Pekan lalu, Google Research menyelenggarakan lokakarya online tentang Artificial Intelligence (AI). Acara ini ingin memanfaatkan penemuan-penemuan terbaru di bidang neuroscience dan deep learning untuk membantu proses pengembangan AI lebih lanjut.
Komunitas ahli neuroscience (ilmu saraf) selama ini telah mencoba memahami bagaimana aktivitas saraf di otak diterjemahkan ke dalam bahasa, matematika, logika, penalaran, perencanaan, dan fungsi lainnya.
Bila aktifitas saraf di otak ini berhasil dimodelkan dengan matematika, maka ini akan membuka jalan bagi penciptaan sistem AI yang dapat menirukan proses pemikiran pada manusia.
Narasumber pada acara ini adalah Christos Papadimitriou dari Columbia University. Beliau seorang ahli ilmu komputer yang telah menerima penghargaan Gödel Prize dan Knuth Prize.
Papadimitriou mempresentasikan model matematik yang sederhana dan efisien yang mampu menjelaskan bagaimana berbagai area di otak manusia akan saling berkomunikasi untuk memecahkan masalah kognitif.
Unsur kesederhanaan dari model ini justru menyimpan potensi yang kelak akan menjadi dasar penentu bagi arah penelitian AI yang akan datang.
Beliau membahas bagaimana pemahaman kita tentang mekanisme pemrosesan informasi di otak akan dapat membantu kita menciptakan algoritma yang mampu memahami isi sebuah percakapan dan sekalligus terlibat di dalam percakapan tersebut.
Di bawah model ini, otak manusia dibagi menjadi sejumlah area yang terbatas yang masing-masing berisi beberapa juta neuron.
Ada jaringan (network) di setiap area otak yang memungkinkan neuron akan berinteraksi satu sama lain. Masing-masing area tersebut memiliki koneksi ke beberapa area lainnya. Koneksi antar neuron dan antar area ini masih dapat pula dihambat.
Model ini mempunyai fasilitas untuk memunculkan randomness (keacakan), plasticity (kelenturan), inhibition (penghambatan) pada neuron agar bisa terhubung satu sama lain membentuk network.
Istilah randomness mengacu pada pengertian bahwa neuron di setiap area otak bisa terhubung secara acak.
Istilah plasticity mengacu pada kemungkinan koneksi antar neuron dan antar area yang bisa menyesuaikan diri melalui pengalaman dan pelatihan.
Istilah inhibition mengacu pada pengertian bahwa setiap saat sejumlah neuron bisa terhambat untuk saling terkoneksi.
Papadimitriou menggambarkan ini sebagai model matematika yang sederhana yang didasarkan pada tiga buah unsur utama bagi terjadinya proses pemikiran pada manusia, yaitu randomness, plasticity dan inhibition.
Pada model ini, selompok sel otak yang membentuk jaringan disebut assemblies. Papadimitriou menggambarkannya sebagai koleksi himpunan neuron yang sangat terhubung dan stabil yang mewakili sesuatu: kata, ide, objek, dll.
Assemblies dari neuron ini diberi istilah the alphabet of the brain.
Untuk lebih memahami peran assemblies ini, Papadimitriou membuat model matematik bernama interacting recurrent nets yang akan menjelaskan proses otak manusia bekerja.
Assemblies merupakan komponen kunci dari model ini sehingga bisa dibangun assembly calculus, yaitu himpunan operasi yang akan memungkinkan terjadinya pemrosesan, penyimpanan, dan pengambilan informasi.
Assemblies dan assembly calculus merupakan bahan dasar bagi model matematik yang akan mampu menjelaskan fungsi kognitif otak seperti penalaran, perencanaan, dan bahasa.
Sistem ini akan bekerja secara eksklusif yang mampu menghasilkan simulasi spikes dari neuron, dan spikes ini diakibatkan oleh operasi assembly calculus.
Dengan assembly calculus ini diharapkan akan tercapai persyaratan bagi algoritma untuk mampu mengakses proses berlogika.
Dengan kata lain, model ini merupakan sebuah abstraksi yang mampu menggambarkan proses otak manusia melakukan komputasi melalui assembly calculus sehingga diperoleh kemampuan berlogika.
A Simple Notebook 