Sudah dua minggu lalu, anak gw ke-1, Thariq (umur 1 tahun 2 bulan), kuajari mengenai algoritma membuka tutup botol. Kukumpulkan beberapa botol dengan berbagai macam model membuka tutup botolnya. Well, hal yang menarik dari Thariq adalah spirit untuk learning tinggi. Walaupun agak emosi ketika beberapa botol susah dibukanya, kadang kalanya dia buang botolnya tapi kemudian kukasihkan lagi rupanya dia mau coba lagi...
Kalau gw perhatikan ketika membuka tutup botol, mata Thariq selalu menatap tajam mengawasi gerak-gerik jari tangannya ketika membuka tutup botol. Seakan-akan mata Thariq merupakan data input kapan harus diputar tangannya kiri-kanan ataupun atas-bawah
Supervised and Unsupervised Learning Model
Gw sendiri juga saat ini sedang mendalami Artificial Intelligence dan doing research about this area. Gw banyak belajar tentang Artificial Intelligence dari tingkah pola anak gw. Assume anak kecil merupakan black box yang representatif dari Intelligent System Model. Apa yang menarik dari ini? well, gw demen bagaimana Thariq learning sesuai yang baru.
Supervised Learning Model adalah yang pertama kali gw terapkan ke Thariq dimana kuperkenalkan suatu system model baru. Kutunjukan cara pakainya, selanjutnya Thariq mencoba sendiri bagaimana doing as I do. Learning curve model ini sangat cepat dan efektif untuk suatu sistem yang baru dalam pattern recognition.
Unsupervised Learning Model adalah proses pembelajaran tanpa harus di guide caranya. Hal yang menarik disini adalah bagaimana Thariq menemukan pattern suatu object. Kesan pertama akan muncul dari mulutnya seperti "Huh. eehhh". Triger event disini terjadi setelah matanya melihat object tersebut (ini kalau didunia AI adalah Computer Vision atau ada yang bilang Machine vision atau didunia robotics merupakan Robot Vision). Rasa penasaranku menjadi mengebu, gw coba stimulate unkwon object tersebut untuk bereaksi, well, Thariq langsung merespon baik secara kinematika maupun linguistic Natural processing. Ini artinya sensor input datanya berasal dari mata kemudian object ini dikelola dengan suatu processor, otak, selanjutnya dilakukan pattern recognition. Hasil dari pattern recognition ini lah yang nantinya akan memberikan reaksi tertentu. Ini luar biasa.
That's why, gw memperdalam keilmuan dalam bidang Computer Vision sebagai akar pengembangan dari Artificial Intelligence. Ada banyak problemetika Computer Vision yang belum terungkap dari misteri kehidupan makhluk hidup. 
Computer Vision
Definisi computer vision sendiri secara umum merupakan suatu ilmu dan teknologi bagaimana suatu machine/system melihat sesuatu. Let see, manusia sendiri kalau melihat sesuatu secara vision diotak diterima sebagai image yang terbalik ? kenapa harus terbalik image nya ? apakah kalau image nya gak terbalik otak kita gak mampu menghitung dan melakukan recognize ?. Computer vision sendiri banyak diterapkan seperti
- Controlling processes (e.g. an industrial robot or an autonomous vehicle).
- Detecting events (e.g. for visual surveillance)
- Organizing information (e.g. for indexing databases of images and image sequences),
- Modeling objects or environments (e.g. industrial inspection, medical image analysis or topographical modeling),
- Interaction (e.g. as the input to a device for computer-human interaction).
Computer Vision sendiri tidak berdiri sendiri, banyak cabang ilmu yang mendukung keilmuan ini seperti gambar dibawah ini(taken from wiki)
Banyak sekalian kajian dan khasanah ilmu dapat digali dibidang penelitian ini. Saya baru mendapat copy dari buku Computer Vision yang codong membahas model matematika dari Computer Vision itu sendiri, Handbook of Mathematical Models in Computer Vision, yang ditulis oleh Olivier Faugeras.
Ok, Thariq, Let's do research in computer vision 