Artikel ini dikutip dari wawancara dengan ahli saraf Anthony Zador di podcast Brain Inspired, yang mengeksplorasi isu-isu mutakhir di persimpangan antara ilmu saraf dan kecerdasan buatan (NeuroAI). Dengan perspektif uniknya, Profesor Zador menganalisis secara mendalam NeuroAI di masa lalu, sekarang, dan masa depan, dan memberikan komentar mendalam mengenai tren pengembangan AI saat ini, dengan memberikan perhatian khusus pada tantangan utama seperti koordinasi multi-tujuan, pembelajaran perkembangan, dan simulasi-ke-realitas. konversi. , yang memberikan inspirasi berharga untuk arah pengembangan AI di masa depan.
Di persimpangan antara ilmu saraf dan kecerdasan buatan, ahli saraf terkenal Anthony Zador terlibat dalam percakapan mendalam dengan Paul Middlebrooks, pembawa acara podcast Brain Inspired. Sebagai salah satu pionir di bidangnya, Zador menguraikan wawasan uniknya tentang pengembangan NeuroAI di masa depan.
Dari penolakan awal terhadap istilah "NeuroAI" hingga kini penuh ekspektasi terhadap bidang ini, transformasi Zador berasal dari pemikiran mendalam tentang sifat masalahnya. Dia menunjukkan bahwa pada tahun 1980an dan 1990an, ilmu saraf komputasi dan jaringan syaraf tiruan merupakan bidang yang saling berhubungan erat. Namun, seiring dengan pendalaman penelitiannya, ia menyadari bahwa tidak cukup hanya berfokus pada karakteristik dinamis sirkuit saraf. Yang lebih penting adalah memahami bagaimana sirkuit ini membantu organisme memecahkan masalah praktis.
Ketika berbicara tentang perkembangan AI saat ini, Zador menyampaikan poin yang menggugah pikiran. Ia percaya bahwa arsitektur Transformer yang saat ini menarik banyak perhatian mungkin bisa menjadi contoh tandingan kesuksesan NeuroAI, karena hampir tidak memiliki kemiripan dengan cara kerja otak. Dia menjelaskan bahwa keberhasilan ChatGPT terutama disebabkan oleh karakteristik sistem bahasa yang tertutup, bukan simulasi sebenarnya dari proses kognitif manusia.
Mengenai arah pengembangan AI di masa depan, Zador secara khusus menekankan tantangan utama koordinasi multi-tujuan. Dia menunjukkan bahwa sistem AI yang ada saat ini bagus dalam mengoptimalkan satu tujuan, namun sering kali berkinerja buruk ketika menangani banyak tujuan. Sebaliknya, organisme telah mengembangkan mekanisme yang sangat bagus selama proses evolusi untuk menyeimbangkan berbagai tujuan seperti mencari makan, melarikan diri, dan bereproduksi. Cara penerapan mekanisme penyeimbangan ini mungkin merupakan petunjuk penting bagi pengembangan AI di masa depan.
Dalam hal pengembangan dan pembelajaran, Zador mengedepankan perspektif baru. Ia percaya bahwa genom manusia dapat dilihat sebagai "representasi terkompresi" dari sirkuit saraf, yang memungkinkan pembentukan struktur kompleks melalui aturan rekursif. Pandangan ini didukung oleh penelitian terbarunya, di mana timnya berhasil mengompresi jaringan saraf besar sebanyak 100 hingga 1.000 kali dengan tetap mempertahankan performa aslinya.
Terkait perkembangan teknologi robotika, Zador menekankan sulitnya transisi dari simulasi ke kenyataan. Dia menunjukkan bahwa sistem biologis menunjukkan kemampuan beradaptasi yang luar biasa dalam hal ini, seperti anjing dengan ukuran yang sangat berbeda namun tetap berbagi instruksi perkembangan saraf yang serupa. Di balik kemampuan beradaptasi ini terdapat proses perkembangan yang dirancang dengan cermat yang mencapai perolehan kemampuan kompleks dengan menyelesaikan sub-masalah secara bertahap.
Melihat ke masa depan, Zador percaya bahwa pembelajaran kursus dapat menjadi arah penting untuk mengatasi hambatan pengembangan AI saat ini. Dengan menguraikan tugas-tugas kompleks menjadi sub-tugas yang lebih kecil dan mempelajarinya langkah demi langkah dalam urutan yang wajar, sistem AI mungkin lebih efisien daripada mempelajari tujuan akhirnya secara langsung. Pendekatan ini mempunyai potensi tidak hanya untuk mempercepat pembelajaran, namun juga untuk meningkatkan kemampuan sistem untuk beradaptasi dalam menghadapi perubahan di dunia nyata.
Dialog ini tidak hanya menunjukkan prospek integrasi mendalam antara ilmu saraf dan kecerdasan buatan, namun juga mengungkapkan inspirasi penting kecerdasan biologis untuk pengembangan kecerdasan buatan. Seiring dengan semakin mendalamnya penelitian, eksplorasi interdisipliner ini tentunya akan memberikan lebih banyak wawasan tentang perkembangan AI di masa depan.
Pandangan Profesor Zador menunjukkan arah baru bagi penelitian di bidang kecerdasan buatan dan menekankan pentingnya mengambil inspirasi dari kecerdasan biologis. Di masa depan, pengembangan NeuroAI yang berkelanjutan diharapkan dapat memecahkan banyak tantangan yang saat ini dihadapi oleh AI dan pada akhirnya mendorong kemajuan terobosan dalam teknologi kecerdasan buatan.