Apa yang dilupakan oleh AI dapat membunuh kita, namun penelitian baru membantu AI mengingatnya
Sungguh ironis: Pemahaman yang lebih baik tentang cara otak manusia membuat ingatan dapat membantu kita mengurangi kebiasaan lupa yang bersifat 'bencana' di jaringan saraf.
Menurut sebagian besar laporan, AI akan segera hadir di mana-mana, seperti halnya gula, atau Taylor Swift.
Sistem AI akan segera menjadi tulang punggung cerdas untuk segala hal yang kita gunakan atau lakukan dan mengubah industri dan masyarakat secara keseluruhan, kata para ahli.
Jadi, bayangkan jika Anda terbang di suatu tempat di langit yang bersahabat, dan sistem saraf pusat pesawat Anda yang sekarang dikelola oleh AI tiba-tiba mati, sehingga pesawat tidak berdaya.
Atau, Bursa Efek New York memutuskan untuk mengambil liburan yang tidak terduga dan segera dengan menutup pasar dan menyebabkan perekonomian - dan tabungan hidup Anda - ke dalam spiral kematian.
Atau pemanggang roti Anda menolak memberikan sepotong makanan yang dapat diterima tubuh Anda sebelum Anda memulai perjalanan harian Anda ke tempat kerja.
Percaya atau tidak, teknologi mematikan yang akan membawa umat manusia menuju kehancurannya - sebuah keyakinan yang dimiliki oleh otoritas AI seperti orang yang menciptakannya, Geoffrey Hinton - memiliki sedikit masalah yang harus diselesaikan sebelum teknologi tersebut benar-benar hidup. terhadap potensi pembunuhannya.
Seiring berjalannya waktu, masalah ini sangat buruk - ia tidak dapat mengingat hal-hal lama.
Dan ketika ia tidak mengingatnya, ia langsung mati dalam suatu tindakan yang disebut "lupa bencana" yang mungkin memiliki kesamaan yang menakutkan dengan seluruh pengalaman pendidikan sekolah menengah Anda.
Untuk mengenang masa lalu
Sistem AI dasar apa pun yang bernilai chip harus mampu mempelajari serangkaian tugas dengan sukses dalam proses yang disebut pembelajaran berkelanjutan.
Pada manusia, pembelajaran terjadi ketika otak kita mampu mengingat kenangan masa lalu dalam melakukan sesuatu.
Hal ini bergantung pada siklus REM, bagian dari fase tidur kita, di mana ingatan terkini dibuang ke tempat sampah jangka panjang sehingga ingatan baru dapat dibuat.
Jaringan saraf AI pada dasarnya meniru cara kerja otak manusia sehingga sudah lama ada harapan bahwa suatu algoritma dapat menggunakan pengetahuan yang tersimpan dalam menjalankan semua pekerjaan lamanya untuk mempelajari hal-hal baru seperti yang kita lakukan sebagai manusia -- namun hal ini sepertinya tidak terjadi. agar dapat bekerja sesuai harapan.
Sesuatu sedang terjadi -- atau tidak terjadi, tergantung kasusnya -- dalam pelatihan jaringan syaraf tiruan yang menyebabkan kesenjangan besar dalam kognisi. Jaringan saraf akan melupakan semua informasi lamanya saat mempelajari hal-hal baru -- dan kemudian akan membeku.
Untuk mengatasinya, para peneliti memulai strategi baru -- mereka mulai memasukkan data lama ke sistem AI sambil memproses data baru, sebuah proses yang disebut pelatihan interleaved, yang menurut mereka merupakan cara kerja otak saat tidur.
Ternyata proses ini sebenarnya tidak terjadi di otak; dari sudut pandang praktis, waktu yang dibutuhkan otak -- atau mesin penirunya -- untuk mencerna semua data pembelajaran lama ini saat tidur tidaklah cukup.
Jawabannya pasti ada di tempat lain.
Para peneliti dari Institut Ilmu Komputer dari Akademi Ilmu Pengetahuan Ceko di Praha, Republik Ceko, dan Universitas California, San Diego, juga mengamati tidur, tetapi melalui sudut pandang yang berbeda.
Mereka menghindari jaringan saraf konvensional -- jaringan yang terus-menerus menyesuaikan sinapsisnya (hubungan antar neuron) hingga mampu menemukan solusi -- untuk jaringan 'spiking' yang menurut mereka paling mirip dengan otak manusia.
Jaringan 'spiking' mengirimkan keluaran hanya setelah menerima sejumlah besar sinyal dari waktu ke waktu dan oleh karena itu mengalihkan lebih sedikit data serta menggunakan lebih sedikit daya dan bandwidth, menurut para peneliti. Dengan melakukan hal itu, ia dapat mengaktifkan kembali neuron yang terlibat dalam mempelajari tugas-tugas lama. Tampaknya berhasil.
Jaringan saraf spiking mampu melakukan kedua tugas tersebut setelah menjalani fase seperti tidur.
“Pekerjaan kami menyoroti kegunaan dalam mengembangkan solusi yang terinspirasi secara biologis,” kata salah satu peneliti studi tersebut, Jean Erik Delanois, dari University of California, San Diego.
Sesuai gambar penciptamu
Sementara itu, baru-baru ini, para peneliti dari Ohio State University menghindari tidur sambil mengatasi masalah yang sama yaitu lupa dalam jaringan saraf pembelajaran mendalam.
Mereka menggunakan pendekatan yang sangat berbeda dan cerdik untuk memecahkan masalah ini.
“Penelitian kami menyelidiki kompleksitas pembelajaran berkelanjutan dalam jaringan saraf tiruan ini, dan apa yang kami temukan adalah wawasan yang mulai menjembatani kesenjangan antara cara mesin belajar dan cara manusia belajar,” kata Ness Shroff, seorang profesor ilmu komputer dan teknik di Ohio State.
Shroff dan rekan-rekannya menemukan bahwa algoritme pembelajaran mesin tradisional memasukkan data secara paksa dalam satu dorongan besar, namun hal tersebut belum tentu baik untuk mesin. Faktanya, seberapa mirip tugas-tugas tersebut, kesamaan apa yang dimilikinya, dan bahkan urutan tugas-tugas yang diajarkan mempengaruhi seberapa baik algoritma mengingat tugas-tugas tersebut.
Dalam salah satu ironi yang paling aneh di zaman kita, Shroff dan rekan-rekannya menemukan bahwa algoritme, seperti halnya manusia, mampu mengingat jauh lebih baik ketika diberi tugas yang sangat berbeda secara berurutan daripada serangkaian tugas serupa.
Otak manusia juga berfungsi seperti ini. Peristiwa yang sama -- pesta, liburan, bahkan hari dalam seminggu -- menjadi kabur satu sama lain jika lokasi atau pengalaman yang sama diulangi. Namun yang berbeda menonjol.
Para peneliti di Ohio State menemukan bahwa tugas-tugas yang berbeda harus diperkenalkan sejak awal dalam proses pembelajaran berkelanjutan agar AI dapat mempelajari hal-hal baru serta tugas-tugas yang serupa dengan yang lama.
“Pekerjaan mereka sangat penting karena memahami kesamaan antara mesin dan otak manusia dapat membuka jalan bagi pemahaman yang lebih mendalam tentang AI, kata Shroff.
Agar AI benar-benar efektif dan aman, algoritme harus mampu belajar lebih baik, menangani situasi yang berbeda dan tidak terduga, serta dapat diskalakan.
Kedua solusi untuk gangguan memori mesin ini akan sangat membantu mencapai tujuan tersebut.