Beberapa tahun terakhir, kecerdasan buatan (AI) telah berkembang pesat. Kita menyaksikan munculnya ChatGPT, sistem gambar seperti DALL·E, dan model generatif lain yang mampu “berpikir”, “melihat”, dan bahkan “berimajinasi” layaknya manusia. Namun, terobosan ini ternyata tidak hanya berdampak pada dunia teknologi atau hiburan tapi juga mulai mengubah cara ilmuwan memahami otak manusia.
Sebuah jurnal terbaru yang diterbitkan dalam Neuroscience Research tahun 2025 oleh Ran Wang dan Zhe Sage Chen membahas bagaimana model fondasi berskala besar (large-scale foundation models) dan AI generatif sedang merevolusi bidang Big Data Neuroscience cabang ilmu yang berusaha memetakan otak manusia dengan bantuan data dalam jumlah luar biasa besar.
Selama dua dekade terakhir, kemajuan teknologi pencitraan otak (seperti fMRI dan mikroskop resolusi tinggi) membuat para ilmuwan mampu mengumpulkan data otak dalam skala terabyte hingga petabyte. Setiap detik, jutaan neuron di otak kita saling berkomunikasi, dan alat modern kini dapat “mendengarkan” sebagian kecil dari percakapan kompleks itu.
Namun, ada masalah besar: data sebanyak itu tidak mungkin dianalisis secara manual. Para ahli saraf dulu membutuhkan waktu bertahun-tahun hanya untuk mempelajari satu bagian kecil dari otak seekor hewan. Kini, dengan ribuan eksperimen dan jutaan data sinyal saraf, manusia sendirian tak lagi mampu menanganinya.
Di sinilah AI generatif dan model fondasi besar mulai berperan.
Model fondasi (foundation models) adalah jenis AI berskala besar yang dilatih dari kumpulan data raksasa dan beragam, sehingga dapat dipakai ulang untuk banyak tugas berbeda. Contohnya adalah GPT (Generative Pre-trained Transformer), yang dilatih pada miliaran teks dari internet, lalu bisa dipakai untuk menulis, menerjemahkan, atau menjawab pertanyaan.
Dalam konteks neurosains, model fondasi seperti ini dapat belajar dari berbagai jenis data otak (sinyal listrik neuron, citra fMRI, aktivitas otak saat seseorang berpikir atau melihat sesuatu) untuk menemukan pola tersembunyi yang sebelumnya tak bisa dikenali oleh manusia.
Bayangkan AI seperti seorang detektif supercerdas yang membaca jutaan “catatan harian neuron” dan menyimpulkan maknanya: kapan otak merasa senang, stres, fokus, atau bermimpi.
Baca juga artikel tentang: Mengungkap Perasaan Sedih dari Pandangan Neurosains, Psikologi, dan Fisiologi
Otak dan AI: Cermin Dua Arah
Hubungan antara AI dan ilmu otak kini menjadi saling menginspirasi. Dulu, para peneliti menciptakan AI berdasarkan cara kerja otak. Kini, giliran AI yang membantu kita memahami otak itu sendiri.
Menurut Wang dan Chen, AI generatif bisa meniru proses berpikir manusia dengan cara “membangun ulang” aktivitas otak dari data. Misalnya, AI dapat menebak gambar yang sedang dilihat seseorang hanya dari pola aktivitas otaknya. Penelitian seperti ini sudah dilakukan di beberapa laboratorium besar dunia, dan hasilnya mengagumkan: model AI bisa merekonstruksi gambar wajah, pemandangan, bahkan mimpi sederhana dari data fMRI.
Model fondasi juga dapat membantu ilmuwan menemukan hubungan antara penyakit otak dan aktivitas neuron. Dalam kasus Alzheimer atau Parkinson, AI dapat mempelajari ratusan ribu pemindaian otak untuk mendeteksi tanda-tanda awal yang terlalu halus untuk dilihat manusia.
Self-Supervised Learning: AI yang Belajar Sendiri
Salah satu teknologi penting yang dibahas dalam makalah ini adalah self-supervised learning (SSL) atau pembelajaran mandiri.
Berbeda dengan AI klasik yang membutuhkan data berlabel (misalnya “ini gambar kucing”, “ini anjing”), AI dengan SSL belajar dari pola di dalam data itu sendiri. Ia seperti anak kecil yang belajar bahasa hanya dengan mendengar percakapan orang dewasa, tanpa pernah diajari secara formal.
Dalam konteks Big Data Neuroscience, pendekatan ini sangat berguna karena sebagian besar data otak tidak memiliki label. Kita tidak selalu tahu aktivitas otak mana yang mewakili “rasa takut” atau “rasa bahagia”. AI dengan SSL dapat menganalisis data mentah dan menemukan struktur tersembunyi yang membantu kita mengklasifikasikan jenis aktivitas otak dengan lebih akurat.
Transfer Learning: AI yang Belajar Cepat Seperti Manusia
Wang dan Chen juga menyoroti pentingnya transfer learning, yaitu kemampuan AI untuk memindahkan pengetahuan dari satu tugas ke tugas lain.
Sebagai contoh, model AI yang sudah belajar membaca sinyal otak manusia dapat digunakan untuk menganalisis otak hewan tanpa perlu pelatihan ulang dari awal. Ini mempercepat proses riset dan menghemat biaya besar. Sama seperti manusia yang bisa mempelajari bahasa Spanyol lebih cepat setelah menguasai bahasa Prancis, AI pun bisa memanfaatkan “pengetahuan sebelumnya”.
Dampak bagi Masa Depan Neurosains dan Medis
Gabungan antara Big Data, AI generatif, dan model fondasi besar membuka pintu baru dalam personalized neuroscience — atau pendekatan yang disesuaikan dengan individu.
Bayangkan di masa depan, dokter dapat menganalisis pola aktivitas otak seseorang dan memprediksi risiko depresi atau gangguan kognitif jauh sebelum gejalanya muncul. Terapi bisa dibuat khusus berdasarkan “jejak digital otak” masing-masing orang.
Selain itu, AI juga dapat mempercepat penemuan obat baru. Dengan memahami cara otak bereaksi terhadap molekul tertentu, AI dapat mensimulasikan ribuan eksperimen dalam waktu singkat, mempersempit kandidat obat yang layak diuji secara klinis.
Tantangan Etika dan Masa Depan
Meski menjanjikan, penggunaan AI dalam neurosains juga menimbulkan pertanyaan besar: apakah aman jika AI dapat “membaca pikiran”?
Privasi data otak adalah isu serius. Aktivitas otak dapat mengungkap hal-hal paling pribadi, seperti emosi, ingatan, bahkan preferensi politik. Oleh karena itu, para ilmuwan menekankan pentingnya etika, transparansi, dan perlindungan data. AI seharusnya digunakan untuk membantu manusia, bukan mengontrol atau menilai mereka.
Selain itu, ada tantangan teknis: data otak sangat kompleks, dan interpretasi AI belum selalu bisa dipercaya sepenuhnya. Diperlukan kolaborasi erat antara ilmuwan komputer, ahli saraf, dan psikolog agar hasilnya tidak disalahartikan.
Riset Wang dan Chen menunjukkan bahwa AI dan neurosains kini sedang menyatu menjadi bidang baru “NeuroAI”.
AI bukan lagi sekadar alat bantu analisis data, tapi menjadi mitra ilmuwan dalam menjawab pertanyaan-pertanyaan mendasar tentang kesadaran dan pikiran. Semakin besar data yang kita kumpulkan, semakin “pintar” model AI dalam menemukan makna di baliknya.
Dalam satu dekade ke depan, kemungkinan besar kita akan melihat AI yang mampu memahami bukan hanya bagaimana otak bekerja, tapi juga bagaimana perasaan dan pikiran muncul dari jaringan neuron yang rumit itu.
Mungkin, dengan bantuan AI, manusia akhirnya akan memahami dirinya sendiri, bukan lewat cermin, tapi lewat peta digital otak yang diciptakan dari data dan kecerdasan buatan.
Baca juga artikel tentang: Bagaimana Cara Neurosains mengubah Mindset Manusia?
REFERENSI:
Wang, R. & Chen, Z. S. 2025. Large-scale foundation models and generative AI for BigData neuroscience. Neuroscience Research 215, 3-14.
