Jaringan saraf konvolusional yang canggih masih harus banyak belajar dari 'penglihatan tikus.'
Foto Ilustrasi: FreepikRingkasan:
- Tikus dapat mengenali objek yang tersembunyi atau terdistorsi dengan lebih baik daripada model AI yang canggih.
- Model AI memerlukan lebih banyak sumber daya dan komputasi untuk mencapai kemampuan pengenalan objek yang sama dengan tikus.
- Penelitian ini menunjukkan bahwa penglihatan tikus lebih fleksibel dan adaptif daripada model AI.
ngarahNyaho - Model kecerdasan buatan sudah dapat menghasilkan kode komputer dan membantu menemukan obat-obatan baru, tetapi dalam hal mengidentifikasi objek sederhana, mungkin masih perlu belajar kepada tikus.
Itulah kesimpulan para peneliti dari Scuola Internazionale Superiore di Studi Avanzati (SISSA) dari Italia dalam makalah mereka yang diterbitkan di jurnal Patterns.
Para peneliti menugaskan model pengenalan gambar untuk mencoba meniru kemampuan tikus dalam mengenali objek yang diputar, diubah ukurannya, dan sebagian tersembunyi.
Model AI akhirnya mampu menyamai kemampuan pemrosesan gambar tikus, tetapi setelah menggunakan lebih banyak sumber daya dan daya komputer untuk mengejar ketinggalan.
Meskipun mengidentifikasi objek pada posisi aslinya mudah bagi AI dan tikus, para peneliti harus meningkatkan kinerja model untuk menyamai kemampuan pemrosesan tikus saat mengidentifikasi objek yang diubah dengan berbagai cara.
Para peneliti mengatakan temuan mereka menunjukkan bahwa penglihatan tikus, yang disempurnakan selama jutaan tahun evolusi, masih lebih efisien daripada sistem pengenalan gambar yang canggih sekalipun.
Keistimewaan penglihatan tikus
Penglihatan tikus berbeda dari cara manusia melihat dalam beberapa hal penting.
Seperti banyak mamalia, mata tikus diposisikan di sisi kepala mereka. Ini memberi mereka bidang pandang visual yang lebih luas, yang berguna di alam liar untuk melihat dan menghindari predator.
Mungkin yang lebih aneh, penelitian sebelumnya telah menunjukkan mata tikus juga bergerak ke arah yang berlawanan satu sama lain tergantung pada orientasi kepalanya.
Hal tersebut menyebabkan tikus mereka tampak "juling" ketika mereka mengarahkan kepala mereka ke bawah.
Tikus, dalam percobaan ini, dilatih menggunakan camilan untuk mengidentifikasi objek yang ditampilkan di monitor. Mereka kemudian memicu sensor sentuh ketika mereka mengidentifikasi objek target.
Untuk melihat bagaimana penglihatan tikus ini dibandingkan dengan AI, para peneliti SISSA menciptakan convolutional neural Network (CNN) atau jaringan saraf konvolusional.
Jenis model pembelajaran mendalam ini, yang secara luas dianggap sebagai salah satu sistem AI paling canggih untuk pengenalan gambar oleh para insinyur, sebagian dimodelkan berdasarkan korteks visual mamalia.
CNN menggunakan sistem berbasis lapisan untuk mengidentifikasi objek. Basis awal yang paling mendasar dapat memproses dan mengidentifikasi fitur-fitur sederhana seperti tepi dan kontras.
Lapisan-lapisan baru ditambahkan di atasnya untuk mengidentifikasi jenis-jenis gambar yang semakin kompleks.
Setiap lapisan tambahan membutuhkan lebih banyak sumber daya dan daya komputer untuk bekerja. Ini hampir seperti lasagna yang menjulang tinggi yang membutuhkan lebih banyak bahan untuk menjadi lebih tinggi dan lebih padat.
Model CNN tersebut kemudian ditugaskan untuk mereplikasi kemampuan tikus uji untuk mengenali objek dalam berbagai kondisi.
Pada tingkat yang paling dasar—mengidentifikasi objek yang tidak terhalang dan dalam posisi normalnya—baik tikus maupun AI berhasil melakukannya.
Dalam kasus tersebut, model AI hanya perlu menggunakan lapisan pertamanya. Namun, hal itu berubah seiring dengan semakin sulitnya tugas.
Saat objek diputar atau diubah ukurannya, model CNN perlu menambahkan lebih banyak lapisan dan lebih banyak sumber daya.
Tikus, di sisi lain, terus mengidentifikasi objek secara konsisten saat objek tersebut diubah dan bahkan menemukannya saat objek tersebut terhalang sebagian, sesuatu yang sulit bagi AI.
Para peneliti menyimpulkan, penglihatan tikus tampak lebih fleksibel dan adaptif secara umum dibandingkan pengenalan gambar AI.
"Tikus, yang sering dianggap sebagai model penglihatan yang buruk, sebenarnya menunjukkan kemampuan canggih," kata ahli saraf SISSA dan penulis makalah Davide Zoccolan.
"(Itu) yang memaksa kita untuk memikirkan kembali potensi sistem visual mereka dan, secara bersamaan, keterbatasan jaringan saraf buatan.
"Hal ini menunjukkan bahwa mereka bisa menjadi model yang baik untuk mempelajari kemampuan visual manusia atau primata, yang memiliki korteks visual yang sangat berkembang."
Bahkan, lanjut Zoccolan, dibandingkan dengan jaringan saraf buatan, yang, meskipun berhasil mereplikasi kinerja visual manusia, sering melakukannya dengan menggunakan strategi yang sangat berbeda.
AI masih harus banyak belajar
Studi penglihatan tikus harus berfungsi sebagai pengingat yang bermanfaat bahwa model AI yang kuat memang mengesankan dalam beberapa tugas tertentu, tetapi tidak sempurna.
Akhir tahun lalu, CEO OpenAI Sam Altman merilis posting blog mirip manifesto yang mengatakan dunia mungkin akan mengalami "kecerdasan super" AI suatu saat dalam "beberapa ribu hari."
Miliarder Elon Musk juga mengatakan AI supercerdas kemungkinan akan hadir tahun ini.
Namun, apa sebenarnya arti tolok ukur tersebut? Ya, model bahasa besar telah mengungguli beberapa manusia dalam uji standar untuk sekolah kedokteran dan hukum.
Faktanya, AI masih belum dapat membuat diagnosis medis resmi tanpa dokter dan pengacara profesional telah didenda dan diskors karena memperkenalkan ringkasan hukum yang dibuat AI yang menyertakan fakta-fakta yang dibuat-buat.
Pada saat yang sama, sistem AI tingkat lanjut yang diterapkan pada robot bipedal juga masih sering mengalami masalah keseimbangan.
Dan, seperti yang ditunjukkan oleh penelitian SISSA, AI tampaknya kesulitan untuk menyamai ketajaman visual tikus. Dengan kata lain, AI masih harus banyak belajar, baik dari manusia maupun hewan. |Sumber: PopSci
إرسال تعليق