Alat kecerdasan buatan atau AI digunakan oleh pengguna komputer dan ponsel di seluruh dunia untuk mencari informasi, membuat foto dan video, atau menganalisis data dalam jumlah besar dengan cara yang tidak mungkin dilakukan dua tahun lalu. AI berpotensi membawa perubahan mendasar pada cara manusia hidup dan bekerja.
Hadiah Nobel Fisika tahun ini memberikan penghargaan kepada dua ilmuwan yang karyanya meletakkan dasar bagi revolusi AI yang kini sedang berlangsung. John Hopfield, warga Amerika berusia 91 tahun, dan Jeffrey Hinton, warga Kanada kelahiran Inggris berusia 76 tahun, menerima Hadiah Nobel pada hari Selasa atas “penemuan dan penemuan mendasar yang memungkinkan pembelajaran mesin dengan jaringan saraf tiruan.”
Kedua ilmuwan tersebut, yang bekerja secara terpisah, melakukan sebagian besar penelitian inovatif mereka pada tahun 1980an, namun dampak dari penelitian mereka baru sekarang mulai terasa.
Meniru otak
Prestasi besar Hopfield dan Hinton adalah mengembangkan algoritma komputer yang meniru kinerja otak manusia dalam melakukan tugas-tugas sederhana. Komputer diciptakan untuk melakukan tugas-tugas berbasis perhitungan berulang yang akan memakan waktu terlalu lama bagi manusia. Namun tak lama kemudian, para ilmuwan bertanya-tanya apakah mesin juga dapat dibuat untuk melakukan hal-hal yang tampaknya lebih baik dilakukan manusia – mengingat, mengenali, menciptakan, mempelajari, dan membuat prediksi cerdas.
AI sekarang menjadi istilah yang umum, namun istilah ini berasal dari pertengahan tahun 1950an, ketika para ilmuwan mulai menyebut komputer sebagai mesin “cerdas”. Seiring dengan semakin canggihnya komputer selama bertahun-tahun, komputer telah menyelesaikan tugas-tugas yang lebih kompleks dengan efisiensi yang lebih besar dan memperoleh kecerdasan. Namun, ini masih merupakan tugas komputasi yang intensif – dan komputer dapat menghitung lebih cepat dan melakukan lebih banyak tugas secara bersamaan dibandingkan sebelumnya.
Upaya untuk membuat komputer meniru cara kerja otak manusia tidak mengalami banyak kemajuan sampai karya revolusioner Hopfield pada tahun 1980an. Seorang fisikawan teoretis yang tertarik pada biologi molekuler dan ilmu saraf, Hopfield membangun jaringan saraf tiruan yang mirip dengan jaringan sel saraf di otak manusia, yang memungkinkan sistem komputer untuk ‘mengingat’ dan ‘belajar’.
Sebelumnya, pada tahun 1949, psikolog Kanada Donald Hebb menemukan bahwa selama proses pembelajaran pada manusia terjadi perubahan permanen dan tidak dapat diubah pada sinapsis atau hubungan antar sel saraf tempat berlangsungnya komunikasi terkait pembelajaran. Hopfield membangun jaringan saraf tiruan yang dapat mencapai sesuatu yang serupa dan itu merupakan terobosan besar,” kata mantan Fisika di Universitas Hyderabad, Profesor Vipin Srivastava.
Jaringan Hopfield memproses informasi menggunakan seluruh struktur jaringan dan bukan komponen individualnya. Hal ini tidak seperti komputasi tradisional dimana informasi disimpan atau diproses dalam bit-bit kecil. Jadi, ketika jaringan Hopfield diberi informasi baru, seperti gambar atau lagu, jaringan tersebut menangkap seluruh pola sekaligus, mengingat koneksi atau hubungan antara blok penyusun, seperti piksel dalam kasus gambar.
Hal ini memungkinkan jaringan untuk mengingat, mengenali, atau mereproduksi gambar atau lagu ketika gambar yang tidak lengkap atau tampak serupa dikirim sebagai masukan. Pekerjaan Hopfield mengarah pada pengaktifan pengenalan pola di komputer, memungkinkan apa yang sekarang menjadi alat pengenalan wajah atau peningkatan gambar yang umum.
Pembelajaran mendalam
Hinton memajukan pekerjaan Hopfield dan mengembangkan jaringan buatan yang mampu melakukan tugas-tugas yang sangat kompleks. Jadi, meskipun jaringan Hopfield dapat mengenali pola bentuk atau suara yang sederhana, model Hinton yang canggih dapat memahami nada dan gambar. Jaringan saraf ini dapat diperkuat dan keakuratannya dalam pengenalan pola ditingkatkan dengan masukan data berulang yang disebut pelatihan. Hinton mengembangkan teknik yang disebut backpropagation, yang memungkinkan jaringan saraf tiruan belajar dari kesalahan sebelumnya dan memperbaiki dirinya sendiri.
Proses pembelajaran dan peningkatan berkelanjutan melalui pelatihan pada kumpulan data besar telah mengarah pada pengembangan jaringan saraf dalam yang terdiri dari beberapa lapisan jaringan. Hinton menunjukkan bahwa jaringan dalam mampu mempelajari fitur dan pola yang lebih kompleks dalam kumpulan data yang besar. Pembelajaran mendalam adalah inti dari pengenalan suara dan gambar modern, terjemahan, bantuan suara, dan mobil tanpa pengemudi.
Kekuatan jaringan dalam Hinton ditunjukkan dengan cemerlang dalam ImageNet Visual Recognition Challenge 2012, yang diadakan untuk menguji teknik baru dalam pengenalan gambar. Algoritme pengenalan pola menggunakan jaringan saraf dalam yang dikembangkan oleh Hinton dan murid-muridnya, yang disebut AlexNet, telah menunjukkan peningkatan dramatis dalam pengenalan gambar.
“Ini adalah momen penting dalam pengembangan kecerdasan buatan. Sampai saat itu, kegunaan sebenarnya dari jaringan saraf ini belum diketahui dan dibuktikan dengan baik. Sekarang, pembelajaran mesin digunakan di berbagai bidang,” kata Shravan Hanasoge dari Institut Penelitian Teknologi dan Teknologi. Departemen Astronomi dan Astrofisika. Tata Institut Penelitian Fundamental, Mumbai. Hanasoge sendiri memanfaatkan pembelajaran mesin secara ekstensif untuk mempelajari bintang.
“Kami menangani sejumlah besar data yang penuh peluang. Pembelajaran mesin membantu kita fokus pada kumpulan data yang paling berpotensi menghasilkan informasi baru atau menarik,” ujarnya.
Pada tahun 2018, Hinton dianugerahi Penghargaan Turing paling bergengsi di bidang ilmu komputer. Faktanya, seluruh pekerjaan Hinton berada di bidang ilmu komputer, tidak seperti Hopfield, yang bekerja di bidang fisika, ilmu saraf, dan biologi. Srivastava, mantan profesor di Universitas Hyderabad, mengatakan Nobel fisika relevan karena karya Hopfield pada tahun 1982 didasarkan pada beberapa kemajuan fisika sebelumnya.
“Jaringan Hopfield terinspirasi oleh sistem fisik yang disebut ‘spin glass’, komposit dengan beberapa sifat unik. Kinerja spin glass dan matematikanya dipetakan ke jaringan saraf tiruan,” kata Srivastava.
Ini bukan pertama kalinya Komite Nobel memilih kemajuan dalam ilmu komputer untuk Hadiah Nobel Fisika. Pada tahun 2007, ia dianugerahi Nobel Fisika atas karyanya pada perangkat penyimpanan data seperti hard drive.
