Mampu Pecahkan Data yang Rumit, Ilmuwan Ciptakan Model AI Baru Terinspirasi Dinamika Saraf Otak

Para peneliti dari Laboratorium Ilmu Komputer dan Kecerdasan Buatan Massachusetts Institute of Technology (MIT Computer Science and Artificial Intelligence Laboratory/CSAIL) baru-baru ini mengembangkan model kecerdasan buatan (AI) baru yang terinspirasi oleh osilasi saraf di otak. Inovasi ini bertujuan untuk secara signifikan meningkatkan kemampuan algoritma pembelajaran mesin dalam menangani rangkaian data yang panjang.

Dilansir oleh MIT News pada Sabtu (3/5), AI saat ini masih sering mengalami kesulitan dalam menganalisis informasi kompleks yang terjadi dalam jangka waktu lama, seperti tren iklim, sinyal biologis, atau data keuangan. Salah satu pendekatan yang telah dikembangkan untuk menjawab tantangan ini adalah "model ruang-keadaan," yang dirancang khusus untuk memahami pola-pola data berurutan. Namun, model-model ini masih menghadapi berbagai kendala, seperti ketidakstabilan dan kebutuhan komputasi yang sangat tinggi saat memproses data dalam jumlah besar.

Untuk menjawab tantangan tersebut, peneliti CSAIL, T. Konstantin Rusch dan Daniela Rus, mengembangkan model baru yang mereka sebut "model ruang-keadaan osilasi linier" (LinOSS). Model ini memanfaatkan prinsip osilator harmonik paksa,sebuah konsep dari fisika yang juga ditemukan dalam jaringan saraf biologis,untuk menghasilkan prediksi yang stabil, ekspresif, dan efisien secara komputasi tanpa bergantung pada parameter yang terlalu ketat.

"Tujuan kami adalah menangkap stabilitas dan efisiensi yang terlihat dalam sistem saraf biologis, lalu menerjemahkannya ke dalam kerangka pembelajaran mesin," jelas Rusch. "Dengan LinOSS, kami kini dapat mempelajari interaksi jarak jauh secara andal, bahkan dalam rangkaian data yang mencakup ratusan ribu titik atau lebih."

Model LinOSS memiliki keunikan karena mampu menghasilkan prediksi yang stabil dengan memerlukan pilihan desain yang jauh lebih sedikit dibandingkan metode sebelumnya. Selain itu, para peneliti berhasil membuktikan secara ketat kemampuan aproksimasi universal dari model ini, yang berarti LinOSS dapat mengaproksimasi fungsi kausal kontinu apa pun yang menghubungkan urutan masukan dan keluaran.

Pengujian empiris menunjukkan bahwa LinOSS secara konsisten mengungguli model canggih yang ada di berbagai tugas klasifikasi dan peramalan sekuens yang menantang. Khususnya, LinOSS mengungguli model Mamba yang banyak digunakan hampir dua kali lipat dalam tugas yang melibatkan sekuens dengan panjang yang ekstrem.

Paradigma Baru

Penelitian ini diakui akan signifikansinya dan dipilih untuk dipresentasikan secara lisan di ICLR 2025, sebuah penghargaan yang hanya diberikan kepada 1 persen peserta teratas. Para peneliti MIT mengantisipasi bahwa model LinOSS dapat berdampak signifikan pada bidang apa pun yang akan mendapat manfaat dari peramalan dan klasifikasi jangka panjang yang akurat dan efisien, termasuk analisis perawatan kesehatan, ilmu iklim, kendaraan otonom, dan peramalan keuangan.

"Karya ini menggambarkan bagaimana ketelitian matematika dapat menghasilkan terobosan kinerja dan aplikasi yang luas," kata Rus. "Dengan LinOSS, kami menyediakan komunitas ilmiah dengan alat yang ampuh untuk memahami dan memprediksi sistem yang kompleks, menjembatani kesenjangan antara inspirasi biologis dan inovasi komputasional."

Tim membayangkan bahwa munculnya paradigma baru seperti LinOSS akan menarik bagi praktisi pembelajaran mesin untuk dikembangkan. Ke depannya, para peneliti berencana untuk menerapkan model mereka ke berbagai modalitas data yang lebih luas. Selain itu, mereka menyarankan bahwa LinOSS dapat memberikan wawasan berharga tentang ilmu saraf, yang berpotensi memperdalam pemahaman kita tentang otak itu sendiri.

Pekerjaan mereka didukung oleh Yayasan Sains Nasional Swiss, program Schmidt AI2050, dan Akselerator Kecerdasan Buatan Angkatan Udara AS. 

Inovasi ini diyakini akan membuka jalan baru dalam berbagai sektor seperti kesehatan, keuangan, riset ilmiah, hingga pertahanan, di mana pengolahan data kompleks menjadi kunci utama.

Dengan kemampuan menembus batas-batas komputasi tradisional, model AI baru ini tak hanya menjanjikan efisiensi, tetapi juga membawa manusia menuju era baru kolaborasi cerdas antara teknologi dan neurosains.