Pantau - Para peneliti dari Universitas Stanford, Amerika Serikat, dan TAU mengembangkan metode pelatihan kecerdasan buatan atau artificial intelligence (AI) yang memungkinkan sistem komputer meningkatkan kemampuan prediksi tanpa harus bergantung pada kumpulan data dunia nyata dalam jumlah besar.
Temuan tersebut dipaparkan dalam sebuah studi yang dipublikasikan melalui platform ilmiah arXiv dan menunjukkan pendekatan baru dalam pengembangan kemampuan belajar mesin.
Dalam penelitian tersebut, para ilmuwan melatih dua model komputer secara bersamaan dengan menggunakan rangkaian simbol sebagai bahan pembelajaran.
Hasil penelitian menunjukkan bahwa kemampuan model dalam melakukan prediksi meningkat seiring bertambahnya daya komputasi yang digunakan selama proses pelatihan.
Dua Model AI Dilatih Bersamaan Menggunakan Rangkaian Simbol
Para peneliti menerapkan metode pelatihan yang melibatkan dua model komputer dengan tugas berbeda tetapi saling berkaitan.
Model pertama bertugas menghasilkan rangkaian simbol yang digunakan sebagai materi latihan bagi model kedua.
Sementara itu, model kedua dilatih untuk mempelajari pola dari rangkaian simbol tersebut dan memprediksi simbol berikutnya.
Selama proses pelatihan berlangsung, model pertama secara bertahap meningkatkan kemampuannya dalam menghasilkan materi pembelajaran yang lebih efektif.
Perubahan tersebut membantu model kedua mengembangkan kemampuan prediksi melalui latihan yang dihasilkan oleh sistem komputer lainnya.
Pendekatan ini memungkinkan proses pembelajaran berlangsung tanpa harus menggunakan koleksi besar materi buatan manusia sebagai sumber utama latihan.
Kemampuan AI Diuji pada Bahasa, Gambar hingga DNA
Setelah proses pelatihan, tim peneliti menguji kemampuan model AI pada sejumlah jenis informasi untuk mengetahui efektivitas metode yang dikembangkan.
Pengujian tersebut mencakup data bahasa, gambar, suara, musik, kode komputer, serta urutan DNA.
Hasil pengujian memperlihatkan bahwa kemampuan model dalam membuat prediksi terus meningkat ketika sumber daya komputasi yang digunakan selama pelatihan diperbesar.
Temuan tersebut menunjukkan bahwa latihan menggunakan rangkaian simbol dapat membantu sistem AI mengembangkan kemampuan prediksi yang dapat diterapkan pada berbagai jenis informasi.
Meski demikian, hasil penelitian tidak berarti sistem AI mampu memahami seluruh informasi dunia nyata tanpa mempelajari data yang berkaitan dengan dunia tersebut.
Peneliti Tegaskan AI Tetap Membutuhkan Data Dunia Nyata
Para peneliti menekankan bahwa metode pelatihan tersebut memiliki keterbatasan, terutama dalam pembelajaran fakta dan pengetahuan mengenai dunia nyata.
Sistem AI yang hanya dilatih menggunakan rangkaian simbol tidak dapat memperoleh pengetahuan faktual mengenai dunia tanpa mendapatkan paparan informasi yang relevan.
Karena itu, pendekatan tersebut tidak dimaksudkan untuk sepenuhnya menggantikan penggunaan data dunia nyata dalam pengembangan kecerdasan buatan.
Namun, metode tersebut berpotensi membantu sistem AI mempelajari informasi baru secara lebih efisien ketika nantinya dihadapkan pada data dunia nyata.
Studi yang dipublikasikan di arXiv tersebut membuka peluang penelitian lanjutan mengenai metode pelatihan AI yang tidak sepenuhnya bergantung pada kumpulan data buatan manusia dalam jumlah besar.
Temuan ini juga memberikan gambaran mengenai kemungkinan pengembangan sistem pembelajaran mesin yang lebih efisien melalui pemanfaatan latihan sintetis dan peningkatan daya komputasi.
- Penulis :
- Ahmad Yusuf
