Ingat perasaan luar biasa dan terbuka ketika Anda pertama kali menemukan keberadaan sebab dan akibat? Itu pertanyaan jebakan. Anak-anak mulai mempelajari prinsip kausalitas sejak usia delapan bulan, membantu mereka membuat kesimpulan dasar tentang dunia di sekitar mereka. Namun kebanyakan dari kita tidak mengingat banyak hal sebelum usia sekitar tiga atau empat tahun, sehingga pelajaran penting tentang “mengapa” adalah sesuatu yang kita anggap remeh.
Ini bukan hanya pelajaran penting yang harus dipelajari manusia, tapi juga pelajaran yang sangat buruk dilakukan oleh sistem kecerdasan buatan saat ini. Sementara A.I. mampu mengalahkan pemain manusia di Go dan mengendarai mobil di jalanan yang sibuk, hal ini belum tentu sebanding dengan jenis kecerdasan yang mungkin digunakan manusia untuk menguasai kemampuan tersebut. Hal ini karena manusia – bahkan bayi kecil – memiliki kemampuan untuk menggeneralisasi dengan menerapkan pengetahuan dari satu bidang ke bidang lainnya. Untuk A.I. untuk memenuhi potensinya, ini adalah sesuatu yang juga harus bisa dilakukannya.
Video yang Direkomendasikan
“Misalnya, jika robot mempelajari cara membangun menara menggunakan beberapa balok, ia mungkin ingin mentransfer keterampilan tersebut untuk membangun jembatan atau bahkan struktur mirip rumah,” Ossama Ahmad, seorang mahasiswa master di ETH Zurich di Swiss, mengatakan kepada Digital Trends. “Salah satu cara untuk mencapai hal ini mungkin dengan mempelajari hubungan sebab akibat antara berbagai variabel lingkungan. Atau bayangkan itu Robot Tiga Jari Digunakan dalam Dunia Kausal tiba-tiba kehilangan satu jari karena kerusakan perangkat keras. Bagaimana ia masih bisa membuat bentuk gawang hanya dengan dua jari saja?”
Video Dunia Kausal
Dunia pelatihan virtual untuk mesin
CausalWorld adalah apa Frederik Truble, gelar Ph.D. mahasiswa di Institut Max Planck untuk Sistem Cerdas di Jerman, disebut sebagai “patokan manipulasi”. Ini adalah sebuah langkah maju memajukan penelitian sehingga agen robotik dapat menggeneralisasi dengan lebih baik berbagai perubahan sifat lingkungan, seperti massa atau bentuk objek. Misalnya, jika robot belajar mengambil benda tertentu, kita mungkin mengira hal itu akan terjadi dapat mentransfer kemampuan ini ke objek yang lebih berat — asalkan ia memahami sebab akibat yang benar hubungan.
Jenis lingkungan pelatihan virtual yang biasa kita dengar di film-film fiksi ilmiah adalah, katakanlah, Matriks: dunia maya di mana peraturan tidak berlaku. Di CausalWorld, di mana para peneliti dapat secara sistematis melatih dan mengevaluasi metode mereka di lingkungan robotik, justru sebaliknya. Ini semua tentang mempelajari aturan – dan menerapkannya. Agen robot dapat diberikan tugas serupa dengan yang dilakukan anak-anak ketika mereka bermain dengan balok untuk menumpuk, mendorong, dan permainan sebab-akibat lainnya. Para peneliti dapat melakukan intervensi untuk menguji kemampuan generalisasi robot saat ia belajar. Ini pada dasarnya adalah lingkungan pengujian yang akan membantu mengevaluasi bagaimana A.I. agen dapat menggeneralisasi.
“Sebagian besar A.I. didasarkan pada pembelajaran statistik, yaitu tentang mengekstraksi informasi statistik – misalnya korelasi – dari data,” Bernhard Schölkopf, direktur Max Planck Institute, mengatakan kepada Digital Trends. “Ini bagus karena memungkinkan kita memprediksi satu kuantitas dari kuantitas lainnya, namun hanya selama tidak ada perubahan. Ketika Anda melakukan intervensi dalam suatu sistem, maka semua taruhan dibatalkan. Untuk membuat prediksi dalam kasus seperti ini, kita perlu melampaui pembelajaran statistik, menuju hubungan sebab akibat. Pada akhirnya, jika A.I. adalah tentang berpikir dalam arti 'bertindak dalam ruang yang dibayangkan', maka intervensi adalah kuncinya, dan oleh karena itu hubungan sebab akibat perlu diperhitungkan.”
Rekomendasi Editor
- Robot keamanan mungkin datang ke sekolah di dekat Anda
- Amazon menerapkan AI untuk merangkum ulasan produk
- Amazon merencanakan perubahan 'sekali dalam satu generasi' untuk Pencarian, ungkap iklan pekerjaan
- Google Smart Canvas mendapatkan integrasi yang lebih mendalam antar aplikasi
- A.I. Hasil membuktikan bahwa ARM siap untuk pusat data
Tingkatkan gaya hidup AndaTren Digital membantu pembaca mengawasi dunia teknologi yang bergerak cepat dengan semua berita terbaru, ulasan produk yang menyenangkan, editorial yang berwawasan luas, dan cuplikan unik.