Orang-orang ditambah mesin akan melampaui kemampuan dari salah satu elemen saja. metamorworks / Shutterstock.com

Masa depan tidak akan dibuat oleh manusia atau mesin saja - tetapi oleh keduanya, bekerja sama. Teknologi memodelkan bagaimana otak manusia bekerja sudah menambah kemampuan orang, dan hanya akan menjadi lebih berpengaruh karena masyarakat terbiasa dengan mesin yang semakin mampu ini.

Teknologi optimis telah memimpikan dunia dengan meningkatnya produktivitas manusia dan kualitas hidup sebagai sistem kecerdasan buatan mengambil alih kehidupan yang membosankan dan administrivia, menguntungkan semua orang. Orang pesimis, di sisi lain, telah memperingatkan bahwa kemajuan ini bisa terjadi biaya besar dalam pekerjaan yang hilang dan kehidupan yang terganggu. Dan para pembuat takut khawatir bahwa AI mungkin pada akhirnya membuat manusia menjadi usang.

Namun, orang-orang tidak pandai membayangkan masa depan. Baik utopia maupun kiamat tidak mungkin terjadi. Di buku baru saya, “Revolusi Pembelajaran Mendalam, ”Tujuan saya adalah untuk menjelaskan masa lalu, sekarang dan masa depan dari bidang ilmu pengetahuan dan teknologi yang berkembang pesat ini. Kesimpulan saya adalah bahwa AI akan membuat Anda lebih pintar, tetapi dengan cara yang akan mengejutkan Anda.

Mengenali pola

Pembelajaran mendalam adalah bagian dari AI yang telah membuat kemajuan paling dalam memecahkan masalah yang rumit seperti mengidentifikasi objek dalam gambar, mengenali ucapan dari beberapa pembicara dan memproses teks seperti orang berbicara atau menulisnya. Pembelajaran mendalam juga terbukti bermanfaat untuk mengidentifikasi pola dalam kumpulan data yang semakin besar yang dihasilkan sensor, peralatan medis dan instrumen ilmiah.

Tujuan dari pendekatan ini adalah untuk menemukan cara komputer dapat mewakili kompleksitas dunia dan menggeneralisasi dari pengalaman sebelumnya - bahkan jika apa yang terjadi selanjutnya tidak persis sama dengan yang terjadi sebelumnya. Seperti halnya seseorang dapat mengidentifikasi bahwa hewan tertentu yang belum pernah dia lihat sebelumnya sebenarnya adalah seekor kucing, algoritma pembelajaran mendalam dapat mengidentifikasi aspek dari apa yang disebut "cat-ness" dan mengekstraksi atribut tersebut dari gambar baru kucing.

Sistem pembelajaran dalam dapat mengetahui yang mana yang merupakan kucing. Gelpi / Shutterstock.com

Metode untuk pembelajaran mendalam didasarkan pada prinsip yang sama yang menggerakkan otak manusia. Misalnya, otak menangani banyak data dari berbagai jenis di banyak unit pemrosesan pada saat yang bersamaan. Neuron memiliki banyak koneksi satu sama lain, dan tautan itu memperkuat atau memperlemah tergantung pada seberapa banyak mereka digunakan, membangun asosiasi antara input sensorik dan output konseptual.

Grafik jaringan pembelajaran dalam yang paling sukses didasarkan pada penelitian 1960 ke dalam arsitektur korteks visual, bagian dari otak yang kita gunakan untuk melihat, dan belajar algoritma yang diciptakan di 1980s. Saat itu, komputer belum cukup cepat untuk menyelesaikan masalah dunia nyata. Sekarang, mereka memang seperti itu.

Selain itu, jaringan pembelajaran telah berlapis di atas satu sama lain, menciptakan jaring koneksi lebih erat menyerupai hierarki lapisan yang ditemukan di korteks visual. Ini adalah bagian dari a konvergensi terjadi antara kecerdasan buatan dan biologis.

Jaringan syaraf empat-lapis menerima input dari kiri, memberikan output dari lapisan pertama ke lapisan berikutnya, ke yang berikutnya dan berikutnya - sebelum mengirimkan output. Sin314 / Shutterstock.com

Pembelajaran mendalam dalam kehidupan nyata

Pembelajaran mendalam sudah menambah kemampuan manusia. Jika Anda menggunakan layanan Google untuk mencari web, atau menggunakan aplikasinya untuk menerjemahkan dari satu bahasa ke bahasa lain atau mengubah pidato menjadi teks, teknologi telah membuat Anda lebih pintar, atau lebih efektif. Baru-baru ini dalam perjalanan ke China, seorang teman berbicara bahasa Inggris ke ponsel Android-nya, yang menerjemahkannya ke bahasa Cina lisan untuk pengemudi taksi - seperti penerjemah universal di "Star Trek. "

Tes perangkat terjemahan real-time yang sebenarnya.

{youtube}Nu-nlQqFCKg{/youtube}

Ini dan banyak sistem lain sudah bekerja, membantu Anda dalam kehidupan sehari-hari Anda bahkan jika Anda tidak menyadarinya. Misalnya, pembelajaran yang mendalam mulai mengambil alih pembacaan gambar X-ray dan foto-foto lesi kulit untuk deteksi kanker. Dokter lokal Anda akan segera dapat menemukan masalah yang jelas hari ini hanya untuk para ahli terbaik.

Bahkan ketika Anda tahu ada mesin yang terlibat, Anda mungkin tidak memahami kompleksitas dari apa yang sebenarnya mereka lakukan: Di belakang Amazon Alexa adalah sebuah perkumpulan jaringan pembelajaran mendalam yang mengenali permintaan Anda, menyaring data untuk menjawab pertanyaan Anda dan mengambil tindakan atas nama Anda.

Memajukan pembelajaran

Pembelajaran mendalam telah sangat efektif dalam memecahkan masalah pengenalan pola, tetapi untuk melampaui ini membutuhkan sistem otak lainnya. Ketika seekor hewan dihargai untuk suatu tindakan, itu benar lebih cenderung mengambil tindakan serupa di masa depan. Dopamin neuron di ganglia basal otak melaporkan perbedaan antara pahala yang diharapkan dan yang diterima, disebut kesalahan prediksi pahala, yang digunakan untuk mengubah kekuatan koneksi di otak yang memprediksi imbalan masa depan.

Menggabungkan pendekatan ini, yang disebut pembelajaran penguatan, dengan pembelajaran mendalam dapat memberi komputer kekuatan untuk mengidentifikasi kemungkinan yang tidak terduga. Dengan mengenali suatu pola dan kemudian meresponsnya dengan cara yang menghasilkan imbalan, mesin mungkin mendekati perilaku di sepanjang garis apa yang mungkin disebut kreativitas manusia. Pendekatan gabungan ini adalah bagaimana DeepMind mengembangkan suatu program yang disebut AlphaGo, yang di 2016 mengalahkan grandmaster Lee Sedol dan tahun berikutnya mengalahkan juara Go dunia, Ke Jie.

Permainan tidak seaneh dunia nyata, yang penuh dengan ketidakpastian yang bergeser. Massimo Vergassola di University of California, San Diego, dan saya baru-baru ini menggunakan pembelajaran penguatan untuk mengajar peluncur di lapangan bagaimana melambung seperti burung di termal bergolak. Sensor dapat dilekatkan pada burung yang sebenarnya untuk menguji apakah mereka menggunakan isyarat yang sama dan merespons dengan cara yang sama.

Terlepas dari keberhasilan ini, para peneliti belum sepenuhnya memahami bagaimana pembelajaran mendalam memecahkan masalah-masalah ini. Tentu saja, kita tidak tahu bagaimana otak memecahkannya juga.

Sementara kerja batin otak mungkin tetap sulit dipahami, hanya masalah waktu sebelum peneliti mengembangkan teori pembelajaran yang mendalam. Perbedaannya adalah ketika mempelajari komputer, peneliti memiliki akses ke setiap koneksi dan pola aktivitas dalam jaringan. Laju kemajuan berlangsung cepat, dengan makalah penelitian muncul setiap hari arXiv. Kemajuan yang mengejutkan diantisipasi pada bulan Desember ini di Konferensi Sistem Pengolahan Informasi Neural di Montreal, yang mana tiket 8,000 terjual habis dalam waktu 11 menit, meninggalkan 9,000 calon pendaftar di daftar tunggu.

Ada jalan panjang sebelum komputer mencapai kecerdasan manusia umum. Jaringan pembelajaran dalam terbesar saat ini hanya memiliki kekuatan sepotong korteks saraf manusia ukuran sebutir beras. Dan kita belum tahu bagaimana otak secara dinamis mengatur interaksi antara area otak yang lebih besar.

Alam sudah memiliki tingkat integrasi itu, menciptakan sistem otak berskala besar yang mampu mengoperasikan semua aspek tubuh manusia sambil merenungkan pertanyaan-pertanyaan mendalam dan menyelesaikan tugas-tugas kompleks. Pada akhirnya, sistem otonom dapat menjadi kompleks, bergabung dengan segudang makhluk hidup di planet kita.

Tentang Penulis

Terrence Sejnowski, Francis Crick Professor dan Direktur Laboratorium Neurobiologi Komputasional di Salk Institute for Biological Studies, dan Profesor Neurobiologi yang terhormat, University of California San Diego

Artikel ini diterbitkan kembali dari Percakapan di bawah lisensi Creative Commons. Membaca Artikel asli.

Buku terkait

at Pasar InnerSelf dan Amazon