Algoritma pembelajaran mesin (machine learning algorithms) telah menyebabkan perubahan yang mendasar di dalam metode ilmiah.
Secara konvensional, penelitian ilmiah akan berkisar di seputar teori dan eksperimen.
Di satu sisi ada rancangan teori yang terdefinisi dengan baik, di sisi lain teori tersebut terus disempurnakan melalui penggunaan data eksperimen beserta analisisnya untuk membuat prediksi baru.
Namun kini kemajuan pesat di bidang algoritma pembelajaran mesin disertai dengan kehadiran data ilmiah yang semakin meningkat jumlahnya secara dramatis, pendekatan berbasis data menjadi semakin populer.
Ada kalanya teori yang mendasari eksperimen itu secara ekstrim tidak diperlukan di dalam pembangunan algoritma pembelajaran mesin. Sebagai gantinya, algoritma pembelajaran mesin dapat digunakan untuk menganalisis masalah ilmiah hanya berbasis penggunaan data saja.
Dengan demikian kini telah muncul penawaran cara baru untuk melakukan penelitian ilmiah, yaitu melalui penekanan pada pembelajaran dari data.
Pada April 2017, the Royal Society sebagai lembaga akademi sains nasional Inggris telah memublikasikan hasil studi kebijakan utama tentang algoritma pembelajaran mesin.
Laporan ini mempertimbangkan potensi penggunaan algoritma pembelajaran mesin dalam 5–10 tahun ke depan. Ia mempertimbangkan pula antisipasi yang diperlukan untuk membangun lingkungan pengelolaan yang cermat yang dapat membantu mewujudkan potensinya.
Ini sesuai dengan tujuan mendasar dari the Royal Society tercermin dalam Piagam pendiriannya pada tahun1660-an: mengakui, mempromosikan, dan mendukung keunggulan dalam sains dan untuk mendorong pengembangan dan penggunaan sains untuk kepentingan umat manusia.
Pada bulan Februari 2019 the Royal Society mengadakan lokakarya tentang penerapan Artifcial Intelligence dalam sains.
Ungkapan Artifcial Intelligence mengacu pada rangkaian teknologi yang dapat melakukan tugas kompleks saat menghadapi kondisi ketidakpastian. Misalnya persepsi visual, pengenalan ucapan, pemrosesan bahasa alami, penalaran, pembelajaran dari data, dan berbagai masalah optimasi.
Sebagai bagian dari Artificial Intelligence, algoritma pembelajaran mesin melalui pemprosesan sejumlah besar data dapat menjadi pendorong utama untuk berbagai bidang ilmiah, mendorong batas-batas ilmu pengetahuan.
Data tersebut dihasilkan oleh domain knowledge seperti sains dan teknologi hayati, fisika partikel, astronomi, ilmu sosial, dan banyak lagi.
Algoritma pembelajaran mesin telah menjadi alat utama bagi para peneliti di berbagai domain knowledge untuk menganalisis sekumpulan data dalam jumlah besar untuk mendeteksi pola yang sebelumnya tidak terduga, atau mengekstrak wawasan yang tidak terduga.
Setiap bidang ilmiah yang berbeda memiliki tantangan tersendiri dan jarang sekali tantangan tersebut dapat segera dipenuhi begitu saja dengan penggunaan metode Artificial Intelligence baku yang sudah ‘dipasarkan’.
Namun ada sejumlah tantangan yang menjadi tema berulang dalam penerapan Artificial Intelligence dan penggunaannya dalam penelitian ilmiah.
Misalnya, mungkinkah suatu hari nanti algoritma pembelajaran mesin tidak hanya akan menemukan pola dan kejadian yang tidak biasa di dalam data, tetapi juga memiliki domain knowledge yang cukup sehingga dengan sendirinya dapat membuat terobosan ilmiah baru?
Masih banyak pertanyaan lain yang perlu dipertimbangkan untuk dicarikan solusinya.
Referensi:
https://royalsociety.org/-/media/policy/projects/ai-and-society/AI-revolution-in-science.pdf
A Simple Notebook 