https://tekno.tempo.co/read/1046050/selangkah-lagi-kecerdasan-buatan-bisa-berpikir-dan-memprediksi?TeknoUtama&campaign=TeknoUtama_Click_2
Selangkah Lagi, Kecerdasan Buatan Bisa Berpikir
dan Memprediksi
Reporter:
Amri Mahbub
Editor:
Erwin Prima
Sabtu, 30 Desember 2017 06:30 WIB
0 komentar
<https://tekno.tempo.co/read/1046050/selangkah-lagi-kecerdasan-buatan-bisa-berpikir-dan-memprediksi?TeknoUtama&campaign=TeknoUtama_Click_2#comments>
00115
#
#
#
#
Selangkah Lagi, Kecerdasan Buatan Bisa Berpikir dan Memprediksi
<https://tekno.tempo.co/read/1046050/selangkah-lagi-kecerdasan-buatan-bisa-berpikir-dan-memprediksi?TeknoUtama&campaign=TeknoUtama_Click_2>
Ilustrasi kecerdasan buatan. Clearbridge Mobile
*TEMPO.CO*, *Michigan* - Ilmuwan baru saja mengembangkan jaringan saraf
baru (neural network) berbasis teknologi memristor yang memungkinkan
mesin pembelajaran (machine learning) dan kecerdasan buatan
<https://tekno.tempo.co/read/1045349/10-tren-teknologi-2018-semua-tentang-kecerdasan-buatan>
(artificial intelligence) berpikir serta memprediksi sesuatu sangat cepat.
Baca: 10 Tren Teknologi 2018: Semua tentang Kecerdasan Buatan
<https://tekno.tempo.co/read/1045349/10-tren-teknologi-2018-semua-tentang-kecerdasan-buatan>
Jaringan yang disebut sistem komputasi penyimpanan alias reservoir
computing system generasi baru ini bisa memprediksi kata-kata yang belum
diucapkan dalam percakapan. Sistem ini, menurut studi yang terbit dalam
Nature Communications edisi 19 Desember 2017, nantinya bahkan bisa
meramal masa depan bak cenayang.
Reservoir computing system sebetulnya sudah diciptakan dekade lalu.
Fungsinya untuk meningkatkan kinerja jaringan saraf tiruan. Namun
bentuknya masih berupa komponen optik besar yang berukuran satu unit
personal computer (PC) atau bahkan lebih besar.
Tim yang dipimpin Wei Lu, peneliti sistem elektronik nano dari
Universitas Michigan, Amerika Serikat, ini mampu menciptakan sistem yang
sangat kecil dengan metode memristor. Ukurannya mungkin hanya sebesar
prosesor modern.
“Dan lebih mudah untuk mengintegrasikannya ke perangkat elektronik
berbasis silikon,” demikian menurut tim dalam artikel berjudul
“Reservoir Computing Using Dynamic Memristors for Temporal Information
Processing” ini.
Memristor merupakan sebuah alat bersifat resistif—tidak mampu
memproduksi energi listrik—yang berfungsi sebagai prosesor sekaligus
memori. Ini berbeda dengan sistem komputer biasa, yang memiliki prosesor
terpisah dengan perangkat memori.
Dalam studi ini, Lu dan tim membuat memristor khusus yang ditugaskan
menghafal kejadian dalam sejarah dan menganalisisnya menjadi sebuah
prediksi. Lu dan tim terinspirasi dari sistem cara kerja otak dan
jaringan saraf berbasis neuron, serta nodus, sinapsis, juga hubungan
antar-nodus.
Di otak, nodus berfungsi mempercepat penyampaian informasi dari inti sel
otak satu ke inti sel otak lain. Sedangkan sinapsis adalah titik temu
antar-sel otak. Jika kerja sama dua fungsi bagian sel otak ini efisien,
informasi dari semua organ tubuh akan cepat sampai ke otak.
Namun, sebelum menjadi pintar, otak memang harus dilatih dan diberi
pelajaran. Lu dan tim lantas melatih jaringan saraf tiruan besutan
mereka untuk menjawab banyak pertanyaan. Dalam proses pembelajaran ini,
terungkap beban kerja yang dipikul dalam hubungan antar-nodus untuk
mencapai jawaban yang benar. Dari situ tim lalu memasukkan data-data
pendukung pada nodus yang cukup lama menjawab soal.
Pada tes kedua, hampir semua nodus bekerja tanpa ada halangan. Misalnya,
pengenalan wajah manusia. Sistem milik Lu dan tim mampu menjawab
persoalan dalam waktu singkat.
“Karena kecerdasan ini sudah diajarkan menganalisis fitur wajah manusia
dari jutaan foto,” kata Lu, seperti dilansir laman kampusnya.
Pengenalan wajah termasuk permasalahan sederhana. Tugas yang lebih
kompleks adalah memprediksi ucapan. Hal ini sangat bergantung pada
konteks dan memerlukan banyak jaringan saraf tiruan untuk mengetahui apa
yang baru saja terjadi atau apa yang akan dikatakan. Tugas ini
membutuhkan kerja jaringan yang berulang layaknya otak manusia, serta
memori jangka panjang. Namun, untuk mengembangkannya, butuh biaya yang
mahal.
Nah, sistem yang Lu dan tim bentuk bisa memangkas hal itu. “Jaringan
saraf tiruan kami tidak butuh pelatihan,” ujar Lu.
Caranya, satu set data dimasukkan ke dalam jaringan pertama. Kemudian,
jaringan ini mengidentifikasi fitur data yang saling berkaitan dan
membuatnya lebih sederhana sebelum diserahkan ke jaringan kedua.
Sedangkan jaringan kedua hanya membutuhkan beberapa modifikasi agar bisa
menggunakan data tersebut. “Keindahan komputasi reservoir adalah saat
kita merancangnya, bukan melatihnya,” kata Lu.
Lu dan tim memberi tes sistem mereka menggunakan pengenalan tulisan
tangan—tolak ukur umum untuk menguji jaringan saraf tiruan. Sistem
kemudian memecah deretan baris tulisan menjadi beberapa baris piksel dan
dikonversi menjadi voltase dalam bentuk sandi morse.
Voltase nol untuk piksel gelap dan sedikit di atas satu volt untuk
piksel putih. Hasilnya, hanya menggunakan 88 memristor—dibanding
jaringan konvensional yang butuh ribuan nodus—sistem Lu mencapai
ketepatan 91 persen.
Saat dicoba untuk menganalisis sejarah masa lalu pun, sistem tersebut
mampu menebak dengan kesalahan kecil. Kesalahan inilah yang akan
diperbaiki Lu bersama timnya ke depan. Mereka berencana memasukkan dua
hal baru, yakni pengenalan suara (speech recognition) dan analisis
prediksi (predictive analysis).
“Nantinya, kecerdasan buatan kami bisa memprediksi bahasa lisan manusia.
Anda bahkan tak perlu mengucapkan kata kedua, sistem kami akan bisa
menebaknya,” ujar Lu.
Dalam analisis prediksi, tim berharap bisa menggunakan kecerdasan buatan
mereka untuk menerima sinyal dengan latar belakang suara bising, seperti
stasiun radio jarak jauh, sehingga menghasilkan aliran data yang bersih.
Sudah siapkah kita menghadapi teknologi yang bisa memprediksi setiap
perkataan kita pada masa depan?
Baca: Kecerdasan Buatan Bisa Bongkar Captcha, Apa Artinya Buat Manusia?
<https://tekno.tempo.co/read/1041721/kecerdasan-buatan-bisa-bongkar-captcha-apa-artinya-buat-manusia>
Simak berita tentang kecerdasan buatan
<https://tekno.tempo.co/read/1041721/kecerdasan-buatan-bisa-bongkar-captcha-apa-artinya-buat-manusia>
di tempo.co
NATURE COMMUNICATIONS | UNIVERSITY OF MICHIGAN | SCIENCE DAILY
------------------------------------------------------------------------
# Kecerdasan Buatan <https://www.tempo.co/tag/kecerdasan-buatan>
