Jaringan syaraf tiruan adalah model komputasi kompleks yang sering digunakan untuk pengenalan pola. Karena jaringan saraf dimodelkan pada fungsi otak biologis, mereka dapat “belajar” dan memprediksi hasil. Ada banyak kegunaan praktis jaringan saraf untuk prediksi, termasuk perhitungan keuangan, prakiraan cuaca, dan diagnosis medis.
Jaringan saraf tiruan untuk prediksi terinspirasi oleh otak manusia. Di otak biologis, banyak unit pemrosesan kecil yang disebut “neuron” terhubung ke jaringan besar. Setiap area pemrosesan individu relatif sederhana, tetapi seluruh jaringan mampu memecahkan masalah kompleks ketika setiap neuron bekerja sama. Koneksi antara setiap neuron kecil dapat dikonfigurasi ulang menjadi pola jaringan baru. Ini memungkinkan otak untuk mengatur ulang dirinya sendiri dan “mempelajari” konsep-konsep baru.
Seperti otak manusia, jaringan saraf tiruan mengandung banyak prosesor dan koneksi kecil, yang dapat dikonfigurasi ulang. Konsep penggunaan neuron buatan pertama kali dijelaskan oleh ilmuwan Walter Pitts dan Warren McCulloch pada tahun 1943. Karya ilmiah ini segera diperluas dan dipublikasikan oleh pelopor kecerdasan buatan terkenal Alan Turing, yang menulis tentang jaringan saraf tiruan dalam publikasi tahun 1948 berjudul “Intelligent Machinery .”
Perhitungan keuangan adalah salah satu penggunaan paling umum dari jaringan saraf untuk prediksi. Pada dasarnya, jaringan saraf digunakan sebagai “filter” matematis untuk memprediksi hasil berdasarkan data keuangan yang tersedia. Fitur ini sering digunakan dalam software prediksi pasar saham. Dalam aplikasi ini, komputer memproses tren pasar sebelumnya. Setelah pola terbentuk, jaringan saraf menghitung apakah saham akan naik atau turun di masa depan.
Jaringan saraf juga dapat digunakan untuk menentukan peringkat kredit individu atau perusahaan. Seperti prediksi stok, pengenalan pola adalah kuncinya. Sebuah jaringan dapat mempertimbangkan ribuan penerima kredit masa lalu, dan menganalisis sejarah keuangan mereka. Dengan menemukan tren masa lalu, jaringan saraf untuk prediksi dapat memperkirakan pelamar baru mana yang cenderung default pada kredit mereka. Orang-orang ini menerima peringkat kredit berisiko tinggi berdasarkan prediksi.
Demikian pula, jaringan saraf dapat digunakan untuk prakiraan cuaca. Banyak faktor lingkungan yang berbeda seperti suhu dan arus angin dapat dimasukkan ke dalam jaringan. Menggunakan model peramalan yang didasarkan pada pola iklim sebelumnya, jaringan saraf dapat menentukan kemungkinan hasil dari kondisi cuaca saat ini.
Penggunaan jaringan saraf untuk prediksi juga dapat membantu memecahkan masalah medis tertentu. Tubuh manusia sangat kompleks, dan lusinan atau bahkan ratusan faktor dapat bergabung untuk menyebabkan kondisi medis. Jaringan saraf terkadang dapat menyimpulkan sumber gejala. Dalam aplikasi ini, jaringan buatan dapat menemukan tren dan pola dari catatan pasien sebelumnya, dan memprediksi kemungkinan besar penyebab suatu penyakit.