AI mungkin tidak memerlukan data pelatihan besar-besaran | Hannah Robbins, Universitas Johns Hopkins Ringkasan: Penelitian baru menunjukkan bahwa AI tidak membutuhkan data pelatihan tanpa akhir untuk mulai bertindak lebih seperti otak manusia. Ketika para peneliti mendesain ulang sistem AI agar lebih menyerupai otak biologis, beberapa model menghasilkan aktivitas seperti otak tanpa pelatihan sama sekali. Ini menantang pendekatan yang haus data saat ini untuk pengembangan AI. Pekerjaan ini menunjukkan desain yang lebih cerdas dapat secara dramatis mempercepat pembelajaran sambil memangkas biaya dan penggunaan energi. --- Penelitian baru dari Universitas Johns Hopkins menunjukkan bahwa sistem kecerdasan buatan yang dibangun dengan desain yang terinspirasi oleh biologi dapat mulai menyerupai aktivitas otak manusia bahkan sebelum mereka dilatih pada data apa pun. Studi ini menunjukkan bahwa bagaimana AI disusun mungkin sama pentingnya dengan berapa banyak data yang diprosesnya. Temuan yang diterbitkan di Nature Machine Intelligence, menantang strategi dominan dalam pengembangan AI. Alih-alih mengandalkan pelatihan berbulan-bulan, kumpulan data yang sangat besar, dan daya komputasi yang luas, penelitian ini menyoroti nilai memulai dengan fondasi arsitektur seperti otak. Memikirkan Kembali Pendekatan Data Berat untuk AI "Cara bidang AI bergerak saat ini adalah dengan melemparkan banyak data ke model dan membangun sumber daya komputasi seukuran kota-kota kecil. Itu membutuhkan pengeluaran ratusan miliar dolar. Sementara itu, manusia belajar melihat menggunakan data yang sangat sedikit," kata penulis utama Mick Bonner, asisten profesor ilmu kognitif di Universitas Johns Hopkins. "Evolusi mungkin telah menyatu pada desain ini untuk alasan yang bagus. Pekerjaan kami menunjukkan bahwa desain arsitektur yang lebih mirip otak menempatkan sistem AI pada titik awal yang sangat menguntungkan." Bonner dan rekan-rekannya bertujuan untuk menguji apakah arsitektur saja dapat memberikan sistem AI titik awal yang lebih mirip manusia, tanpa bergantung pada pelatihan skala besar. Membandingkan Arsitektur AI Populer Tim peneliti berfokus pada tiga jenis utama desain jaringan saraf yang biasa digunakan dalam sistem AI modern: transformator, jaringan yang terhubung sepenuhnya, dan jaringan saraf konvolusional. Mereka berulang kali menyesuaikan desain ini untuk membuat lusinan jaringan saraf buatan yang berbeda. Tidak ada model yang dilatih sebelumnya. Para peneliti kemudian menunjukkan gambar sistem yang tidak terlatih dari objek, manusia, dan hewan dan membandingkan aktivitas internal mereka dengan respons otak dari manusia dan primata non-manusia yang melihat gambar yang sama. Mengapa Jaringan Konvolusional Menonjol Meningkatkan jumlah neuron buatan dalam transformator dan jaringan yang terhubung sepenuhnya menghasilkan sedikit perubahan yang berarti. Namun, penyesuaian serupa pada jaringan saraf konvolusional menyebabkan pola aktivitas yang lebih cocok dengan yang terlihat di otak manusia. Menurut para peneliti, model konvolusional yang tidak terlatih ini bekerja setara dengan sistem AI tradisional yang biasanya membutuhkan paparan jutaan atau bahkan miliaran gambar. Hasilnya menunjukkan bahwa arsitektur memainkan peran yang lebih besar dalam membentuk perilaku seperti otak daripada yang diyakini sebelumnya. Jalan Lebih Cepat Menuju AI yang Lebih Cerdas ...