Neurosains adalah Kunci Inovasi pada Artificial Intelligence

Masa depan AI terletak pada ilmu Neurosains.

Demikian kata pendiri Google DeepMind, Demis Hassabis, dalam makalah ulasan yang diterbitkan minggu lalu di jurnal bergengsi Neuron.

Hassabis tidak asing di kedua bidang. Berbekal gelar PhD dalam ilmu Neurosains, maverick komputer meluncurkan DeepMind yang berbasis di London untuk menciptakan kembali kecerdasan dalam silikon. Pada tahun 2014, Google membeli perusahaan itu dengan harga lebih dari $ 500 juta.

Itu uang yang dihabiskan dengan baik. Tahun lalu, AlphaGo dari DeepMind menyapu lantai dengan pesaing manusianya dalam serangkaian tantangan Go di seluruh dunia. Bekerja dengan OpenAI, lembaga penelitian AI nirlaba yang didukung oleh Elon Musk, perusahaan ini terus bekerja menuju mesin dengan kemampuan penalaran yang lebih tinggi dari sebelumnya.

Kunci rahasia perusahaan? Neurosains.

Integrasikan ke setiap DeepMind AI adalah konsep dan ide yang pertama kali ditemukan di otak kita sendiri. Pembelajaran mendalam dan pembelajaran penguatan – dua pilar AI kontemporer – keduanya secara nyaman menerjemahkan komunikasi neuronal biologis ke dalam matematika formal.

Hasilnya, seperti yang dicontohkan oleh AlphaGo, sangat dramatis. Namun Hassabis berpendapat bahwa itu tidak cukup.

Sama kuatnya dengan AI saat ini, masing-masing terbatas dalam lingkup apa yang dapat dilakukannya. Tujuannya adalah untuk membangun AI umum dengan kemampuan untuk berpikir, beralasan dan belajar secara fleksibel dan cepat; AI yang bisa mengimajinasikan dunia nyata dan membayangkan yang lebih baik.

Untuk sampai ke sana, kata Hassabis, kita perlu meneliti lebih dekat cara kerja batin manusia — satu-satunya bukti bahwa sistem cerdas semacam itu mungkin terjadi.

Mengidentifikasi bahasa di antara dua bidang akan menciptakan “lingkaran Kemuliaan yang baik dimana penelitian semakin dipercepat melalui terkonvergensinya wawasan serta kesamaan dan kemajuan empiris,” tulis Hassabis dan rekannya.

Tantangan Kecerdasan

Sebuah level yang sangat tinggi bagi para peneliti AI yang berusaha menembus batas-batas AI kontemporer.

Tergantung pada tugas spesifik mereka, algoritma pembelajaran mesin diatur dengan struktur matematika tertentu. Melalui jutaan contoh, jaringan Neural tiruan belajar untuk menyempurnakan kekuatan koneksi mereka sampai mereka mencapai keadaan sempurna yang memungkinkan mereka menyelesaikan tugas dengan akurasi tinggi — apakah itu mengidentifikasi wajah atau menerjemahkan bahasa.

Karena setiap algoritma sangat disesuaikan dengan tugas yang ada di tangan, mempelajari kembali tugas baru sering kali menghapus koneksi yang sudah mapan. Ini mengarah pada “melupakan” dan sementara AI belajar tugas baru, itu benar-benar menghapus yang sebelumnya.

Dilema pembelajaran berkelanjutan hanyalah satu tantangan. Yang lain bahkan kurang didefinisikan tetapi bisa dibilang lebih penting yaitu membangun pikiran yang fleksibel dan inventif yang di era konvergensi ini sangat kita hargai.

Kognisi yang terwujud adalah yang besar. Seperti yang dijelaskan Hassabis, itu adalah kemampuan untuk membangun pengetahuan dari berinteraksi dengan dunia melalui pengalaman sensorik dan motorik, dan menciptakan pemikiran abstrak dari sana.

Itu adalah semacam akal sehat kuno yang manusia miliki, intuisi tentang dunia yang sulit digambarkan tetapi sangat berguna untuk masalah sehari-hari yang kita hadapi.

Lebih sulit untuk memprogram adalah sifat-sifat seperti imajinasi. Di situlah AI memiliki keterbatasan dimana kami benar-benar gagal, kata Hassabis. Imajinasi dan inovasi bergantung pada model yang sudah kami bangun tentang dunia kita, dan mengekstrapolasi skenario baru dari mereka. Alat-alat perencanaan ini sangat kuat — tetapi penelitian tentang kemampuan ini untuk AI masih dalam masa pertumbuhan.

Inspirasi dari Otak

Penelitian AI pada mesin pembelajaran selama ini yang berbasis pada sistem pembelajaran hewan kurang dihargai para peneliti AI, kata Hassabis.

Contoh: temuan terbaru dalam ilmu neurosains menunjukkan bahwa hippocampus — struktur berbentuk kuda laut yang berfungsi sebagai pusat pengkodean ingatan — mengulangi pengalaman-pengalaman dalam gerak maju cepat saat istirahat dan tidur.

Siaran ulang offline ini memungkinkan otak untuk “belajar kembali dari kesuksesan atau kegagalan yang terjadi di masa lalu,” kata Hassabis.

Peneliti AI menangkap gagasan itu, dan menerapkan versi yang belum sempurna ke dalam algoritma yang menggabungkan pembelajaran mendalam dan pembelajaran penguatan. Hasilnya adalah jaringan neural yang kuat yang belajar berdasarkan pengalaman. Mereka membandingkan situasi saat ini dengan peristiwa sebelumnya yang disimpan dalam memori, dan mengambil tindakan yang sebelumnya menghasilkan penghargaan.

Kondisi ini menunjukkan “kenaikan mencolok dalam kinerja” atas algoritma pembelajaran yang mendalam. Mereka juga hebat dalam belajar dengan cepat: daripada membutuhkan jutaan contoh, mereka hanya butuh segenggam.

Demikian pula, ilmu Neurosains telah menjadi sumber inspirasi yang bermanfaat untuk kemajuan lain dalam AI, termasuk algoritma yang dilengkapi dengan “sketsa mental” yang memungkinkan mereka untuk merencanakan pada masalah yang rumit dengan lebih efisien.

Masa Depan yang Mencengangkan

Yang terbaik belum datang.

Munculnya alat pencitraan otak dan bioteknologi genetika menawarkan pandangan yang belum pernah terjadi sebelumnya tentang bagaimana jaringan neural biologis mengatur dan menggabung untuk mengatasi masalah.

Ketika para ahli neurosains bekerja untuk memecahkan “kode neurals” —komputasi dasar yang mendukung fungsi otak — menawarkan toolbox yang luas bagi para peneliti AI untuk mengotak-atiknya.

Satu area di mana AI dapat mengambil manfaat dari otak adalah pengetahuan tentang konsep inti yang berhubungan dengan dunia fisik — ruang, angka, objek, dan sebagainya. Seperti Lego mental, konsep membentuk blok bangunan dasar yang darinya kita dapat membangun mental model yang memandu kesimpulan dan prediksi tentang dunia.

Kami sudah mulai mengeksplorasi ide untuk mengatasi tantangan tersebut, kata Hassabis. Studi dengan manusia menunjukkan bahwa kita mengurai informasi sensorik menjadi objek dan hubungan individual. Ketika ditanamkan dalam kode, hal itu mengarah ke kinerja level manusia pada tugas-tugas penalaran yang menantang.

Lalu ada transfer pembelajaran, kemampuan yang mengambil AI dari satu tipuan hingga pemikir fleksibel yang mampu menangani masalah apa pun. Salah satu metode, yang disebut jaringan progresif, menangkap beberapa prinsip dasar dalam transfer pembelajaran dan berhasil digunakan untuk melatih lengan robot nyata berdasarkan pada simulasi.

Menariknya, jaringan-jaringan ini menyerupai model komputasi tentang bagaimana otak mempelajari tugas-tugas yang berurutan, kata Hassabis.

Masalahnya adalah neuroscience belum menemukan bagaimana manusia dan hewan mencapai transfer pengetahuan tingkat tinggi. Ada kemungkinan bahwa otak mengekstraksi struktur pengetahuan abstrak dan bagaimana mereka berhubungan satu sama lain, tetapi sejauh ini tidak ada bukti langsung yang mendukung pengkodean semacam ini.

Lingkaran Berbudi luhur

Sudah sangat jelas AI harus banyak belajar dari otak manusia. Tetapi manfaatnya timbal balik. Ilmu neurosains modern, untuk semua alat pencitraan dan optogenetiknya yang kuat, baru saja mulai mengungkap bagaimana jaringan neural mendukung kecerdasan yang lebih tinggi.

“Ahli neurosains seringkali hanya memiliki pengertian yang samar tentang mekanisme yang mendasari konsep yang mereka pelajari,” kata Hassabis. Karena penelitian AI bergantung pada matematika yang ketat, bidang ini dapat menawarkan cara untuk memperjelas konsep-konsep yang tidak jelas tersebut menjadi hipotesis yang dapat diuji.

Tentu saja, tidak mungkin AI dan otak akan selalu bekerja dengan cara yang sama. Dua bidang ini membangun kecerdasan dari sudut yang berbeda secara dramatis: neuroscience menanyakan bagaimana otak bekerja dan prinsip-prinsip biologis yang mendasarinya; AI lebih bersifat utilitarian dan bebas dari kendala evolusi.

Tapi kita bisa menganggap AI sebagai neuroscience komputasi terapan (bukan teoritis), kata Hassabis, dan ada banyak hal yang dinantikan.

Mendistribusikan kecerdasan ke dalam algoritma dan membandingkannya dengan otak manusia “dapat menghasilkan wawasan ke beberapa misteri terdalam dan paling abadi dari pikiran,” tulisnya.

Pikirkan kreativitas, mimpi, imajinasi, dan — mungkin suatu hari — bahkan kesadaran.

Leave a Reply

Your email address will not be published. Required fields are marked *