Kecerdasan Buatan Yang Ingin Dicapai Facebook Dari Sebuah Permainan Dimana Komputer Belum Mampu Menembusnya
“Dari berbagai jenis permainan, baik yang tradisional atau yang modern, ada satu permainan dimana komputer belum bisa mengalahkan manusia, para pemain kelas atas di permainan ini. Karena keunikan dan rumitnya penalaran permainan ini, Facebook berusaha untuk mempelajarinya demi mengaplikasikannya ke dalam sistem kecerdasan buatan yang sedang mereka kembangkan”
– catatan editor –
Artikel asli dalam bahasa Inggris oleh: Cade Metz
Ditranslasikan ke dalam bahasa Indonesia oleh: Edy Kesuma
Dicek dan ditinjau ulang oleh: Reopan editor
Di pertengahan tahun 90-an, sebuah program komputer bernama Chinook mengalahkan pemain kelas atas dari permainan Checkers. Tiga tahun kemudian, dengan banyak keriuhan, super komputer IBM Deep Blue memenangkan permainan catur melawan juara dunia saat itu Gary Kasparov. Dan di tahun 2011, mesin IBM lain, Watson, menduduki gelar pemain terbaik dalam sebuah acara televisi Amerika, Jeopardy! Mesin saat ini sudah bisa mengalahkan manusia terhebat dalam skala besar pada suatu permainan tradisional sebagai adu tes kecerdasan, dari permainan Scrabble sampai Othello. Namun terdapat satu permainan terkenal dimana kita manusia masih tetap keluar sebagai pemenangnya, yaitu: permainan catur Go.
Dari semua jenis permainan lain, komputer bisa keluar sebagai pemenang dimana secara esensi, dengan menganalisa berbagai kemungkinan yang bisa terjadi dari segala kemungkinan. Memang benar, seorang grandmaster catur seperti Kasparov bisa melihat beberapa langkah di depan. Namun suatu mesin bisa menjelajahi jauh lebih banyak langkah dibandingkan dengan yang Kasparov dapat lakukan. Tentu begitu juga, suatu mesin bisa memperhitungkan beberapa langkah didepan dalam permainan Go (bentuk catur versi benua timur). Namun pada kasus ini, melihat beberapa langkah kedepan dalam permainan ini jauh lebih sulit. Pada sebuah papan Go (papan berukuran dimensi 19 x 19 dimana batu diletakkan di titik potong garis horizontal dan vertikal) jumlah kemungkinan pergerakan adalah jauh lebih besar, dan mengidentifikasi keuntungan dari beberapa pergerakan jauh lebih rumit, bahkan misterius. Para pemain hebat atau pemain kelas atas akan memperlihatkan bagaimana mereka menjalankan langkahnya, pada tingkatan tertentu dibawah kesadaran mereka sendiri. Membuat sebuah komputer bermain dengan cara seperti ini adalah tugas yang benar-benar berbeda. Anda tidak dapat menggunakan pendekatan yang sama seperti yang diterapkan pada komputer Deep Blue atau Watson.
Sesuai dengan yang dipikirkan, para peneliti di Facebook saat ini mulai mempelajari Go melalui bentuk kecerdasan buatan yang dikenal dengan “deep learning” atau pemahaman mendalam.
Pada tahun-tahun ini, perusahaan seperti Facebook, Google, dan Microsoft memperlihatkan bahwa “deep learning” sangat mahir dalam mengenali foto-foto, mengidentifikasi ucapan, dan menerjemahkan suatu bahasa ke bahasa lain. Untuk mengenali seekor kucing sebagai contoh, sistem deep learning menganalisa ribuan foto-foto kucing, memasukkannya ke dalam jaringan mesin yang yang kurang lebih menyamai jaringan syaraf dalam otak manusia. Terima kasih kepada jaringan syaraf ini, karena aplikasi Facebook anda sudah bisa mengenali mana foto anda dan mana foto teman anda. Asisten digital smartphone Google dapat mengenali perintah yang anda sampaikan melalui ponsel Android. Dan Microsoft secara cepat dapat menerjemahkan panggilan suara Skype anda. Saat ini, Facebook sedang menggunakan teknologi yang hampir sama untuk mengenali mana pergerakan yang bagus dalam permainan Go. Sama seperti kehidupan manusia, yang dapat memperlihatkan apakah hal tersebut bisa berhasil atau tidak. Para peneliti memasukkan data tampilan dari pergerakan langkah permainan Go kedalam jaringan syaraf deep learning, agar dapat mempelajari seperti apa penampakan langkah tepat yang tepat.
“Kami dengan pasti yakin bahwa para pemain [manusia] terbaik melihat pola yang tampak di depan mata, melihat tampilan di atas papan untuk membantu mereka memahami mana penempatan yang baik dan mana penempatan yang buruk melalui cara intuitif,” CTO Facebook Mike “Schrep” Schroepfer memberi tahu wartawan di kantor pusat Facebook di California, seminggu sebelum membawakan pidato dengan pembahasan yang sama di Web Summit di Dublin. “Jadi kami telah mengambil dasar-dasar kecerdasan buatan suatu permainan tradisional dan memasangkan sistem visual kedalamnya, dam kemudian kami menggunakan pola yang ada di papan (suatu sistem pengenalan visual) untuk meningkatkan keberhasilan pergerakan yang dapat dibuat sistem.” Walaupun sistem ini hanya dua atau tiga bulan lebih tua, sistem ini sudah dapat mengalahkan sistem yang dibangun dengan teknik kecerdasan buatan yang lebih tradisional.
Deep Learning (Pembelajaran Mendalam)
Pada satu level, pekerjaan ini adalah tentang keingintahuan, penampakan sisi lain dari sistem deep learning yang perusahaan sedang bangun untuk memecahkan tugas-tugas spesifik yang terjadi di jaringan media sosial paling populer di dunia. Facebook menggunakan jaringan internet untuk dapat menentukan dengan lebih baik apa yang ingin anda lihat di beranda berita Facebook anda. Ini adalah pengembangan sistem lain untuk para pengguna Facebook tuna netra yang secara otomatis dapat mendeskripsikan foto-foto melalui mesin pengolah teks menjadi suara. Namun proyek pekerjaan Go ini (yang Schrep jabarkan sebagai “awal super”) mendemonstrasikan mengapa deep learning begitu bermanfaat dan bagaimana ini dapat terus berlanjut untuk menekan batasan apa yang mesin dapat lakukan.
Memecahkan masalah besar kecerdasan buatan memerlukan teknologi dengan skala yang besar, dan deep learning mampu menyediakan sesuatu yang sejenis dengan intuisi manusia, atau setidaknya mendekati jenis intuisi yang kita sendiri sebagai manusia sulit untuk menjelaskannya. Ini juga termasuk seperti bermain Go, namun seperti permainan dalam game yang hanyalah sebuah langkah kecil untuk mencapai sesuatu yang lebih besar. Setelah mendapatkan banyak keberhasilan dengan pengenalan gambar dan suara, banyak peneliti percaya bahwa deep learning saat ini dapat membantu komputer memahami “bahasa alami” (cara bagaimana manusia berbicara dengan alami).
Selama penjelasan singkatnya bersama para wartawan, Schrep juga menyinggung sistem yang dulu dia pernah demonstrasikan, dimana jaringan syaraf internet menganalisis sinopsis dari cerita The Lord of the Rings dan kemudian menjawab beberapa pertanyaan tentang plot yang ada di trilogi J.R.R. Tolkien. “Kami mengambil sangat, sangat, sangat sedikit versi cerita dari The Lord of the Rings dan memasukkannya ke dalam sistem,” kata Schrep. “Dan segera setelah itu tepat setelah anda memasukkannya, anda bisa mulai menanyakan beberapa hal, tentang data yang baru saja dilihat, yang relatif cukup kompleks yang melibatkan hubungan spasial.” Hal ini mengindikasikan trend yang lebih luas. Google baru-baru ini mempublikasikan hasil penelitian yang menjelaskan sebuah komputer bot yang dalam beberapa tingkatan, mampu berdebat mengenai arti kehidupan. Sebuah startup dengan nama MetaMind juga sedang mengekplorasi panggung yang sama.
Andrew Ng, direktur peneliti perusahaan internet terbesar di China, Baidu, yang juga berada di garis depan penelitian deep learning mengatakan jalur untuk memahami bahasa alami adalah salah satu hal yang sulit dan kemajuannya yang begitu lambat. Namun dia juga melihat beberapa harapan disana. “Kami sering berada di jalur yang tepat beberapa kali,” kata dia. “Dan kami juga benar-benar mengacaukannya beberapa kali.”
Menciptakan Koneksi
Sebagaimana pekerjaan tersebut terus berlangsung, Facebook seperti Baidu, berharap dapat menerapkan ide-ide untuk tugas-tugas tertentu. Bulan lalu, sebuah tim peneliti dari Facebook memperlihatkan kepada Wired sistem deep learning yang sedang mereka bangun untuk pengguna Facebook yang memiliki gangguan penglihatan. Sistem dapat mengidentifikasi objek dalam foto, menentukan apakah raut muka di foto sedang tersenyum, dan memutuskan apakah foto tersebut diambil di luar atau di dalam ruangan (sebelum membagikan informasi tersebut melalui aplikasi pengubah teks menjadi suara). Saat ini, Schrep mengatakan bahwa proyek telah berjalan lebih jauh lagi kedalam perwujudan pemahaman bahasa alami. Perusahaan sedang membangun sistem yang mampu membuat pengguna tuna netra menanyakan beberapa hal seperti “Apakah ada bayi dalam foto tersebut?” dan “Apa yang sedang dilakukan laki-laki itu di dalam foto?” dan “Apakah bayi-nya sedang duduk di pangkuannya?”
“Anda memperoleh penalaran (kemampuan untuk menanyakan pertanyaan dan memahami data baru) dan anda memperoleh pemahaman dan segmentasi gambar dan anda menempatkan keduanya bersama-sama,” jelas Schrep, “dan anda membangun apa yang kita sebut dengan visual Q&A.” Segmentasi gambar adalah sistem dimana dengan tepat membedakan objek-objek berbeda di dalam foto, yang memisahkan objek bayi dan pria yang bersamanya.
Sementara itu perusahaan menetapkan target untuk membangun bentuk kecerdasan buatan yang lebih tinggi melalui asisten digital yang disebut dengan M. Sekarang ini, saat masih dalam pengetesan oleh beberapa ratus pengguna di Bay Area San Francisco, M secara luas digerakkan oleh operator manusia: dimana anda bertanya dengan konteks “Dapatkah anda memesankan reservasi makan malam untuk nanti malam?,” sebuah sistem kecerdasan buatan yang baik menyarankan setidaknya suatu solusi yang disukai, dan kemudian seseorang menjalankan tugas tersebut. Ya seperti itu, mereka mengunjungi website suatu restoran dan membuatkan reservasi. Triknya, adalah Facebook dengan hati-hati melacak semua hal yang operator manusia lakukan, sehingga informasi ini dapat digunakan dalam jaringan syaraf digital dan mengajari mesin untuk menjalankan tugas yang sama. Dalam wawancaranyanya, Schreap mengungkapkan beberapa bulan setelah debut M, perusahaan telah menyediakan data ini ke dalam jaringan syaraf-nya dan memang benar meningkatkan kecerdasan buatan yang mendukung sistem.
Jika anda meminta M untuk membelikan bunga, dengan segera sistem akan merespon dan menanyakan dua pertanyaan berdasarkan kehendaknya sendiri: “Berapa anggaran anda?” dan “Kemana barang ini ingin anda kirimkan?” Dua pertanyaan ini kata Schrep, diarahkan oleh jaringan syaraf setelah mereka menganalisa bagaimana seorang operator manusia berinteraksi dengan pengguna. “Itulah sedikit persentase respon yang datang langsung dari kecerdasan buatan,” katanya, “Dan kita sedang meningkatkan persentasenya dari waktu ke waktu.”
Baik kedua sistem ini telah belum mencapai jangkauan umum yang luas. Namun mereka tidak terlalu jauh dari pengembangan dunia sesungguhnya. Penelitian perusahaan pada permainan Go mungkin masih jauh dari kata sukses. Namun sudah ada sedikit tanda keberhasilan, kata Schrep, dan hal ini menunjukkan kemana bentuk baru kecerdasan buatan Facebook ini sedang berjalan. Minggu lalu, dia memperlihatkan proyek mini lain dimana sistem deep learning Facebook melihat tumpukan balok digital dan secara akurat memprediksikan apakah balok tersebut akan jatuh atau tidak. “Kunci masalah dalam kecerdasan buatan adalah memperkirakan apa yang akan terjadi selanjutnya,” katanya. “Anda melakukan hal ini sepanjang waktu untuk membuat hari-hari anda berjalan lebih baik. Apa yang harus kami lakukan adalah mengajarkan sistem komputer untuk memahami dunia dengan cara yang sama. “Itu mengapa jaringan syaraf Facebook sedang mempelajari konsep permainan Go, dan mungkin suatu saat mereka dapat menembusnya.
