Hal yang mengejutkan terjadi ketika jaringan saraf harus memilih neuronnya sendiri
Penelitian ini mengungkap pentingnya keanekaragaman evolusioner bagi kehidupan di Bumi dan, yang lebih menakjubkan lagi, pada mesin.
Ada suatu masa ketika anjing ras murni menjadi simbol status. Pemiliknya akan berkoar-koar tentang silsilah Gembala Jerman atau Cocker Spaniel mereka yang sempurna, terkadang membanggakan garis keturunan yang menapaki satu garis keturunan dalam keluarga yang sama selama beberapa generasi.
Ketertarikan terhadap kemurnian ini meningkat pada masa pemerintahan Hitler di Jerman, ketika garis keturunan Anjing Gembala Jerman yang 'terkontaminasi' dibenci. Namun, pada era Victoria di tahun 1800-an, orang-orang mengawinkan anjing tanpa henti sampai pada titik di mana semua ras yang kita lihat sekarang -- dan penyakit mereka, seperti masalah pinggul dan persendian lainnya -- adalah akibat dari proses perkawinan sedarah tersebut.
Saat ini, penekanan pada kemurnian telah bergeser dan kita terus belajar lebih banyak tentang genetika, khususnya tentang bagaimana perkawinan sedarah adalah cara tercepat untuk mengatasi masalah kesehatan yang melemahkan dan temperamen yang tidak stabil.
Sekarang, anjing kampung berkuasa. Kita tahu bahwa semakin besar keanekaragaman lingkungan, semakin besar pula keanekaragaman organisme yang muncul setelah beradaptasi dengan lingkungan tersebut -- dan pada akhirnya semakin besar pula stabilitas dunia tempat kita tinggal.
Di dunia modern, lebih dari periode mana pun dalam sejarah manusia modern, kumpulan gen yang beragam sangat dicari, terutama karena lingkungan yang tidak stabil dan masalah perubahan iklim akan membutuhkan spesies yang lebih tangguh. Proses ini sendiri, sebagai hukum Bumi, tidaklah terlalu sulit untuk dipahami.
Namun bagaimana jika sebuah mesin menunjukkan kemampuan yang sama untuk bekerja lebih baik di bawah pengaturan teknik yang lebih beragam?
Selain itu, bagaimana jika mesin benar-benar memilih keragaman setelah diizinkan untuk membentuk bagian dalamnya sendiri -- dan pilihan tersebut menghasilkan peningkatan kecepatan prosesor yang tak tertandingi?
Pembelajaran meta untuk AI
Pertanyaan ini diuji melalui eksperimen terobosan yang dilakukan oleh tim peneliti (Anshul Choudhary, Anil Radhakrishnan, John F. Lindner, William Ditto, dan Sudeshna Sinha) dari berbagai institusi (North Carolina State, Indian Institute of Science , Mohali, Sekolah Tinggi Wooster). Tujuan mereka adalah untuk menguji jenis pilihan operasional yang akan diambil oleh AI tingkat lanjut, seperti jaringan saraf, jika dibiarkan sendiri.
“Kami menciptakan sistem pengujian dengan kecerdasan non-manusia, kecerdasan buatan (AI), untuk melihat apakah AI akan memilih keberagaman dibandingkan kurangnya keberagaman dan apakah pilihan tersebut akan meningkatkan kinerja AI,” kata paper co- penulis William Ditto, profesor fisika di NC State dan direktur Nonlinear Artificial Intelligence Laboratory (NAIL) NC State.
“Otak kita yang sebenarnya memiliki lebih dari satu jenis neuron,” kata Ditto, mengekstrapolasi lebih jauh tentang eksperimen tersebut, yang mulai mendefinisikan kembali cara kita memandang keragaman neurologis dalam mesin dan hubungannya dengan kinerja.
“Jadi kami memberi AI kami kemampuan untuk melihat ke dalam dan memutuskan apakah ia perlu memodifikasi komposisi jaringan sarafnya. Intinya, kami memberinya tombol kendali untuk otaknya sendiri. Jadi ia bisa menyelesaikan masalahnya, lihat hasilnya, dan mengubah jenis dan campuran neuron buatan hingga menemukan yang paling menguntungkan. Ini adalah pembelajaran meta untuk AI."
Keberagaman merupakan kebutuhan evolusioner untuk kelangsungan hidup dan kinerja puncak, termasuk pada mesin.
Jaringan saraf -- yang merupakan inti dari sebagian besar AI konvensional dan canggih -- meniru cara kerja otak kita. Sama seperti otak kita mengirim dan menerima impuls listrik yang bergantung pada kekuatan koneksinya, demikian pula jaringan saraf, dengan menyesuaikan bobot dan bias numerik saat dilatih.
Saat jaringan saraf menjalani pelatihan dan mencoba, misalnya, mengidentifikasi tampilan bus dengan menelusuri banyak koleksi foto bus, jaringan menyesuaikan bobot numeriknya dan menyeimbangkan dirinya saat menegosiasikan gambar bus yang benar dan salah.
Kekuatan koneksi antara neuron-neuron ini berfluktuasi selama proses pelatihan, namun pada dasarnya koneksi tersebut akan tetap terkunci jika menyangkut komposisinya.
Hingga para ilmuwan memberikan kebebasan pada jaringan saraf untuk mengaktifkan dirinya sendiri -- dan kemudian sesuatu yang luar biasa terjadi.
Memilih keragaman untuk kinerja puncak
Pertama, jaringan memilih susunan neuron non-linier yang benar-benar berbeda atau heterogen.
Dengan kata lain, sistem memilih keberagaman dibandingkan kesamaan dalam sebuah proses yang disebut 'keberagaman yang dipelajari'.
Kemudian, ternyata jaringan saraf heterogen yang memilih sendiri juga mengungguli jaringan saraf homogen dengan pelatihan yang sama.
Ketika tim meminta AI untuk melakukan 'latihan klasifikasi numerik standar', latihan AI yang beragam dan memilih sendiri ini mengalahkan saudaranya yang homogen sebesar 70% hingga 57% dalam hal akurasi.
Ditto mengatakan beragam AI bisa 10 kali lebih akurat dibandingkan jaringan saraf konvensional.
“Kami telah menunjukkan bahwa jika Anda memberi AI kemampuan untuk melihat ke dalam dan mempelajari cara mereka belajar, maka AI akan mengubah struktur internalnya - struktur neuron buatannya - untuk merangkul keberagaman dan meningkatkan kemampuannya untuk belajar dan memecahkan masalah secara efisien. dan lebih akurat lagi," kata Ditto.
Dia menambahkan bahwa ketika permasalahan menjadi lebih kompleks dan kacau, kinerja jaringan saraf AI yang beragam sebenarnya meningkat seiring waktu dibandingkan dengan AI yang tidak beragam.
Menurut para ilmuwan, keragaman yang dipelajari ini bahkan dapat meningkatkan kinerja AI berbasis fisika yang ada, seperti jaringan saraf Hamilton.
Ketika AI diterapkan di hampir setiap aplikasi -- banyak di antaranya yang terlibat dalam fungsi hidup dan mati, seperti pesawat terbang dan kendaraan otonom -- kita memerlukan sistem yang jauh lebih kuat dan cepat.
Lintasan evolusi yang beragam telah menjadikan manusia, hewan, tumbuhan, dan hampir semua makhluk hidup di Bumi hingga saat ini menjadi sebuah kisah sukses -- dan hal ini juga tampaknya memisahkan pihak yang menang dan yang kalah di dunia mesin.