Perbedaan Sel Otak Bisa Menjadi Kunci Pembelajaran pada Manusia dan AI

dengan memungkinkan jaringan untuk menggabungkan informasi yang lambat dan cepat, lebih mampu menyelesaikan tugas dalam pengaturan dunia nyata yang lebih rumit.

Sabtu, 9 Oktober 2021 | 11:17 WIB
0
181
Perbedaan Sel Otak Bisa Menjadi Kunci Pembelajaran pada Manusia dan AI
ilustr: Artificial intelligence concept, computer chip (stock image)

Para peneliti Imperial telah menemukan bahwa variabilitas antara sel-sel otak dapat mempercepat pembelajaran dan meningkatkan kinerja otak dan kecerdasan buatan (AI).

Studi baru menemukan bahwa dengan mengutak-atik sifat listrik sel individu dalam simulasi jaringan otak, jaringan belajar lebih cepat daripada simulasi dengan sel identik.

Mereka juga menemukan bahwa jaringan membutuhkan lebih sedikit sel yang di-tweak untuk mendapatkan hasil yang sama, dan bahwa metode ini kurang intensif energi dibandingkan model dengan sel yang identik.

Para peneliti mengatakan bahwa temuan mereka dapat mengajari kita tentang mengapa otak kita begitu pandai dalam belajar, dan mungkin juga membantu kita membangun sistem kecerdasan buatan yang lebih baik, seperti asisten digital yang dapat mengenali suara dan wajah, atau teknologi mobil yang dapat mengemudi sendiri.

Peneliti pertama Nicolas Perez, seorang mahasiswa PhD di Imperial College London's Department of Electrical and Electronic Engineering, mengatakan: "Otak perlu hemat energi sambil tetap mampu unggul dalam menyelesaikan tugas-tugas kompleks. Pekerjaan kami menunjukkan bahwa memiliki keragaman neuron di otak dan sistem AI memenuhi kedua persyaratan ini dan dapat meningkatkan pembelajaran."

Penelitian ini dipublikasikan di Nature Communications.

Mengapa neuron seperti kepingan salju?

Otak terdiri dari miliaran sel yang disebut neuron, yang dihubungkan oleh 'jaringan saraf' luas yang memungkinkan kita belajar tentang dunia. Neuron seperti kepingan salju: semua terlihat sama dari kejauhan tetapi pada pemeriksaan lebih lanjut jelas bahwa tidak ada dua yang persis sama.

Sebaliknya, setiap sel dalam jaringan saraf tiruan -- teknologi yang menjadi dasar AI -- identik, dengan hanya konektivitasnya yang bervariasi. Terlepas dari kecepatan kemajuan teknologi AI, jaringan sarafnya tidak belajar seakurat atau secepat otak manusia -- dan para peneliti bertanya-tanya apakah kurangnya variabilitas selnya mungkin menjadi penyebabnya.

Mereka mulai mempelajari apakah meniru otak dengan memvariasikan sifat sel jaringan saraf dapat meningkatkan pembelajaran di AI. Mereka menemukan bahwa variabilitas dalam sel meningkatkan pembelajaran mereka dan mengurangi konsumsi energi.

Peneliti utama Dr Dan Goodman, dari Imperial's Department of Electrical and Electronic Engineering, mengatakan: "Evolusi telah memberi kita fungsi otak yang luar biasa -- sebagian besar baru mulai kita pahami. Penelitian kami menunjukkan bahwa kita dapat mempelajari pelajaran penting dari biologi diri kita sendiri untuk membuat AI bekerja lebih baik bagi kita."

Waktu yang diubah

Untuk melakukan penelitian, para peneliti berfokus pada penyesuaian "konstanta waktu" -- yaitu, seberapa cepat setiap sel memutuskan apa yang ingin dilakukan berdasarkan apa yang dilakukan sel-sel yang terhubung dengannya.

Beberapa sel akan memutuskan dengan sangat cepat, hanya melihat apa yang baru saja dilakukan oleh sel-sel yang terhubung. Sel-sel lain akan lebih lambat bereaksi, mendasarkan keputusan mereka pada apa yang telah dilakukan sel-sel lain untuk sementara waktu.

Setelah memvariasikan konstanta waktu sel, mereka menugaskan jaringan untuk melakukan beberapa tugas pembelajaran mesin benchmark: untuk mengklasifikasikan gambar pakaian dan angka tulisan tangan; untuk mengenali gerakan manusia; dan untuk mengidentifikasi angka dan perintah yang diucapkan.

Hasilnya menunjukkan bahwa dengan memungkinkan jaringan untuk menggabungkan informasi yang lambat dan cepat, lebih mampu menyelesaikan tugas dalam pengaturan dunia nyata yang lebih rumit.

Ketika mereka mengubah jumlah variabilitas dalam jaringan simulasi, mereka menemukan bahwa jaringan yang berkinerja paling cocok dengan jumlah variabilitas yang terlihat di otak, menunjukkan bahwa otak mungkin telah berevolusi untuk memiliki jumlah variabilitas yang tepat untuk pembelajaran yang optimal.

Nicolas menambahkan: "Kami menunjukkan bahwa AI dapat dibawa lebih dekat ke cara kerja otak kita dengan meniru sifat otak tertentu. Namun, sistem AI saat ini jauh dari mencapai tingkat efisiensi energi yang kita temukan dalam sistem biologis.

"Selanjutnya, kita akan melihat bagaimana mengurangi konsumsi energi jaringan ini untuk membuat jaringan AI lebih dekat dengan kinerja seefisien otak."

(Materials provided by Imperial College London)

***
Solo, Sabtu, 9 Oktober 2021. 10:42 am
'salam sehat penuh cinta'
Suko Waspodo
suka idea
antologi puisi suko