Salah satu kelemahan deep learning algorithm muncul ketika ia diminta untuk sekedar meng-copy-paste input menjadi output.
Cobalah bilangan asli dari 1 sampai 10 sebagai input untuk di-copy-paste oleh deep learning menjadi output.
Deep learning tidak akan bisa dengan sederhana untuk sekedar meng-copy-paste input menjadi output yang akurat. Bila di-test hasil learning copy-paste ini untuk meng-copy-paste bilangan 11 sampai 20, hasil test akan gagal.
Dengan conventional algorithm (classical algorithm) urusan copy-paste seperti ini mudah sekali dilakukan. Ini mengindikasikan masing-masing algoritma mempunyai keunggulannya tersendiri.
Keunggulan di satu algoritma bisa merupakan kelemahan buat algoritma lainnya. Ini memberikan ide bahwa kedua jenis algoritma saling komplemen, saling melengkapi.
Biasanya ketika kita menjumpai pola yang saling berlawanan seperti ini, maka fenomena ini malah bisa dijadikan indikator yang baik andaikan keduanya bisa digabungkan.
Inilah dua bidang algoritma yang belum dijelajahi kemungkinannya untuk digabungkan. Bila keduanya berhasil digabungkan, akan diperoleh kemajuan yang semakin pesat di dunia perangkat lunak.
Inilah yang memotivasi tim di DeepMind sedang bereksperimen menggabungkan kedua jenis algoritma agar diperoleh algoritma yang cocok untuk membangun Artificial General Intelligence (AGI).
Upaya DeepMind menjembatani dunia deep learning (learning algorithm) dan conventional algorithm bertujuan untuk membuka kemungkinkan agar deep learning akan lebih mampu lagi menyelesaikan banyak masalah.
Ini berpotensi akan membuka area kajian baru yang selama ini belum berhasil dijelajahi oleh deep learning.
Jika DeepMind berhasil, pendekatan ini dapat merevolusi AI dan perangkat lunak yang telah kita kenal selama ini.
Referensi:
https://venturebeat.com/2021/09/10/deepmind-aims-to-marry-deep-learning-and-classic-algorithms/
A Simple Notebook 