Membangun Jaringan Saraf Tiruan (ANNs) Berdasarkan Otak Hewan

Cold Spring Harbor Laboratory (CSHL) ahli saraf Anthony Zador telah menunjukkan bahwa evolusi dan otak hewan dapat digunakan sebagai inspirasi untuk pembelajaran mesin. Ini dapat bermanfaat dalam membantu AI menyelesaikan banyak masalah yang berbeda.

Menurut CSHL ahli saraf Anthony Zador, Kecerdasan Buatan (AI) dapat ditingkatkan secara signifikan dengan melihat ke otak hewan. Dengan pendekatan ini, ahli saraf dan mereka yang bekerja di bidang AI memiliki cara baru untuk menyelesaikan beberapa masalah AI yang paling mendesak.

Anthony Zador, M.D., Ph.D., telah menghabiskan sebagian besar karirnya untuk menjelaskan jaringan saraf kompleks dalam otak hidup. Ia membahas hingga ke neuron individu. Di awal karirnya, ia fokus pada sesuatu yang berbeda. Ia mempelajari jaringan saraf tiruan (ANNs). ANNs adalah sistem komputasi yang telah menjadi dasar dari banyak perkembangan di sektor AI. Mereka dimodelkan setelah jaringan dalam otak hewan dan manusia. Sampai sekarang, ini adalah titik di mana konsep tersebut berhenti.

Sebuah artikel perspektif baru-baru ini, yang ditulis oleh Zador, diterbitkan di Nature Communications. Dalam artikel tersebut, Zador menjelaskan bagaimana algoritma pembelajaran baru dan ditingkatkan membantu sistem AI berkembang hingga titik di mana mereka jauh lebih unggul daripada manusia. Ini terjadi dalam berbagai tugas, masalah, dan permainan seperti catur dan poker. Meskipun beberapa komputer ini dapat melakukan sangat baik dalam berbagai masalah kompleks, mereka sering kali bingung oleh hal-hal yang bagi manusia dianggap sederhana.

Jika mereka yang bekerja di bidang ini dapat menyelesaikan masalah ini, robot dapat mencapai titik perkembangan di mana mereka dapat belajar melakukan hal-hal yang sangat alami dan organik seperti mengintai mangsa atau membangun sarang. Mereka bahkan dapat melakukan sesuatu seperti mencuci piring, yang telah terbukti sangat sulit untuk robot.

“Hal-hal yang kita temukan sulit, seperti pemikiran abstrak atau bermain catur, sebenarnya tidak sulit bagi mesin. Hal-hal yang kita temukan mudah, seperti berinteraksi dengan dunia fisik, itulah yang sulit,” jelas Zador. “Alasannya kita berpikir itu mudah adalah karena kita telah memiliki setengah miliar tahun evolusi yang telah mengatur sirkuit kita sehingga kita melakukannya dengan mudah.”

Zador berpikir bahwa jika kita ingin robot mencapai pembelajaran yang cepat, sesuatu yang akan mengubah semua di sektor ini, kita mungkin tidak hanya ingin melihat algoritma pembelajaran umum yang sempurna. Apa yang harus dilakukan oleh ilmuwan dan lainnya adalah melihat ke jaringan saraf biologis yang telah diberikan kepada kita melalui alam dan evolusi. Ini dapat digunakan sebagai dasar untuk membangun pembelajaran yang cepat dan mudah untuk tugas-tugas tertentu, tugas-tugas yang penting untuk kelangsungan hidup.

Zador berbicara tentang apa yang dapat kita pelajari dari tupai yang hidup di halaman belakang kita jika kita hanya melihat genetika, jaringan saraf, dan predisposisi genetik.

“Kamu memiliki tupai yang dapat melompat dari pohon ke pohon dalam beberapa minggu setelah lahir, tetapi kita tidak memiliki tikus yang belajar hal yang sama. Mengapa tidak?” kata Zador. “Itu karena salah satunya telah ditentukan secara genetik untuk menjadi hewan yang hidup di pohon.”

Zador percaya bahwa salah satu hal yang dapat datang dari predisposisi genetik adalah sirkuit bawaan yang ada dalam hewan. Ini membantu hewan dan memandu pembelajaran awalnya. Salah satu masalah dengan mengaitkan ini dengan dunia AI adalah bahwa jaringan yang digunakan dalam pembelajaran mesin, yang dikejar oleh ahli AI, jauh lebih umum daripada yang ada di alam.

Jika kita dapat mencapai titik di mana ANNs mencapai titik perkembangan di mana mereka dapat dimodelkan setelah hal-hal yang kita lihat di alam, robot dapat mulai melakukan tugas-tugas yang dulunya sangat sulit.