Berita Utama

Berita tentang Indonesia

AI sebagai Peneliti – Sistem AI menemukan formula yang cocok untuk data mentah – tanpa mengetahui formula sebelumnya

AI sebagai Peneliti – Sistem AI menemukan formula yang cocok untuk data mentah – tanpa mengetahui formula sebelumnya

Baik itu hukum gerak planet Kepler, pelebaran waktu Einstein, atau perilaku molekul gas: kecerdasan buatan yang baru dikembangkan telah secara mandiri “menemukan kembali” hukum ilmiah ini dan merumuskannya dengan benar. Sistem AI Cartesian mengandalkan data mentah dan latar belakang fisik. Dari sini, sistem mengembangkan formula hukum yang benar, tetapi juga menunjukkan di mana penyimpangannya dan di mana lebih banyak data diperlukan.

Baik itu ChatGPT, BARD, Alphafold, atau AI lainnya: lompatan pengembangan dalam sistem AI baru tidak diragukan lagi. Algoritme adaptif dan jaringan saraf tidak hanya dapat menulis skrip, membuat gambar atau permainan utama, tetapi juga telah lama berguna dalam penelitian dan sains. Mereka memecahkan kode struktur protein, mendiagnosis penyakit, menemukan bukti matematis, atau mengembangkan metode sintesis kimia.

Prinsip dasar
Sistem AI menggabungkan dua pendekatan. © Domain Publik

Prinsip dasar ilmu pengetahuan

Sekarang ada sistem AI yang juga menyempurnakan prinsip dasar di balik penemuan ilmiah: “Para ilmuwan sedang mencari persamaan dan hukum yang secara akurat mendeskripsikan data eksperimen mereka,” jelas Christina Cornelio dari IBM Research di New York dan rekannya. Tantangannya di sini adalah, di satu sisi, untuk mengidentifikasi siapa yang berada dalam kekayaan data yang mengandung informasi tentang keteraturan dan membedakannya dari sekadar “kebisingan”.

Di sisi lain, dibutuhkan pengetahuan, intuisi, dan kecerdikan ilmiah untuk mengenali hubungan yang sama sekali baru berdasarkan data yang ada dan pengetahuan dasar dan mendeskripsikannya menggunakan persamaan. Hanya proses ini yang mengarah pada perkembangan terobosan dalam sains.

Menggabungkan dua pendekatan: regresi simbolik…

Tapi bisakah kecerdasan buatan melakukan itu juga? Inilah yang ingin diketahui oleh Cornelio dan rekan-rekannya. Untuk melakukan ini, mereka telah mengembangkan sistem kecerdasan buatan yang menggabungkan dua pendekatan yang sudah populer. Yang pertama adalah sesuatu yang disebut regresi simbolik, di mana AI memilih operasi matematika yang paling sesuai dengan data dari kumpulan yang telah ditentukan sebelumnya dan menyusun rumus darinya. Dalam kasus paling sederhana, ini bisa berupa daftar yang terdiri dari +, -, x, dan .

Sistem AI kemudian menghasilkan jutaan persamaan dari blok penyusun rumus yang diberikan dan memeriksa mana yang paling cocok dengan data. “Model regresi simbolik ini lebih mudah ditafsirkan daripada jaringan saraf dan membutuhkan lebih sedikit data,” jelas para peneliti. “Namun, mereka kesulitan menentukan formula mana yang cocok dengan data dan mana yang masuk akal secara ilmiah juga.”

struktur Ai Descartes
Struktur dan fungsi sistem Cartesian AI.© Cornelio dkk. / Nature Communications, Inc. CC oleh 4.0

… dan derivasi logis

Di sinilah komponen kedua dari sistem AI berperan: yang disebut “sistem berpikir”. Ini sebelumnya memberi serangkaian teorema dan hukum ilmiah dasar dan sekarang dapat memperoleh salah satu persamaan yang cocok secara logis juga. “Ini memungkinkan sistem AI membuat model yang bermakna untuk berbagai aplikasi,” kata Cornelio.

Kombinasi pemetaan sintaksis dan validasi boolean juga membedakan sistem yang disebut “AI Descartes” dari sistem AI generatif seperti ChatGPT. Model bahasa besar ini didasarkan terutama pada pola bahasa umum yang umum untuk data pelatihan dan tidak berkembang secara logis. Jadi mereka gagal dalam banyak soal matematika dan ilmiah dan menghasilkan omong kosong yang tampaknya masuk akal.

Orbit planet Kepler sebagai ujian pertama

Tapi seberapa bagus kecerdasan buatan Descartes? Untuk mengujinya, para peneliti memberinya tiga tugas. Berdasarkan data yang tidak bersih dan seperangkat prinsip fisika umum, sistem AI harus “menemukan kembali” tiga penemuan inovatif dalam fisika dan mendeskripsikannya dalam bentuk persamaan tanpa mengetahuinya sebelumnya.

Sebagai masalah pertama, sistem AI harus mempelajari hukum ketiga Kepler yang menjelaskan orbit dan periode orbit planet. “Mengekstraksi hukum ini dari data eksperimen merupakan tantangan, terutama ketika planet memiliki massa dengan ukuran yang sangat berbeda,” jelas para ilmuwan. Tetapi dengan bantuan unit pemikirannya, AI Descartes dapat menemukan formula yang benar secara fisik – dia “menemukan kembali” hukum gerak planet ketiga Kepler.

Dilatasi waktu Einstein dan penyerapan Langmuir

Tugas kedua adalah pelebaran waktu yang dijelaskan oleh teori relativitas khusus Albert Einstein. Setelah itu, waktu melambat untuk objek yang bergerak cepat. Di sini, sistem AI tidak berhasil mengatur persamaan Einstein, tetapi berhasil menentukan rumus yang paling dekat dengan fenomena yang dijelaskan, lapor tim tersebut. Sebaliknya, sistem dengan tepat mengakui bahwa fisika relativistik bukanlah Newtonian, melainkan berperan di sini.

Sebagai tugas ketiga, sistem AI harus menemukan formula yang dikembangkan oleh ahli kimia Irving Langmuir untuk menyerap molekul gas ke permukaan. Untuk tujuan ini, A.I. Descartes menerima data eksperimen tentang adsorpsi metana pada mika dan isobutana pada silikat dan pengetahuan bahwa padatan menyediakan gas dengan “titik persimpangan”. Atas dasar ini, sistem AI mampu mengembangkan formula yang menggambarkan jumlah molekul gas yang dapat diikat oleh suatu zat dalam kondisi pengujian.

Hanya awal

Menurut Cornelio dan rekan-rekannya, sistem AI seperti Descartes AI membuka kemungkinan baru untuk mendukung analisis data ilmiah. “Salah satu aspek yang paling menarik dari pekerjaan kami adalah kemampuan untuk memajukan ilmu pengetahuan secara dramatis,” kata Cornelio. Sebagai langkah selanjutnya, tim berencana untuk memberikan sistem AI kemampuan untuk mempelajari latar belakang secara mandiri dengan membaca artikel ilmiah secara mandiri dan mengekstraksi teori yang relevan darinya.

“Sampai sekarang, kami membutuhkan orang untuk menerjemahkan aksioma ke dalam bahasa formal yang dapat dibaca komputer,” jelas rekan penulis Tyler Josephson dari University of Maryland. “Di masa mendatang, kami ingin mengotomatiskan bagian sistem ini untuk mencakup lebih banyak bidang sains dan teknologi.” (Komunikasi Alam, 2023; doi: 10.1038/s41467-023-37236-y)

Sumber: Universitas Maryland