Peneliti Mengembangkan Algoritma Komputer yang Terinspirasi oleh Sistem Olfaktori Mammalia

Peneliti dari Cornell University telah menciptakan algoritma komputer yang terinspirasi oleh sistem olfaktori mammalia. Ilmuwan telah lama mencari penjelasan tentang bagaimana mamalia belajar dan mengidentifikasi bau. Algoritma baru ini memberikan wawasan tentang cara kerja otak, dan menerapkannya pada chip komputer memungkinkan untuk belajar pola dengan cepat dan dapat diandalkan lebih baik daripada model pembelajaran mesin saat ini.

Thomas Cleland adalah profesor psikologi dan penulis senior dari studi yang berjudul “Rapid Learning and Robust Recall in a Neuromorphic Olfactory Circuit,” yang dipublikasikan di Nature Machine Intelligence pada 16 Maret.

“Ini adalah hasil dari lebih dari satu dekade mempelajari sirkuit olfaktori pada hewan pengerat dan mencoba memahami bagaimana cara kerjanya, dengan tujuan untuk memahami hal-hal yang dapat dilakukan hewan yang tidak dapat dilakukan oleh mesin kita,” kata Cleland.

“Kami sekarang tahu cukup untuk membuat ini bekerja. Kami telah membangun model komputasi ini berdasarkan sirkuit ini, yang dipandu secara besar-besaran oleh hal-hal yang kami ketahui tentang konektivitas dan dinamika sistem biologis,” lanjutnya. “Kemudian kami mengatakan, jika ini benar, maka ini akan bekerja. Dan bagian yang menarik adalah bahwa ini benar-benar bekerja.”

Chip Komputer Intel (INTC )

Cleland bergabung dengan co-penulis Nabil Imam, seorang peneliti di Intel, dan bersama-sama mereka menerapkan algoritma pada chip komputer Intel. Chip ini disebut Loihi, dan itu adalah neuromorfik, yang berarti bahwa itu terinspirasi oleh fungsi otak. Chip ini memiliki sirkuit digital yang meniru cara kerja neuron belajar dan berkomunikasi.

Chip Loihi bergantung pada inti paralel yang berkomunikasi melalui spike diskrit, dan setiap spike memiliki efek yang dapat berubah tergantung pada aktivitas lokal. Ini memerlukan strategi yang berbeda untuk desain algoritma daripada yang digunakan pada chip komputer yang ada.

Melalui penggunaan chip komputer neuromorfik, mesin dapat bekerja seribu kali lebih cepat daripada unit pemrosesan sentral atau grafis komputer dalam mengidentifikasi pola dan melakukan tugas tertentu.

Chip penelitian Loihi juga dapat menjalankan algoritma tertentu sambil menggunakan sekitar seribu kali lebih sedikit daya daripada metode tradisional. Ini sangat sesuai untuk algoritma, yang dapat menerima pola input dari berbagai sensor yang berbeda, belajar pola dengan cepat dan berurutan, dan mengidentifikasi setiap pola yang bermakna bahkan dengan interferensi sensorik yang kuat. Algoritma ini dapat mengidentifikasi bau dengan sukses, dan dapat melakukannya ketika pola tersebut 80% berbeda dari pola yang awalnya dipelajari oleh komputer.

“Polanya telah hampir sepenuhnya dihancurkan,” kata Cleland, “namun sistem ini masih dapat memulihkannya.”

Otak Mammalia

Otak mamalia dapat mengidentifikasi dan mengingat bau dengan sangat baik, dan ada ribuan reseptor olfaktori dan jaringan neural kompleks yang bekerja untuk menganalisis pola yang terkait dengan bau. Salah satu hal yang dapat dilakukan mamalia lebih baik daripada sistem kecerdasan buatan adalah mempertahankan apa yang telah dipelajari, bahkan setelah ada pengetahuan baru. Dalam pendekatan pembelajaran dalam, jaringan harus dipresentasikan dengan semua informasi sekaligus, karena informasi baru dapat mempengaruhi atau bahkan menghancurkan apa yang telah dipelajari sebelumnya.

“Ketika Anda belajar sesuatu, itu secara permanen membedakan neuron,” kata Cleland. “Ketika Anda belajar satu bau, interneuron dilatih untuk merespons konfigurasi tertentu, sehingga Anda mendapatkan segregasi pada tingkat interneuron. Jadi, di sisi mesin, kita hanya meningkatkan itu dan menggambar garis yang jelas.”

Cleland berbicara tentang bagaimana timnya mengembangkan pendekatan eksperimental baru.

“Ketika Anda mulai mempelajari proses biologis yang menjadi lebih rumit dan kompleks daripada yang dapat Anda intuisikan, Anda harus mendisiplinkan pikiran Anda dengan model komputer,” katanya. “Anda tidak dapat melewati itu. Dan itu membawa kita pada sejumlah pendekatan eksperimental dan ide baru yang tidak akan kita temukan hanya dengan mengamati saja.”