Berbasis Dinamika Otak yang Lambat

Ilmuwan di Universitas Bar-llan di Israel telah menggunakan eksperimen canggih pada budaya neural dan simulasi skala besar untuk menciptakan kecerdasan buatan ultra cepat yang baru. Kecerdasan buatan baru ini berdasarkan pada dinamika otak manusia yang lambat. Dinamika otak tersebut memiliki tingkat pembelajaran yang lebih baik dibandingkan dengan algoritma pembelajaran terbaik yang kita miliki saat ini.

Pembelajaran mesin sebenarnya sangat terkait dan berdasarkan pada dinamika otak kita. Dengan kecepatan komputer modern dan dataset besar, kita telah dapat menciptakan algoritma pembelajaran dalam yang mirip dengan ahli manusia di berbagai bidang yang berbeda. Namun, algoritma pembelajaran tersebut memiliki karakteristik yang berbeda dengan otak manusia.

Tim ilmuwan di universitas tersebut menerbitkan pekerjaan mereka di jurnal Scientific Reports. Mereka bekerja untuk menghubungkan neurobiologi dan algoritma kecerdasan buatan canggih, sebuah bidang yang telah ditinggalkan selama beberapa dekade.

Profesor Ido Kanter dari Departemen Fisika Universitas Bar-llan dan Gonda (Goldschmied) Multidisciplinary Brain Research Study, dan penulis utama studi tersebut, mengomentari dua bidang tersebut.

“Sudut pandang ilmiah dan teknologi saat ini adalah bahwa neurobiologi dan pembelajaran mesin adalah dua disiplin ilmu yang berbeda yang maju secara independen,” katanya. “Kurangnya pengaruh timbal balik yang diharapkan sangat membingungkan.”

“Jumlah neuron di otak lebih sedikit daripada jumlah bit di ukuran disk modern komputer pribadi, dan kecepatan komputasi otak seperti jarum detik pada jam, bahkan lebih lambat daripada komputer pertama yang ditemukan lebih dari 70 tahun yang lalu,” katanya.

“Selain itu, aturan pembelajaran otak sangat rumit dan jauh dari prinsip langkah pembelajaran dalam algoritma kecerdasan buatan saat ini.”

Profesor Kanter bekerja dengan tim peneliti termasuk Herut Uzan, Shira Sardi, Amir Goldental, dan Roni Vardi.

Ketika datang ke dinamika otak, mereka menangani input asinkron karena kenyataan fisik berubah dan berkembang. Karena itu, tidak ada sinkronisasi untuk sel saraf. Ini berbeda dengan algoritma kecerdasan buatan karena mereka berdasarkan pada input sinkron. Input yang berbeda dalam bingkai yang sama dan waktu mereka biasanya diabaikan.

Profesor Kanter melanjutkan untuk menjelaskan dinamika ini.

“Ketika melihat ke depan, kita langsung melihat bingkai dengan beberapa objek. Misalnya, saat mengemudi, kita melihat mobil, penyeberangan pejalan kaki, dan rambu lalu lintas, dan dapat dengan mudah mengidentifikasi urutan waktu dan posisi relatif mereka,” katanya. “Perangkat keras biologis (aturan pembelajaran) dirancang untuk menangani input asinkron dan memperhalus informasi relatif mereka.”

Salah satu poin yang dibuat oleh studi ini adalah bahwa tingkat pembelajaran ultra cepat sebenarnya sama baik untuk jaringan kecil maupun besar. Menurut peneliti, “kerugian skema pembelajaran otak yang rumit sebenarnya adalah keuntungan.”

Studi ini juga menunjukkan bahwa pembelajaran dapat terjadi tanpa langkah pembelajaran. Ini dapat dicapai melalui penyesuaian diri berdasarkan input asinkron. Di otak manusia, jenis pembelajaran ini terjadi di dendrit, yang merupakan ekstensi pendek sel saraf, dan terminal yang berbeda dari setiap neuron. Ini telah diamati sebelumnya. Sebelumnya, diyakini bahwa dinamika jaringan di bawah pembelajaran dendritik dikendalikan oleh bobot lemah.

Penelitian dan temuan baru ini dapat berarti banyak hal yang berbeda. Algoritma pembelajaran dalam yang efisien dan kesamaan dengan dinamika otak yang sangat lambat dapat membantu menciptakan kelas baru kecerdasan buatan canggih dengan komputer yang cepat.

Studi ini juga mendorong kerja sama antara bidang neurobiologi dan kecerdasan buatan, yang dapat membantu kedua bidang tersebut maju lebih jauh. Menurut kelompok peneliti, “Wawasan prinsip dasar otak kita harus kembali menjadi pusat kecerdasan buatan di masa depan.”