'Memori asosiatif' Hopfield dapat menyimpan pola dan membuatnya kembali serta menjadi dasar pelatihan AI saat ini.
Dua ilmuwan dianugerahi Hadiah Nobel Fisika tahun 2024 atas kontribusi mereka terhadap landasan model kecerdasan buatan dan pembelajaran mesin yang canggih saat ini.
Pemenang penghargaan John Hopfield dan Geoffrey Hinton dianugerahi penghargaan hari ini (8 Oktober) atas kerja keras mereka, yang dimulai pada tahun 1980an, dalam membantu menciptakan mesin yang dapat meniru fungsi seperti memori dan pembelajaran serta mengembangkan model paling awal yang menjadi dasar AI generatif saat ini. .
Cara pelatihan model pembelajaran mesin terinspirasi oleh cara otak manusia belajar, menghubungkan node, atau sepotong kecil informasi, dengan konektor, mirip dengan cara kerja sinapsis otak pada manusia. Hipotesis ini menyamakan jaringan saraf manusia dengan jaringan saraf tiruan dan menjadi dasar bagaimana model komputer dilatih saat ini.
Hopfield menerbitkan penemuannya tentang 'memori asosiatif', juga disebut 'Hopfield Network' pada tahun 1982, sebuah jaringan yang dapat menyimpan pola dan membuatnya kembali.
Saat dilatih pada suatu gambar, jaringan dapat memeriksa gambar lain yang dimasukkan dan melakukan koreksi agar cocok dengan gambar pertama. Jaringan Hopfield sering kali mereproduksi gambar asli yang dilatihnya. Jaringan dapat membuat ulang data yang mengandung 'noise' (data yang salah atau tidak diperlukan), atau data yang telah terhapus sebagian.
Memori asosiatif Hopfield memberikan perspektif pada model bahasa besar saat ini yang dibangun pada jaringan serupa, tetapi jauh lebih besar daripada penemuan awal Hopfield.
Hinton, yang sebelumnya mempelajari psikologi eksperimental dan kecerdasan buatan, mengambil dari Hopfield Network dan membangun mesin Boltzmann, contoh awal model generatif, menggunakan fisika statistik.
Mesin Boltzmann, yang diterbitkan pada tahun 1985, menggunakan persamaan yang dibuat oleh fisikawan abad ke-19 Ludwig Boltzmann, dan dapat belajar dari contoh yang diberikan.
Mesin Boltzmann yang terlatih dapat mengenali ciri-ciri familiar dalam data yang belum pernah dilihat sebelumnya, seperti halnya manusia yang dapat mengenali ciri-ciri sesuatu yang familiar pada objek yang sama sekali baru.
Dengan cara serupa, mesin Boltzmann dapat mengenali contoh yang benar-benar baru jika contoh tersebut termasuk dalam kategori yang ditemukan dalam data yang dilatihnya, dan membedakannya dari hal lain yang berbeda.
Hinton melanjutkan karyanya pada jaringan syaraf tiruan bahkan ketika industri tersebut tampaknya kehilangan minat pada tahun 1990an. Namun, industri ini mendapatkan kembali minat baru pada tahun 2010-an.
Karya Hopfield dan Hinton berkontribusi pada booming AI dan pembelajaran mesin yang dialami umat manusia saat ini, dengan perbaikan besar-besaran yang dilakukan pada cara mesin memproses data. AI generatif telah mengalami perkembangan lebih lanjut, mampu memproses bahasa manusia yang kompleks dan data dalam jumlah besar.
Prof Peter Gallagher, kepala astrofisika dan direktur Observatorium Dunsink di Dublin Institute for Advanced Studies (DIAS), mengatakan pembelajaran mesin “mengubah cara para peneliti dalam ilmu luar angkasa dan astrofisika menganalisis dan menafsirkan kumpulan data yang kompleks”.
“Pembelajaran mesin memungkinkan kita secara otomatis menemukan dan mengkarakterisasi sejumlah besar semburan radio matahari yang tidak mungkin dicapai dengan mata,” katanya.
Rhodri Cusack, profesor ilmu saraf di Trinity College Dublin, mengatakan jaringan saraf AI telah terbukti menjadi model proses yang berharga di otak. “Singkatnya, mesin membantu kita memahami diri kita sendiri, yang pada gilirannya memberikan jalan baru bagi teknologi. Semua ini tidak akan mungkin terjadi tanpa kerja keras Hopfield dan Hinton”.
Awal tahun ini, Hinton, yang secara luas dianggap sebagai 'Godfather of AI', dianugerahi Ulysses Medal oleh University College Dublin (UCD) atas kontribusinya kepada masyarakat melalui backpropagation – sebuah cara untuk melatih jaringan saraf tiruan agar lebih akurat dengan memberikan tingkat kesalahan kembali melaluinya, mengurangi kebutuhan akan masukan berkelanjutan dari manusia.
Namun, ia juga meninggalkan perannya di Google tahun lalu agar lebih vokal mengenai bahaya AI. Dia mengatakan bahwa dengan membanjirnya data yang dihasilkan oleh AI generatif, rata-rata orang “tidak akan dapat mengetahui apa yang benar lagi”.
Jangan lewatkan pengetahuan yang Anda butuhkan untuk sukses. Mendaftarlah untuk Ringkasan Harianintisari berita teknologi ilmiah yang perlu diketahui dari Silicon Republic.
