Studi : Otak Manusia Lebih Efisien dan Unggul Dibandingkan AI Ketika Belajar
JAKARTA “Penelitian terbaru menunjukkan bahwa otak manusia memiliki cara belajar yang berbeda secara fundamental dan lebih efisien dibandingkan mesin. Ia juga menolak anggapan bahwa kecerdasan buatan (AI) berpotensi menggantikan manusia di banyak bidang kehidupan. Salah satu aspek mendasar dalam proses pembelajaran disebut pemberian kredit atau dalam bahasa Indonesia “pemberian kredit”. Ketika seseorang melakukan kesalahan, konsep “kredit” berupaya mengidentifikasi lokasi kesalahan dalam pemrosesan informasi. Konsep ini tidak berlaku untuk kecerdasan buatan (AI). Dalam AI, ada proses yang disebut backpropagation, sebuah algoritma yang dirancang untuk memeriksa kesalahan.
Jika kesalahan terdeteksi, kesalahan tersebut dapat menyebar ke seluruh sistem kerja AI, sehingga memengaruhi keakuratan prediksi dalam penambangan data dan pembelajaran mesin. Kebanyakan AI modern menggunakan jaringan saraf tiruan.JAKARTA “Penelitian terbaru menunjukkan bahwa otak manusia memiliki cara belajar yang berbeda secara fundamental dan lebih efisien dibandingkan mesin. Ia juga menolak anggapan bahwa kecerdasan buatan (AI) berpotensi menggantikan manusia di banyak bidang kehidupan. Salah satu aspek mendasar dalam proses pembelajaran disebut dengan pemberian kredit atau dalam bahasa Indonesia “pemberian kredit”. Ketika seseorang melakukan kesalahan, konsep “kredit” berupaya menemukan kesalahan dalam pemrosesan informasi.
Kecerdasan buatan (AI) membantu mengungkap misteri wajah lukisan Madonna della Rossa.
Konsep ini tidak berlaku untuk kecerdasan buatan (AI). Dalam AI, ada proses yang disebut backpropagation, sebuah algoritma yang dirancang untuk memeriksa kesalahan. Jika kesalahan terdeteksi, kesalahan tersebut dapat menyebar ke seluruh sistem kerja AI, sehingga memengaruhi keakuratan prediksi dalam penambangan data dan pembelajaran mesin. Kebanyakan AI modern menggunakan jaringan saraf tiruan.
Kecerdasan buatan dapat memprediksi dan mencegah kematian akibat serangan jantung
Ini adalah stimulus (sel saraf) yang strukturnya mirip dengan yang terdapat pada otak manusia. Ketika AI melakukan kesalahan, AI cenderung mengubah hubungan antar neuron, yang juga dikenal sebagai penyesuaian bobot. Tindakan ini bertujuan untuk memperbaiki proses pengambilan keputusan hingga diperoleh jawaban yang tepat. Namun, beberapa peneliti kini percaya bahwa proses ini juga mewakili mekanisme pembelajaran dari pengalaman baru di jaringan saraf biologis otak. Diluncurkan di Science Times, Sabtu (1 Juni 2024), dalam studi baru dari Universitas Oxford, para peneliti mencatat bahwa meskipun propagasi mundur telah membawa kemajuan signifikan dalam operasi AI, namun otak manusia selalu menunjukkan keunggulan di berbagai bidang. cara belajar.
AI mungkin unggul dalam tugas atau pekerjaan tertentu, seperti perekrutan atau pemikiran kreatif, namun dibutuhkan waktu lebih lama dibandingkan manusia untuk mempelajari keterampilan ini. Manusia mempunyai kemampuan untuk belajar dari satu contoh pengalaman baru, sedangkan AI membutuhkan pemaparan berulang kali. Otak manusia menggunakan metode pembelajaran yang disebut “pemodelan masa depan”, yang mengubah aktivitas saraf untuk memprediksi hasil dengan lebih baik dan bobot disesuaikan dengan model baru. Berbeda dengan AI yang memodifikasi koneksi internal, memodifikasi aktivitas sel saraf untuk memprediksi hasil dengan lebih baik. Kemudian, beberapa faktor harus disesuaikan untuk dapat mengadaptasi model baru. Meski perbedaannya tidak signifikan, namun dampaknya cukup signifikan.
Penelitian ini menyimpulkan bahwa model yang menggunakan konfigurasi berwawasan ke depan dapat belajar lebih cepat dan lebih efektif dibandingkan jaringan saraf tiruan dalam tugas yang serupa dengan kondisi alam yang dialami manusia dan hewan. Dr. Yuhang Song, penulis pertama studi ini, menjelaskan bahwa komputer saat ini tidak dapat menggunakan pendekatan efisien yang sama seperti otak manusia. Namun, diharapkan dapat mengembangkan komputer atau perangkat keras baru yang mampu mengimplementasikan konfigurasi potensial dengan konsumsi daya minimal.
Namun, peneliti utama studi tersebut, Profesor Rafal Bogacz, mencatat bahwa saat ini terdapat kesenjangan pengetahuan yang signifikan antara penerapan pengaturan prospektif dan pengetahuan terkini tentang anatomi jaringan otak. Namun, disarankan untuk melakukan penelitian lebih lanjut yang bertujuan untuk mengisi kesenjangan tersebut, sehingga hipotesis dan kesimpulan terkait perbandingan tersebut dapat lebih ditekankan.