Coba baca teks ini, apakah Anda paham seketika?
wht has Don Trm don nw?
Anda mungkin bisa menduga maksudnya adalah: “What has Donald Trump done now?” (Apa lagi yang dilakukan Donald Trump sekarang?).
Bagaimana Anda bisa sampai pada kesimpulan itu? Padahal potongan kata-kata itu bisa saja bagian dari banyak kata lain. Anda bahkan bisa menduga kepanjangan dari potongan yang hampir sama—"Don" dan “don"—adalah kata yang berbeda—"Donald” dan “done”.
Jika Anda memasukkan potongan kata-kata itu di Google, tak ada satu pun hasil pencarian teratas yang berkaitan dengan Presiden Amerika Serikat saat ini.
Ya, Google tak secerdas itu. Supaya lebih cerdas, maka programer dan insinyur di Google harus bisa lebih memahami apa yang terjadi di otak manusia ketika mereka ingin memperbaiki algoritme mesin pencarian mereka. Dan inilah alasan mereka meminta bantuan ilmuwan saraf.
Interpretasi otak
Manusia memiliki kemampuan luar biasa dalam mencerna bahasa bahkan yang ambigu sekali pun. Bahkan satu kalimat sederhana dengan kata-kata yang tersusun baik pun memiliki interpretasi yang beragam.
Misalnya, simak kalimat bahasa Inggris ini: “time flies like an arrow” bisa berarti “coba Anda hitung waktu terbang lalat seperti Anda menghitung waktu terbang anak panah”, atau “waktu terbang sebagaimana anak panah terbang”. Masih banyak lagi kemungkinan lain.
Anda bisa memahami bahwa pilihan-pilihan makna ini semua mungkin tetapi Anda akan memilih interpretasi yang paling umum “waktu bergerak cepat seperti layaknya anak panah”. Bagaimana Anda melakukannya?
Memahami bahasa adalah satu contoh dari upaya komputasi luar biasa yang Anda lakukan saat ini, tanpa Anda menyadarinya.
Kemampuan yang lain? Memahami gambar. Setiap gambar dua dimensi di retina Anda bisa saja dihasilkan dari sembarang pemandangan tiga dimensi. Setiap pinggiran bisa jadi adalah bagian dari beberapa objek berbeda, atau bisa saja hanya ketidaksempurnaan (noise) di gambar. Tetapi Anda hampir selalu bisa menebaknya dengan tepat.
Satu contoh yang sulit adalah memisahkan objek dari latarnya, bahkan ketika gambarnya (dengan demikian garis batasnya) sangat tidak tegas, dan objeknya merupakan bentuk rumit, yang kerap terjadi pada gambar medis. Bahkan tanpa ‘noise’ bisa jadi sulit bagi algoritme untuk memilah mana yang penting.
Ada lagi contoh sulit, yaitu gambar-gambar bentrokan (adversarial images) yang dirancang khusus untuk mengecoh algoritme penglihatan komputer, meskipun manusia tidak memiliki masalah dengan gambar tersebut.
Algoritme dan program komputer saat ini sedang berusaha menyamai kemampuan manusia dalam memahami bahasa dan memproses gambar visual.
Tetapi Google dan perusahaan teknologi lain ingin lebih baik dalam hal ini, untuk mengembangkan produk mereka dan kemampuan mereka untuk memeras pola statistik dari sejumlah data besar.
Baca juga: 3 alasan kita kecanduan ponsel canggih
Teknologi butuh ilmu saraf
Itulah alasan mereka merekrut orang-orang dari wilayah ilmu saraf mengumpulkan tenaga yang memahami bagaimana otak biologis melakukan komputasi.
Misalnya, awal tahun ini Uber merekrut Zoubin Ghahramani, pakar di bidang pembelajaran mesin (machine learning) dan mantan ilmuwan saraf, untuk menjadi ilmuwan utama mereka.
Demis Hassabis, pendiri start-up DeepMind (kemudian dibeli Google seharga lebih dari £400 juta) yang juga memiliki latar belakang dalam pemrosesan saraf, juga baru-baru ini membanggakan bahwa ia baru saja merekrut pekerja dari bidang ilmu saraf.
Ini hanya contoh dari kasus-kasus terkemuka; ada yang lain yang dipekerjakan dari posisi PhD dan pascadoktoral yang tidak masuk berita besar. Riset di bidang artificial intelligence di Google mulai menunjukkan hasil, dengan meningkatnya jumlah artikel yang diterbitkan di jurnal akademis.
Berpikir biologis
Otak biologis bekerja dengan cara sama sekali berbeda dengan komputer. Otak kita bekerja paralel, menggunakan kekuatan dari sejumlah besar elemen yang relatif sederhana dan lambat secara bersamaan. Setiap neuron terhubung dengan neuron lainnya sehingga di dalam otak manusia ada sekitar sejuta miliar koneksi.
Sementara itu, komputer digital mengerjakan hal satu per satu, namun dengan sangat cepat. Bahkan yang disebut sebagai komputer paralel pun sebenarnya memecah masalah menjadi kepingan-kepingan kecil, tetapi setiap kepingan tetap saja melibatkan banyak langkah yang dilakukan terpisah.
Komputasi paralel yang mirip otak bisa disimulasi di komputer digital. Memang, pembelajaran mendalam (deep learning) adalah metode untuk mesin belajar dari sejumlah besar data yang tadinya diilhami ilmu saraf, dan ini adalah bahan utama dari algoritme Google.
Tetapi di komputer digital hal ini memerlukan tenaga besar, sementara otak manusia menggunakan tenaga yang lebih kecil dari yang dibutuhkan sebuah bohlam lampu.
Secara bersamaan, pengetahuan kita tentang otak sendiri sedang ditransformasi oleh teknologi baru. Ini termasuk metode baru untuk merekam aktivitas saraf skala besar pada neuron tunggal.
Pada manusia, teknik non-invasif seperti functional magnetic resonance imaging (fMRI) merata-ratakan aktivistas dari puluhan ribu neuron. Tapi pada model binatang, sekarang dimungkinkan untuk menandai neuron dengan penanda fluoresens yang akan bercahaya lebih terang saat neuronnya aktif.
Menggunakan jenis baru penggunaan mikroskop memungkinkan kita untuk melihat setiap neuron dalam satu wilayah yang lebih besar, kadang bahkan dalam keseluruhan otak, saat bekerja bersama untuk menyelesaikan masalah.
Teknik ilmu saraf seperti ini akan merevolusi pemahaman kita akan bagaimana otak biologis melakukan komputasi yang luar biasa.
Wawasan baru ini akan membantu mendorong inovasi baru dalam algoritme yang menghela perusahaan-perusahaan teknologi, dengan mengungkapkan trik-trik komputasi yang digunakan biologi untuk tetap berdaya saing.
Algoritme beangsur-angsur akan memungkinkan komputer berpikir semakin mirip manusia. Tetapi sebagaimana ditunjukkan oleh AlphaGo, ramalan tentang berapa lama waktu yang dibutuhkan komputer untuk mencapai kinerja level manusia (atau manusia super) untuk mengerjakan tugas tertentu kerap kali salah.
Maka, berapa lama sampai pencarian Google akan bisa mengerti frasa di awal artikel ini? Izinkan saya menutup dengan berkata (silakan cek sendiri bagaimana Google gagal juga kali ini):
Wlme t th ftre