Ilmuwan AS John Hopfield dan Geoffrey Hinton, yang dikenal sebagai "bapak kecerdasan buatan," telah dianugerahi Penghargaan Nobel Fisika 2024 atas kontribusi penting mereka dalam pengembangan pembelajaran mesin menggunakan jaringan saraf buatan.

"Dua pemenang Nobel Fisika tahun ini telah memanfaatkan berbagai konsep dari fisika untuk menciptakan metode yang menjadi dasar bagi pembelajaran mesin modern," kata akademi tersebut di akun resmi X mereka.

"Mereka telah menunjukkan cara baru bagi kita untuk menggunakan komputer dalam membantu dan membimbing kita menghadapi berbagai tantangan yang dihadapi masyarakat."

Akademi Ilmu Pengetahuan Kerajaan Swedia, saat mengumumkan penghargaan tersebut, memuji kedua ilmuwan atas "kontribusi transformatif" yang memungkinkan pembelajaran mesin untuk memproses data dalam jumlah besar dan membuat keputusan serupa dengan cara kerja otak manusia.

Siapakah dua peraih nobel tersebut?

John Hopfield, profesor emeritus di Universitas Princeton yang berusia 91 tahun, dikenal luas karena mengembangkan Jaringan Hopfield pada tahun 1980-an. Jaringan ini memodelkan memori asosiatif dengan menggunakan prinsip-prinsip fisika, dan karyanya sangat penting dalam memahami bagaimana jaringan saraf dapat mensimulasikan proses memori dan pembelajaran.

Sementara itu, Geoffrey Hinton, yang berusia 76 tahun dan lahir di Inggris, merupakan profesor emeritus di Universitas Toronto. Ia meninggalkan Google pada tahun 2023 setelah menyadari bahwa komputer dapat menjadi lebih pintar daripada manusia jauh lebih cepat daripada yang ia dan para ahli lainnya perkirakan.

Ilmuwan komputer dan psikolog kognitif Geoffrey Hinton menemukan metode yang memungkinkan sistem untuk secara mandiri menemukan pola dalam data dan melakukan tugas-tugas seperti mengidentifikasi elemen tertentu dalam gambar.

"Saya tercengang, saya tidak menyangka ini akan terjadi, dan saya sangat terkejut," kata Hinton kepada wartawan saat ditanya tentang perasaannya sebagai peraih Nobel.

"Ini akan sebanding dengan revolusi industri. Pembelajaran mesin akan melampaui manusia dalam kemampuan intelektual," tambahnya.

Meskipun ia menyoroti berbagai bidang penerapan, termasuk perawatan kesehatan, asisten AI, dan peningkatan produktivitas kerja, ia juga mengingatkan tentang potensi bahaya pembelajaran mesin yang dapat mengarah pada situasi di mana kendali bisa hilang.

Dampak dari karya mereka

Kontribusi Hopfield dan Hinton melampaui penelitian teoritis dan kini telah menjangkau aplikasi praktis yang memengaruhi kehidupan sehari-hari kita. Jaringan Hopfield, misalnya, memainkan peran penting dalam menunjukkan bagaimana jaringan saraf dapat meniru cara otak memproses dan menyimpan informasi.

Hinton memperluas konsep Jaringan Hopfield dengan mengembangkan mesin Boltzmann, yang mampu belajar mengenali elemen karakteristik dalam data menggunakan fisika statistik. Mesin ini dilatih dengan memberikan contoh-contoh yang mungkin muncul selama operasinya.

Dengan kemampuan untuk mengklasifikasikan gambar atau menghasilkan contoh baru berdasarkan pelatihan yang diberikan, mesin ini berperan penting dalam pengembangan pembelajaran mesin.

Terobosan teoritis ini meletakkan dasar bagi kemajuan AI di masa depan, memungkinkan mesin untuk mensimulasikan proses pembelajaran dan memori.

Selain itu, kontribusi Hinton dalam pengembangan algoritma backpropagation merevolusi pelatihan jaringan saraf, memungkinkan sistem untuk meningkatkan kemampuannya dengan belajar dari kesalahan. Metode ini sangat penting bagi berfungsinya sistem pembelajaran mendalam saat ini, yang menjadi tulang punggung teknologi seperti pengenalan suara, visi komputer, dan pemrosesan bahasa alami.

Tanpa algoritma backpropagation, jaringan saraf akan kesulitan untuk meningkatkan akurasi dan kompleksitasnya, yang pada gilirannya menghambat kemampuan mereka dalam menjalankan tugas-tugas canggih yang sekarang dapat mereka lakukan.

Dari sistem pengenalan suara hingga perangkat medis diagnostik, kemajuan ini membentuk tulang punggung revolusi AI.

Komite Nobel menyoroti bagaimana karya mereka memungkinkan AI untuk memilah dan menganalisis kumpulan data yang sangat besar secara lebih efisien di berbagai sektor.

"Pembelajaran mesin berbasis jaringan saraf buatan saat ini tengah merevolusi sains, teknik, dan kehidupan sehari-hari," demikian pernyataan komite tersebut.

Kekhawatiran global

Komite tersebut juga mengakui kekhawatiran yang semakin meluas terkait pembelajaran mesin dan kecerdasan buatan.

"Meskipun pembelajaran mesin menawarkan manfaat yang sangat besar, perkembangan yang cepat ini juga menimbulkan kekhawatiran tentang masa depan kita," kata Ellen Moons, ketua Komite Nobel untuk Fisika.

“Sebagai manusia, kita memiliki tanggung jawab untuk menggunakan teknologi baru ini secara aman dan etis demi kebaikan bersama,” tambahnya.

"Manusia memiliki tanggung jawab untuk menggunakan teknologi baru ini secara aman dan etis demi kebaikan bersama."

"Humans carry the responsibility for using this new technology in a safe and ethical way for the greatest benefit of humankind."

Hinton telah mengambil langkah nyata terkait masalah ini di masa lalu dengan mengundurkan diri dari jabatannya di Google untuk membahas secara terbuka risiko yang terkait dengan teknologi yang ia kembangkan. Ia menyampaikan kekhawatirannya yang terus-menerus tentang "sejumlah kemungkinan konsekuensi buruk" yang bisa muncul dari pekerjaannya dalam pembelajaran mesin, terutama terkait dengan potensi teknologi tersebut menjadi tidak terkendali.

Meski ada kekhawatiran ini, ia menyatakan bahwa ia akan tetap mengambil keputusan yang sama jika diberi kesempatan lagi.

Penghargaan Nobel, yang dianggap sebagai penghargaan tertinggi bagi fisikawan di seluruh dunia, didirikan berdasarkan wasiat Alfred Nobel, bersamaan dengan penghargaan untuk prestasi dalam sains, sastra, kedokteran, dan perdamaian. Penghargaan ini disertai dengan hadiah sebesar 1,1 juta dolar, yang dibagi antara dua pemenang.

Fisika adalah penghargaan Nobel kedua yang diberikan minggu ini, setelah hadiah kedokteran yang dimenangkan oleh ilmuwan AS Victor Ambros dan Gary Ruvkun untuk penemuan mikroRNA dan perannya dalam regulasi gen, yang telah memberikan wawasan tentang bagaimana sel berspesialisasi.

Sumber: TRT World dan Agensi