Algoritma Menyelesaikan Tugas Pembelajaran Kompleks dengan Efisiensi Energi Ekstrem

Sebuah tim penelitian antardisiplin telah membuat kemajuan besar dalam mengembangkan mesin yang dapat memproses informasi dengan efisiensi sama seperti otak manusia, yang telah lama dicari di bidang kecerdasan buatan. Tim di Universitas Heidelberg di Jerman dan Universitas Bern di Swiss dipimpin oleh Dr. Mihai Petrovici.

Hasil penelitian dipublikasikan di jurnal Nature Machine Intelligence.

Jaringan Saraf Buatan yang Terinspirasi Biologi

Tim melihat ke arah jaringan saraf buatan yang terinspirasi biologi untuk menangani tantangan ini. Jaringan saraf berdenyut meniru struktur dan fungsi sistem saraf alami, dan mereka dianggap sebagai kandidat yang menjanjikan karena fitur-fitur yang membuat mereka kuat, cepat, dan efisien energi. Salah satu tantangan utama telah menjadi untuk melatih sistem yang kompleks, dan tim sekarang mendekati untuk melakukan hal itu dengan algoritma yang baru diimplementasikan.

Neuron di otak mengirimkan informasi menggunakan denyut listrik singkat, yang disebut sebagai denyut. Denyut ini dipicu ketika ambang batas stimulus tertentu terlampaui. Pertukaran informasi sangat dipengaruhi oleh frekuensi denyut yang dihasilkan oleh satu neuron dan urutan waktu denyut individu.

Julian Göltz adalah kandidat doktor di kelompok penelitian.

“Perbedaan utama antara jaringan saraf berdenyut biologi dan jaringan saraf buatan adalah bahwa, karena mereka menggunakan pemrosesan informasi berbasis denyut, mereka dapat menyelesaikan tugas yang kompleks seperti pengenalan gambar dan klasifikasi dengan efisiensi energi ekstrem,” kata Göltz.

Mencapai Potensi Penuh

Otak manusia dan jaringan saraf buatan berdenyut keduanya memerlukan neuron individu untuk terhubung dengan benar untuk mencapai potensi penuh. Ini adalah alasan mengapa peneliti perlu menemukan bagaimana sistem neuromorfik yang terinspirasi otak dapat disesuaikan untuk memproses input berdenyut dengan benar.

Laura Kriener adalah anggota lain dari tim penelitian.

“Pertanyaan ini fundamental untuk pengembangan jaringan buatan yang kuat berdasarkan model biologi,” kata Kriener.

Algoritma khusus harus digunakan untuk memastikan bahwa neuron di jaringan saraf berdenyut akan berdenyut pada waktu yang tepat, dan algoritma ini menyesuaikan koneksi antara neuron sehingga jaringan dapat melakukan tugas yang diperlukan. Tugas ini dapat berupa mengklasifikasikan gambar dengan presisi tinggi.

Inilah jenis algoritma yang dikembangkan oleh tim.

“Dengan menggunakan pendekatan ini, kami dapat melatih jaringan saraf berdenyut untuk mengkode dan mengirimkan informasi secara eksklusif dalam denyut tunggal. Mereka kemudian menghasilkan hasil yang diinginkan dengan sangat cepat dan efisien,” jelas Göltz.

Peneliti juga berhasil mengimplementasikan jaringan saraf yang dilatih dengan algoritma ini pada platform fisik. Platform tersebut adalah platform perangkat keras neuromorfik BrainScaleS-2 yang dikembangkan di Universitas Heidelberg.

Peneliti mengatakan bahwa sistem BrainScaleS memproses informasi hingga seribu kali lebih cepat daripada otak manusia, semua sambil memerlukan energi yang jauh lebih sedikit daripada sistem komputer konvensional.

Sistem ini merupakan bagian dari Proyek Otak Manusia Eropa. Proyek ini mengintegrasikan teknologi seperti komputasi neuromorfik ke dalam platform terbuka yang disebut EBRAINS.

“Namun, pekerjaan kami tidak hanya menarik untuk komputasi neuromorfik dan perangkat keras yang terinspirasi biologi. Ini juga mengakui permintaan dari komunitas ilmiah untuk mentransfer pendekatan Deep Learning ke neurosains dan dengan demikian lebih lanjut mengungkap rahasia otak manusia,” kata Dr. Petrovici.