Evolusi Kecerdasan Buatan: Dari Logika Simbolik ke Komputasi yang Terinspirasi oleh Biologi

Evolusi Kecerdasan Buatan menandai pergeseran paradigma yang nyata dari Kecerdasan Buatan Simbolik (GOFAI) ke Konnesionisme. Secara historis, AI bergantung pada penalaran deduktif "atas-bawah", di mana aturan yang dikodekan manusia mengatur setiap hasil. Pendekatan ini, meskipun akurat untuk teka-teki logika, gagal memahami Paradoks Moravec—kesadaran bahwa pemikiran tingkat tinggi sangat mudah secara komputasional, sementara keterampilan sensorimotor rendah (seperti mengenali wajah) hampir mustahil untuk dikodekan secara langsung.

Sebaliknya, Komputasi yang Terinspirasi oleh Biologimengadopsi strategi pembelajaran induktif "bawah-atas". Alih-alih mengikuti instruksi statis, jaringan saraf tiruan menggunakan representasi terdistribusi untuk mengidentifikasi pola dari data mentah. Meskipun arsitektur ini meniru proses paralel dan plastisitas otak manusia, penting untuk menyadari bahwa mereka adalah abstraksi matematis. Mereka memanfaatkan aljabar linear dan kalkulus untuk mencapai hasil fungsional, dengan memprioritaskan efisiensi komputasi daripada kesamaan biologis.

Implementasi Python

Pertanyaan 1

Konsep apa yang menjelaskan mengapa membuat robot berjalan lebih sulit dibandingkan membuatnya bermain catur?

A. Uji Turing

B. Paradoks Moravec

C. Dualitas Konnesionis

D. Bias Induktif

Studi Kasus: Evolusi Terjemahan Mesin

Baca skenario di bawah ini dan jawab pertanyaannya.

Pada awal tahun 2000-an, terjemahan mesin bergantung pada model "Berdasarkan Frasa Statistik" (aturan simbolik/statistik). Ketika Google beralih ke "Terjemahan Mesin Berbasis Jaringan Saraf" (GNMT) pada tahun 2016, sistem berhenti melihat kata-kata sebagai token individu dan mulai melihat kalimat sebagai vektor dalam ruang dimensi tinggi.

Mengapa pendekatan berbasis jaringan saraf dapat menangani bahasa gaul dan konteks lebih baik daripada pendekatan berbasis aturan?

Jawaban:
Pendekatan neural menggunakan pembelajaran induktif "bawah-atas". Dengan memproses jutaan dokumen, ia mengidentifikasi hubungan probabilitas antar kata dalam konteks, bukan bergantung pada kamus yang ditentukan manusia yang tidak bisa mengikuti sifat dinamis bahasa gaul dan tata bahasa.