Neural Network atau jaringan saraf adalah model komputasi yang terinspirasi dari struktur dan fungsi otak manusia. Jaringan ini terdiri dari lapisan-lapisan "neuron" buatan yang saling terhubung dan bekerja sama untuk memproses informasi, mengenali pola, dan membuat keputusan.
Secara struktural, neural network terdiri dari tiga jenis lapisan utama. Input layer menerima data mentah dari luar. Hidden layers (satu atau lebih) memproses data melalui serangkaian perhitungan matematis, mengekstrak fitur-fitur yang semakin abstrak. Output layer menghasilkan hasil akhir dari proses tersebut. Setiap neuron dalam satu lapisan terhubung ke neuron di lapisan berikutnya, dan setiap koneksi memiliki "bobot" (weight) yang menentukan seberapa besar pengaruh suatu neuron terhadap neuron lainnya.
Cara kerja neural network adalah melalui proses yang disebut pelatihan. Selama pelatihan, jaringan diberi data input bersama dengan output yang diharapkan. Jaringan menghitung outputnya sendiri, membandingkannya dengan output yang diharapkan, dan menyesuaikan bobot koneksi untuk mengurangi kesalahan. Proses ini diulang ribuan atau jutaan kali hingga jaringan dapat memprediksi output dengan akurat.
Keunggulan utama neural network adalah kemampuannya untuk belajar pola yang kompleks tanpa harus diprogram secara eksplisit. Tidak seperti program tradisional yang mengikuti aturan yang ditulis manusia, neural network menemukan aturannya sendiri dari data. Ini membuatnya sangat efektif untuk tugas-tugas yang sulit atau tidak mungkin dibuatkan aturan secara manual, seperti pengenalan tulisan tangan, deteksi objek dalam gambar, atau pemrosesan bahasa alami.
Neural network memiliki berbagai aplikasi. Dalam visi komputer, mereka digunakan untuk mengenali wajah, mendeteksi penyakit dari gambar medis, dan mengemudikan mobil otonom. Dalam pemrosesan audio, mereka digunakan untuk pengenalan suara dan transkripsi otomatis. Dalam keuangan, mereka digunakan untuk memprediksi harga saham dan mendeteksi penipuan.
Jenis neural network yang paling canggih saat ini adalah Deep Neural Networks, yang memiliki banyak hidden layers (karenanya disebut "deep learning"). Arsitektur seperti Convolutional Neural Networks (CNN) sangat efektif untuk data visual, sementara Recurrent Neural Networks (RNN) dan Transformers sangat efektif untuk data berurutan seperti teks dan audio. Perkembangan neural network terus berlanjut, dengan model yang semakin besar dan semakin mampu, mendorong batas-batas apa yang mungkin dilakukan oleh AI.