“Sebelumnya ada sebuah permainan kuno yaitu catur Go, dimana komputer belum mampu mengalahkan para pemain top. Namun saat ini, sebuah program yang dikembangkan oleh Google mulai mengancam dominasi ini. Hasil dari pertandingan antara komputer melawan manusia yang sedang diadakan pada minggu ini, bisa saja melahirkan sejarah baru pencapaian kecerdasan buatan”

– catatan editor-

Artikel asli dalam Bahasa Inggris oleh: Drake Baer

Ditranslasikan ke dalam Bahasa Indonesia oleh: Edy Kesuma

Dicek dan ditinjau ulang oleh: Reopan editor


Pada jam 1 siang waktu Korea Selatan tanggal 9 Maret 2016, Google sedang berusaha membuat sejarah.

Sebuah program bernama AlphaGo, yang dirancang oleh tim kecerdasan buatan Google DeepMind, akan bertanding dengan Lee Sedol, salah satu pemain Go terhebat di dunia.

Sedol dan AlphaGo akan bermain beberapa seri pertandingan dalam lima hari. Jika AlphaGo menang, ini akan menjadi pencapaian terakhir kecerdasan buatan dalam permainan yang dikuasai oleh manusia. Permainan Checkers berhasil dijatuhkan pada tahun 1994, catur di tahun 1997, dan Jeopardy di 2011. Bulan Oktober kemarin, AlphaGo adalah program pertama yang berhasil mengalahkan pemain Go profesional. Dan saat ini akan menghadapi salah satu pemain Go terhebat yang masih ada.

kecerdasan buatan dari Google - dalam Go

Bentuk permainan catur go

“Jika program ini menang, ini akan menjadi sebuah jejak pencapaian yang penting,” kata Peneliti dari Universitas Brown Jurusan Komputer Michael L. Littman kepada Tech Insider.

Apa yang membuat Go (sebuah permainan yang di tahun 2014 tampak mustahil dimenangkan oleh komputer melawan manusia) menjadi target yang menarik bagi kecerdasan buatan adalah karena ke-alami-an dari permainannya sendiri.

Diciptakan di China 2.500 tahun lalu, permainan Go terlihat sederhana. Awal permainan dimulai dari papan kosong. Dua pemain, salah satu memegang batu hitam dan yang lainnya batu putih, saling bergantian menempatkan batu dalam perpotongan garis, dimana mencoba untuk mendapatkan wilayah/teritori dan berusaha agar setiap batu mereka tidak diambil lawan.

Sebagaimana yang Alan Levinovitz sampaikan dalam artikel Wired ini, permainan menjadi semakin rumit. Terdapat 400 kemungkinan posisi pada putaran pertama dalam catur dan 129.960 dalam Go. Terdapat 35 kemungkinan pergerakan dalam setiap giliran dalam catur, dan 250 di dalam Go.

Pada postingan sebuah blog di bulan Januari, teknisi DeepMind David Silver dan Demis Hassabis mencatat bahwa pencarian ruang (jumlah kemungkinan penyusunan dalam papan) dalam Go melebihi jumlah atom yang ada di alam semesta.

Dengan tingkat kompleksitas tersebut, DeepMind tidak bisa bergantung pada kecerdasan buatan acak (brute force), dimana sebuah program memetakan semua perluasan kemungkinan permainan dalam suatu bentuk pohon percabangan keputusan.

Reporter Business Insider Tanya Lewis telah mencatat, bahwa AlphaGo menggabungkan dua metodelogi Kecerdasan Buatan:

  • Monte Carlo Tree Search : menerapkan pemilihan langkah acak dan kemudian mensimulasikan permainan sampai batas akhir untuk menemukan sebuah strategi untuk menang.
  • Deep Neural Networks : 12 lapis koneksi yang seperti jaringan neuron yang terdiri dari suatu “policy network” atau “ketentuan jaringan” yang memilih langkah selanjutnya dan suatu “value network” atau “penilaian jaringan” yang memprediksi pemenang permainan.

DeepMind tidak “memprogram” AlphaGo dengan penilaian mana langkah “baik” dan “buruk.” Sebagai gantinya, algoritma AlphaGo mempelajari secara online kumpulan database pertandingan Go yang sudah ada, memberikannya pengalaman yang sejajar seperti telah memainkan Go selama 80 tahun secara terus menerus.

“Pendalaman melalui jaringan internet ini memungkinkan untuk terus berlatih dan berlatih lagi dan terus berjalan selamanya dalam ribuan atau jutaan langkah, untuk mengekstraksi pola yang mengarahkannya pada pemilihan tindakan yang benar.” kata Manuela Veloso peneliti dari Universitas Carnegie Mellon, yang belajar di badan Sistem Kecerdasan Buatan.

“Deep Learning telah memberi batasan deskripsi, menempatkan judul pada gambar-gambar, dan mengatakan ini adalah seekor kucing atau sebuah laptop,” katanya kepada Tech Insider. Namun dengan AlphaGo, “adalah kemampuan memberikan deskripsi, dan nilai kedudukan dalam permainan, tindakan mana yang seharusnya saya ambil?”

Google mengakusisi DeepMind pada tahun 2014. Didirikan pada tahun 2010 oleh seorang pemain catur menjanjikan yang berbalik arah menjadi peneliti kecerdasan buatan Demis Hassabis, dengan misi perusahaanya adalah untuk “memecahkan intelegensi,” dan mereka mengklaim Algoritma yang mereka bangun mampu belajar sendiri secara langsung dari pengalaman atau data mentah.” Pada bulan Februari 2015, DeepMind menyingkap kealamian program yang belajar bermain permainan arcade lama seperti Pong atau Space Invader sebaik atau sebagus yang dimainkan oleh manusia. Dan saat ini adalah waktu untuk menguasai sebuah permainan yang pernah tampak mustahil dikuasai oleh kecerdasan buatan.

Michael Littman, peneliti dari Universitas Brown mengatakan bahwa dia dapat melihat teknologi AlphaGo diterapkan ke arah pengembangan mobil Google yang bisa berjalan sendiri, dimana Kecerdasan Buatannya harus membuat banyak keputusan-keputusan kecil secara berlanjut, hampir sama seperti permainan Go. Hal ini juga dapat digunakan dalam pencarian pemecahan masalah kapasitas, seperti jika anda bertanya kepada Google sebuah resep untuk membuat kue untuk keponakanmu yang tanpa bahan pemanis atau gula berlebih.

“Tidak dapat dielakan bahwa kita bisa memiliki program Go yang mampu mengalahkan orang-orang terhebat,” kata Littman. “Apa yang kita temukan adalah suatu jenis tantangan komputasi yang terdefinisi dengan cukup baik, kita dapat membangun sebuah mesin yang bekerja lebih baik. Kita dapat membangun mesin yang dioptimalkan untuk satu jenis pekerjaan, dan orang-orang tidak dioptimalkan untuk mengerjakan satu pekerjaan. Jika anda bisa memperpendek pekerjaan saat memainkan Go, akan tercipta mesin yang lebih baik, sepenuhnya.”

Untuk menonton siaran langsung pertandingan AlphaGo vs. Lee Sedol bisa dilihat pada tautan berikut ini.

Print Friendly, PDF & Email