Dalam upaya meningkatkan kemampuan pada kecerdasan buatan agar semakin cerdas, banyak hal yang dilakukan oleh berbagai peneliti di dunia agar hasilnya lebih maksimal. Kemampuan yang harus dimiliki oleh kecerdasan buatan adalah bagaimana dapat menyelesaikan suatu permasalahan komplek dengan cepat dan lebih pintar. Ada banyak masalah penting yang harus dipecahkan menggunakan kecerdasan buatan yaitu masalah iklim, kelaparan, pemecahan molekul kompleks, perekonomian, pertanian, dll. Berhubungan dengan itu pihak peneliti dari perusahaan Google mengambil langkah baru dalam menyelesaikan masalah ini yaitu dengan menciptakan sebuah AutoML (Auto Machine Learning)[1].
Sejauh yang telah kita ketahui bahwa kecerdasan buatan dibuat oleh manusia yang kemudian dilatih secara terbimbing (supervised learning) atau tidak terbimbing (unsupervised learning) agar dapat menyelesaikan suatu masalah yang telah ditentukan. Selama dalam proses belajar kacerdasan buatan agar dapat menjadi lebih pintar harus diinputkan sejumlah data latih melalui lapisan-lapisan (layer) yang direpresentasikan kedalam persamaan matematika yang terinspirasi dari jaringan saraf biologi.
Pihak pengembang kecerdasan buatan dari perusahaan Google membuat sebuah terobosan yang berbeda dari proses perancangan kecerdasan buatan yang sudah ada selama ini. Tim Google merancang sebuah kecerdasan buatan yang dinamai dengan AutoML yang mampu membuat kecerdasan buatan sendiri untuk perusahaan. AutoML dirancang menggunakan strategi pembelajaran yang dilakukan secara mendalam dan dengan data transmisi jaringan saraf yang luas. Langkah ini dibuat oleh pihak Google karena untuk membangun kecerdasan buatan membutuhkan banyak tenaga insinyur[2].
Hasil dari perancangan pada proyek AutoML dari Google tersebut disampaikan oleh Sundar Phicai (CEO Google) pada acara konfrensi pengembangan tahunan. Para peneliti telah mampu membuat algoritma belajar yang dapat mengotomasi salah satu bagian paling sulit dari pekerjaan merancang perangkat lunak mesin belajar (Machine Learning) untuk menangani tugas tertentu. AutoML tersebut merupakan sistem otomatis yang didesain mampu bersaing atau bahkan mengalahkan karya terbaik dari mesin belajar buatan manusia.
Kecedasan buatan yang dirancang bekerja dengan cara menciptakan model arsitektur anak jaringan saraf tiruan yang baru kemudian dapat dilatih dan dievaluasi untuk menyelesaikan suatu masalah tertentu. Respon atau umpan balik (feedback) dari jaringan saraf tiruan anak dapat digunakan untuk memberitahu ke jaringan saraf pengendali agar meningkatkan proses pada bagian selanjutnya. Proses pengulangan tersebut dilakukan hingga ribuan kali untuk menghasilkan atau memperbarui arsitektur, menguji, dan memberikan umpan balik agar terus belajar. Dan, hasil akhir dari proses tersebut dapat ditetapkan probabilitas yang paling baik ke dalam ruang arsitektur yang mampu mencapai tingkat akurasi yang lebih baik pada pengujian output jaringan sarafnya. Proses tersebut tertera pada gambar 3 di bawah ini,
Kedepannya tim peneliti Google akan bekerja dan menganalisis dengan cermat dan terus menguji arsitektur AutoML yang mereka bangun tersebut. Dan juga, dengan jaringan saraf tiruan seperti ini orang-orang yang tidak mempunyai keahlian dalam membuat jaringan saraf tiruan untuk tugas mereka pun mampu menciptakannya[2][3]. Semoga dengan terus berkembangnya jaringan saraf tiruan yang lebih modern dapat dengan cepat memecahkan setiap permasalahan kompleks yang sedang melanda planet bumi kita ini.
Berikut video persentasi Sundar Pichai pada acara konfrensi tahunan perusahaan Google,
[embedyt] https://www.youtube.com/watch?v=Y2VF8tmLFHw[/embedyt]
Referensi:
- Quoc Le & Barret Zoph. 2017. “Using Machine Learning to Explore Neural Network Architecture“. Google Research Blog, 17 Mei 2017 (https://research.googleblog.com/2017/05/using-machine-learning-to-explore.html) diakses pada tanggal 25 Januari 2018
- Ward, Tom. 2017. “Google New AI Lebih Baik di Membuat AI Dari Engineers Perusahaan“. Futurism, 19 Mei 2017 (https://futurism.com/googles-new-ai-is-better-at-creating-ai-than-the-companys-engineers/) diakses pada tanggal 25 Januari 2018
- Rogers, Shelby. 2017. “Google’s New AI Can ‘Engineer’ Better than Human Engineers”. Interesting Engineering, 20 Mei 2017 (https://interestingengineering.com/googles-new-ai-can-engineer-better-human-engineers) diakses pada tanggal 25 Januari 2018
Lulusan S1 Teknik Elektro Universitas Sriwijaya, menekuni Kecerdasan Buatan, Machine Learning, Deep Learning, Sistem Kontrol, dan Robotika. Mencintai kegiatan membaca Paper Sains, Belajar, Menulis, dan Riset.