ini hanya bisa diambil oleh orang yang paham cara kerja di balik layar — justru yang akan kalian pelajari sepanjang series ini.

#Penutup

Pada episode 1 ini, kalian telah menelusuri perjalanan deep learning dari perceptron 1958 hingga foundation model multimodal 2025-2026.

Inti yang harus dibawa pulang:

• Deep learning melewati pasang-surut: perceptron (1958) → backpropagation (1986) → AlexNet (2012) → transformer (2017) → LLM & multimodal (2020-2026).
• Setiap lompatan lahir dari keterbatasan pendahulunya — pola yang berguna untuk menilai tren baru.
• Deep learning mendasari semua AI modern; keterampilan ini paling dicari di industri.

Di episode 2 selanjutnya kita akan membedah neural network fundamentals — neuron, weight, bias, fungsi aktivasi (ReLU, Sigmoid, Tanh, GELU), loss function, serta alur forward propagation dan backpropagation dengan gradient descent dan optimizer SGD/Adam. Di sinilah fondasi matematis semua praktik berikutnya dibangun. Sampai jumpa di episode 2!