Ilmuwan Saraf Merancang Model untuk Meniru Pembelajaran Visual Manusia

Dengan memprogram kecerdasan buatan (AI) berbasis komputer untuk menggunakan teknik yang lebih cepat untuk mempelajari objek baru, AI mulai berfungsi lebih seperti kecerdasan manusia. Ini datang sebagai dua ilmuwan saraf merancang model untuk meniru pembelajaran visual manusia.

Penelitian oleh Maximillian Riesenhuber, PhD, profesor neurosains di Georgetown University Medical Center, dan Joshua Rule, PhD, sarjana pascadoktoral di UC Berkeley, dipublikasikan di jurnal Frontiers in Computational Neuroscience. 

Pembelajaran AI Konsep Visual Baru

Ilmuwan saraf tersebut menunjukkan bagaimana pendekatan baru memperbaiki kemampuan perangkat lunak AI untuk mempelajari konsep visual baru dengan cepat.

“Model kami menyediakan cara yang masuk akal secara biologis untuk jaringan saraf buatan mempelajari konsep visual baru dari jumlah contoh yang kecil,” kata Riesenhuber. “Kami dapat membuat komputer mempelajari lebih baik dari beberapa contoh dengan menggunakan pembelajaran sebelumnya dengan cara yang kami pikir meniru apa yang dilakukan otak.”

Manusia memiliki kemampuan untuk mempelajari konsep visual baru dari data yang langka dengan sangat cepat dan akurat. Kami memiliki kemampuan ini sejak usia sangat muda, bahkan sejak tiga bulan. Namun, komputer memerlukan banyak contoh dari objek yang sama untuk akhirnya mengetahui apa itu.

“Kemampuan komputasi hierarki otak terletak pada potensi untuk menyederhanakan pembelajaran dengan menggunakan representasi yang telah dipelajari sebelumnya dari databank, seperti konsep tentang objek,” kata Riesenhuber.

Jaringan Saraf Buatan vs Sistem Visual Manusia

Riesenhuber dan Rule menemukan bahwa jaringan saraf buatan dapat mempelajari konsep visual baru dengan lebih cepat, mendekati tingkat kemampuan manusia.

“Bukannya mempelajari konsep tingkat tinggi dalam bentuk fitur visual tingkat rendah, pendekatan kami menjelaskannya dalam bentuk konsep tingkat tinggi lain,” kata Rule. “Ini seperti mengatakan bahwa platipus terlihat sedikit seperti bebek, berang-berang, dan berang-berang laut.”

Pembelajaran konsep visual manusia sangat bergantung pada jaringan saraf yang terlibat dalam proses pengenalan objek, dan lobus temporal anterior otak dipercaya memiliki kemampuan untuk melampaui bentuk dalam hal representasi konsep. Karena hierarki saraf yang terlibat dalam pengenalan visual sangat kompleks, manusia dapat mempelajari tugas baru dan menggunakan pembelajaran sebelumnya.

“Dengan menggunakan kembali konsep-konsep ini, Anda dapat lebih mudah mempelajari konsep baru, makna baru, seperti fakta bahwa zebra adalah kuda dengan garis-garis yang berbeda,” kata Riesenhuber.

AI masih belum mencapai tingkat yang sama dengan sistem visual manusia, yang memiliki kemampuan untuk menggeneralisasi dari beberapa contoh, menangani variasi gambar, dan memahami adegan. Namun, kemajuan sedang membawanya lebih dekat.

“Temuan kami tidak hanya menyarankan teknik yang dapat membantu komputer mempelajari lebih cepat dan efisien, tetapi juga dapat memimpin ke eksperimen neurosains yang lebih baik untuk memahami bagaimana orang mempelajari dengan sangat cepat, yang belum dipahami dengan baik,” kata Riesenhuber.