AI & Data Science ยท ScienceDaily AI
AI Mungkin Tidak Bekerja Seperti Otak Manusia, Temuan Ilmuwan
Studi baru dari York University mengungkap bahwa jaringan saraf tiruan dapat memprediksi aktivitas otak sambil bergantung pada mekanisme internal yang tidak dipakai otak. Temuan ini menantang anggapan bahwa model AI benar-benar menyerupai otak dan memperkenalkan alat diagnostik untuk mengidentifikasi komponen model mana yang benar-benar selaras dengan penglihatan biologis.

### Ilusi AI yang Menyerupai Otak
Selama lebih dari satu dekade, jaringan saraf tiruan (ANN) dipuji sebagai salah satu alat paling menjanjikan untuk memahami cara otak memproses informasi visual. Sistem komputer ini, yang dirancang untuk mengenali objek dalam gambar, telah menunjukkan kemampuan luar biasa dalam mereproduksi pola aktivitas saraf di sistem visual otak. Keberhasilan ini membuat banyak ilmuwan saraf menyebutnya 'menyerupai otak' dan mengandalkannya sebagai model komputasional penglihatan. Namun, studi baru dari York University menunjukkan bahwa kemiripan itu mungkin lebih dangkal daripada yang diperkirakan sebelumnya. Penelitian yang diterbitkan di *Nature Machine Intelligence* ini mengungkap bahwa bahkan model AI yang memprediksi aktivitas otak dengan cukup dekat pun dapat bergantung pada proses internal yang tidak dipakai otak. Penemuan ini memunculkan pertanyaan penting tentang keandalan AI dalam penelitian ilmu saraf dan menantang anggapan bahwa kesesuaian respons otak berarti kesesuaian mekanisme yang mendasarinya.
### Uji Baru: Prediktivitas Terbalik
Tim York University, yang dipimpin oleh Asisten Profesor Kohitij Kar, Canada Research Chair in Visual Neuroscience, memutuskan untuk mendekati masalah ini dari sudut yang berbeda. Alih-alih sekadar mengukur seberapa baik model AI memprediksi aktivitas sel otak, mereka menyelidiki apakah aktivitas otak yang terekam juga dapat memprediksi apa yang terjadi di dalam model AI. Jika sistem ini benar-benar bekerja seperti otak, hubungan itu seharusnya berlaku dua arah. Untuk menyelidikinya, mereka mengembangkan metode bernama **reverse predictivity testing**, yang memungkinkan mereka mengevaluasi kemiripan yang mungkin terlewat oleh uji konvensional. "Sampai sekarang, ilmuwan sebagian besar menguji ini dalam satu arah. Mereka bertanya apakah model AI dapat memprediksi aktivitas otak," kata Kar. "Kami memutuskan untuk mengajukan pertanyaan sebaliknya: dapatkah aktivitas otak memprediksi fitur internal model AI?" Pendekatan ini melibatkan pemeriksaan respons terhadap berbagai macam gambar visual, termasuk 1.320 foto natural dan gambar sintetis realistis yang menampilkan 10 subjek yang familier: beruang, gajah, wajah, apel, mobil, anjing, kursi, pesawat, burung, dan zebra. Objek-objek ini muncul dengan berbagai latar pemandangan alam dan latar dalam atau luar ruangan. Para peneliti juga menambahkan 300 gambar lain yang menunjukkan subjek yang sama dalam gaya visual berbeda, termasuk garis luar, gambar, representasi yang disederhanakan, dan interpretasi artistik.
### Keterputusan antara AI dan Penglihatan Biologis
Hasilnya mengungkap keterputusan yang signifikan antara kecerdasan buatan dan penglihatan biologis. Model AI umumnya berhasil memprediksi respons neuron yang terekam, yaitu sel khusus yang mengirimkan informasi ke seluruh otak. Namun, ketika para peneliti membalik prosesnya, respons neuronal yang sama jauh lebih tidak efektif dalam memprediksi banyak fitur internal model. Perbedaan ini sangat mengungkap karena para peneliti tidak mengamati masalah yang sama saat membandingkan aktivitas neuronal antarodak berbeda. "Hasilnya mencolok. Meskipun model AI dapat memprediksi neuron yang kami rekam di otak dengan cukup baik, otak tidak dapat memprediksi banyak fitur internal model secara setara. Menariknya, hal ini tidak terjadi ketika neuron dari satu otak dibandingkan dengan neuron dari otak lain," kata Kar. Temuan ini menunjukkan bahwa sistem AI dapat menghasilkan hasil yang sangat mirip dengan otak sambil bergantung pada mekanisme internal yang sangat berbeda. Dengan kata lain, kesesuaian respons otak tidak selalu berarti proses yang mendasarinya sama.
### Implikasi bagi Ilmu Saraf dan Perilaku Manusia
Implikasinya meluas jauh melampaui penglihatan komputer. Kecerdasan buatan semakin banyak digunakan untuk membantu peneliti merancang eksperimen, mempelajari perilaku manusia, dan menyelidiki kondisi neurologis dan psikologis. Banyak dari aplikasi ini bergantung pada anggapan bahwa model AI memproses informasi dengan cara yang menyerupai otak manusia. Jika anggapan itu keliru, peneliti dapat menarik kesimpulan yang menyesatkan dari model yang tampak akurat di permukaan tetapi bekerja berbeda di dalamnya. "Temuan kami menantang seberapa mirip sistem AI saat ini dengan otak primata. Kami menunjukkan bahwa model yang sebelumnya dianggap menyerupai otak bergantung pada komponen internal yang tampaknya tidak dipakai otak. Kami menyediakan metrik diagnostik yang telah diuji dengan baik untuk bidang ini," kata Sabine Muzellec, postdoctoral fellow di York dan penulis pertama studi tersebut. Kekhawatiran ini juga dapat berlaku pada bidang ilmu saraf lainnya. Model AI serupa sudah digunakan untuk mempelajari pendengaran, bahasa, dan gerakan. Jika sistem tersebut juga bergantung pada proses internal yang berbeda dari proses biologis, peneliti mungkin perlu mempertimbangkan kembali seberapa banyak yang dapat diungkapnya tentang sistem saraf.
### Membangun AI yang Menyerupai Otak dengan Lebih Andal
Alih-alih menyarankan agar jaringan saraf tiruan ditinggalkan, temuan ini menyediakan cara untuk membuatnya lebih berguna dan andal secara ilmiah. Dengan mengidentifikasi fitur model AI mana yang berkaitan dengan aktivitas saraf nyata, peneliti dapat fokus mengembangkan sistem yang lebih akurat mencerminkan mekanisme biologis di balik persepsi. "Pendekatan kami membantu mengidentifikasi bagian mana dari ANN yang benar-benar sesuai dengan aktivitas otak, sehingga memungkinkan kami membangun model yang lebih andal untuk memahami cara orang melihat dan menafsirkan dunia," kata Kar. "Ini sangat penting untuk program penelitian autisme kami, yang dibangun di atas model otak neurotipikal sebagai dasar." Otak neurotipikal merujuk pada otak dengan pola perkembangan dan fungsi neurologis yang umumnya dianggap tipikal. Menetapkan model yang akurat atas pola-pola ini penting bagi peneliti yang menyelidiki bagaimana persepsi dan pemrosesan informasi dapat berbeda pada kondisi seperti autisme. Untuk membantu ilmuwan lain menerapkan temuan mereka, tim telah merilis toolkit pengujian yang tersedia untuk publik yang dapat digunakan pengembang AI untuk mengevaluasi model mereka sendiri dan mengidentifikasi peluang perbaikan. Studi ini memperkenalkan pendekatan baru untuk mengevaluasi kecerdasan buatan yang melampaui pengukuran seberapa baik suatu sistem menjalankan tugas. Para peneliti berargumen bahwa memahami apakah AI mencapai hasilnya melalui proses yang benar-benar menyerupai otak sama pentingnya.
### Standar Baru bagi AI dalam Ilmu Saraf
Penemuan ini dapat membantu mengarahkan pengembangan generasi baru model AI yang tidak hanya mengenali dunia dengan akurasi mengesankan tetapi juga menawarkan representasi yang lebih setia tentang cara kerja otak. Seiring kemajuan AI, pembedaan antara kemiripan dangkal dan keselarasan mekanistik yang sejati menjadi semakin kritis. Reverse predictivity testing dari tim York University menyediakan metrik diagnostik yang dapat digunakan untuk menilai kelayakan biologis model AI, memastikan bahwa model tersebut berfungsi sebagai alat yang andal bagi ilmu saraf. "Pada akhirnya, kami membutuhkan model komputasional untuk benar-benar memahami mekanisme saraf yang mendasari cara kami mengenali objek," kata Kar. "Bagaimana kami melihat objek bergerak? Meskipun itu tugas yang sangat mudah yang kami lakukan setiap hari, secara komputasional, itu masalah yang sangat menantang." Dengan mengungkap perbedaan tersembunyi antara penglihatan artifisial dan biologis, penelitian ini membuka jalan bagi model yang lebih akurat yang dapat memperdalam pemahaman kita tentang otak dan meningkatkan penelitian klinis untuk kondisi mulai dari post-traumatic stress disorder hingga autisme.
Poin kunci
- Model AI dapat memprediksi aktivitas otak tanpa memakai proses internal yang sama dengan otak, sehingga menantang anggapan bahwa model tersebut benar-benar 'menyerupai otak'.
- Reverse predictivity testing mengungkap bahwa aktivitas otak kurang efektif memprediksi fitur internal AI, berbeda dengan perbandingan antarodak.
- Temuan ini memperingatkan agar tidak terlalu mengandalkan AI dalam ilmu saraf dan menyarankan perlunya model yang lebih layak secara biologis.
- Toolkit yang tersedia untuk publik memungkinkan peneliti mengevaluasi model AI untuk keselarasan sejati dengan mekanisme otak.
Sumber: ScienceDaily AI โ