Kendala Fisik Mengarahkan Evolusi AI yang Menyerupai Otak

Dalam sebuah studi yang mempelopori penelitian, ilmuwan dari Cambridge telah mengambil pendekatan baru dalam kecerdasan buatan, menunjukkan bagaimana kendala fisik dapat mempengaruhi perkembangan sistem AI secara mendalam.

Penelitian ini, yang mengingatkan pada kendala perkembangan dan operasional otak manusia, menawarkan wawasan baru tentang evolusi sistem neural yang kompleks. Dengan mengintegrasikan kendala ini, AI tidak hanya mencerminkan aspek-aspek kecerdasan manusia tetapi juga mengungkap keseimbangan yang rumit antara pengeluaran sumber daya dan efisiensi pemrosesan informasi.

Konsep Kendala Fisik dalam AI

Otak manusia, yang merupakan contoh jaringan neural alami, berkembang dan beroperasi dalam berbagai kendala fisik dan biologis. Kendala-kendala ini tidak merupakan hambatan, tetapi sangat penting dalam membentuk struktur dan fungsinya. Dalam kata-kata Jascha Achterberg, seorang Gates Scholar dari Medical Research Council Cognition and Brain Sciences Unit (MRC CBSU) di Universitas Cambridge, “Otak tidak hanya sangat baik dalam memecahkan masalah yang kompleks, tetapi juga melakukannya dengan menggunakan sangat sedikit energi. Dalam penelitian baru kami, kami menunjukkan bahwa mempertimbangkan kemampuan pemecahan masalah otak bersama dengan tujuan menghabiskan sumber daya seminimal mungkin dapat membantu kami memahami mengapa otak terlihat seperti itu.”

Eksperimen dan Signifikansinya

Tim Cambridge memulai proyek ambisius untuk menciptakan sistem buatan yang memodelkan versi sederhana dari otak. Sistem ini unik dalam penerapan ‘kendala fisik’, mirip dengan yang ada di otak manusia.

Setiap node komputasi dalam sistem diberi lokasi tertentu dalam ruang virtual, meniru organisasi spasial neuron. Semakin besar jarak antara dua node, semakin sulit komunikasi mereka, mencerminkan organisasi neuron di otak manusia.

Sistem otak virtual ini kemudian diberi tugas untuk menavigasi labirin, versi sederhana dari tugas navigasi labirin yang sering diberikan kepada hewan dalam studi otak. Pentingnya tugas ini terletak pada kebutuhan sistem untuk mengintegrasikan berbagai potongan informasi—seperti lokasi awal dan akhir, serta langkah-langkah intermediate—untuk menemukan rute terpendek. Tugas ini tidak hanya menguji kemampuan pemecahan masalah sistem tetapi juga memungkinkan pengamatan tentang bagaimana node dan klaster yang berbeda menjadi kritis pada berbagai tahap tugas.

Pembelajaran dan Adaptasi dalam Sistem AI

Perjalanan sistem buatan dari pemula hingga ahli dalam navigasi labirin adalah bukti adaptabilitas AI. Awalnya, sistem, mirip dengan manusia yang belajar keterampilan baru, berjuang dengan tugas, membuat banyak kesalahan. Namun, melalui proses trial dan error dan umpan balik selanjutnya, sistem secara bertahap memperbaiki pendekatannya.

Yang sangat penting adalah bahwa pembelajaran ini terjadi melalui perubahan kekuatan koneksi antara node komputasi, mencerminkan plastisitas sinaptik yang diamati di otak manusia. Apa yang sangat menarik adalah bagaimana kendala fisik mempengaruhi proses pembelajaran ini. Kesulitan dalam membangun koneksi antara node yang jauh berarti sistem harus menemukan solusi yang lebih efisien, lokal, sehingga meniru efisiensi energi dan sumber daya yang terlihat di otak biologis.

Karakteristik yang Muncul dalam Sistem Buatan

Ketika sistem berkembang, itu mulai menampilkan karakteristik yang mengejutkan mirip dengan otak manusia. Salah satu perkembangan seperti itu adalah pembentukan hub—node yang sangat terhubung yang bertindak sebagai saluran informasi di seluruh jaringan, mirip dengan hub neural di otak manusia.

Lebih menarik, bagaimanapun, adalah pergeseran dalam cara node individu memproses informasi. Sebagai gantinya dari pengkodean kaku di mana setiap node bertanggung jawab untuk aspek tertentu dari labirin, node mengadopsi skema pengkodean yang fleksibel. Ini berarti bahwa satu node dapat mewakili berbagai aspek labirin pada waktu yang berbeda, fitur yang mengingatkan pada sifat adaptif neuron di organisme yang kompleks.

Professor Duncan Astle dari Departemen Psikiatri Cambridge menyoroti aspek ini, menyatakan, “Kendala sederhana ini—lebih sulit untuk menghubungkan node yang jauh—memaksa sistem buatan untuk menghasilkan karakteristik yang cukup rumit. Menariknya, karakteristik ini dibagikan oleh sistem biologis seperti otak manusia.”

Implikasi yang Lebih Luas

Implikasi dari penelitian ini meluas jauh melampaui ranah kecerdasan buatan dan memasuki pemahaman tentang kognisi manusia itu sendiri. Dengan meniru kendala otak manusia dalam sistem AI, peneliti dapat memperoleh wawasan yang tak ternilai tentang bagaimana kendala ini membentuk organisasi otak dan menyumbang perbedaan kognitif individu.

Pendekatan ini menyediakan jendela unik ke kompleksitas otak, terutama dalam memahami kondisi yang mempengaruhi kesehatan kognitif dan mental. Professor John Duncan dari MRC CBSU menambahkan, “Otak buatan ini memberi kami cara untuk memahami data yang kaya dan membingungkan yang kami lihat ketika aktivitas neuron yang sebenarnya direkam di otak yang sebenarnya.”

Masa Depan Desain AI

Penelitian ini memiliki implikasi signifikan untuk desain sistem AI di masa depan. Studi ini menggambarkan secara jelas bagaimana mengintegrasikan prinsip-prinsip biologis, terutama yang terkait dengan kendala fisik, dapat mengarah pada jaringan neural buatan yang lebih efisien dan adaptif.

Dr. Danyal Akarca dari MRC CBSU menekankan hal ini, menyatakan, “Peneliti AI terus-menerus mencoba mencari tahu bagaimana membuat sistem neural yang kompleks yang dapat mengkode dan berfungsi dengan fleksibel dan efisien. Untuk mencapai ini, kami pikir biologi akan memberi kami banyak inspirasi.”

Jascha Achterberg lebih lanjut menjelaskan potensi temuan ini untuk membangun sistem AI yang menyerupai kemampuan pemecahan masalah manusia. Ia menyarankan bahwa sistem AI yang menangani tantangan serupa dengan yang dihadapi manusia kemungkinan akan berkembang menjadi struktur yang menyerupai otak manusia, terutama ketika beroperasi dalam kendala fisik seperti keterbatasan energi. “Otak robot yang diterapkan di dunia fisik yang nyata,” Achterberg menjelaskan, “mungkin akan terlihat lebih seperti otak kita karena mereka mungkin menghadapi tantangan yang sama dengan kita.”

Penelitian yang dilakukan oleh tim Cambridge menandai langkah penting dalam memahami paralel antara sistem neural manusia dan kecerdasan buatan. Dengan menerapkan kendala fisik pada sistem AI, mereka tidak hanya mereplikasi karakteristik kunci otak manusia tetapi juga membuka jalur baru untuk merancang AI yang lebih efisien dan adaptif.