Source article: Potentially Viable Paths to True AGI
Translation by: bangwin
Dework task link: https://app.dework.xyz/singularitynet-ambas/test-38287?taskId=460e41a7-1b92-4a4b-a4e9-c0db73ba0e21
Community review: Please leave comments below about translation quality or like this post if it is well translated
Jalur yang Berpotensi Layak Menuju AGI Sejati
Dalam beberapa tahun terakhir, sebagian besar perbincangan seputar Kecerdasan Umum Buatan (Artificial General Intelligence - AGI) didominasi oleh meroketnya popularitas Model Bahasa Besar (Large Language Models - LLM) dan bentuk lain dari jaringan saraf dalam (deep neural networks - DNN).
Dari membantu kita dengan tugas sehari-hari hingga menghasilkan bentuk seni yang indah, model-model ini telah unggul dalam berbagai tugas dan membuat banyak pengguna di seluruh dunia terkesan. Meski demikian, ada satu masalah utama dengan kehadiran mereka dalam wacana seputar AGI, yaitu bahwa mereka gagal dalam satu area penting: kecerdasan umum sejati.
Pada tahun 2022, Dr. Ben Goertzel, CEO SingularityNET dan Artificial Superintelligence Alliance, menjajaki gagasan bahwa sistem pembelajaran mendalam (deep learning systems) mungkin tidak cukup untuk mencapai AGI dalam bentuk terlengkapnya, dalam salah satu blognya yang berjudul “Tiga Jalan yang Layak Menuju AGI Sejati”
Dalam blognya, Dr. Goertzel menguraikan tiga jalur yang berpotensi layak yang dapat mengarah pada AGI sejati, masing-masing mewakili cara berbeda dalam menghadapi tantangan besar dalam mereplikasi kecerdasan seperti manusia.
Hari ini, kita akan menyelami jalur-jalur ini: pendekatan tingkat kognisi, pendekatan tingkat otak, dan pendekatan tingkat kimia — masing-masing menawarkan wawasan unik tentang cara kita dapat mencapai AGI dan apa yang ada di luar lanskap AI saat ini.
1. Pendekatan AGI Tingkat Kognisi: Sistem Neural-Simbolis Hibrida
Jalur pertama yang disoroti oleh Dr. Goertzel, dan yang paling membuatnya bersemangat, adalah pendekatan tingkat kognisi. Metode ini melibatkan penggabungan berbagai teknik AI, termasuk jaringan neural, penalaran simbolik, pemrograman probabilistik, dan pembelajaran evolusioner, ke dalam satu kerangka kerja terpadu.
Inti dari pendekatan ini adalah OpenCog Hyperon, sebuah proyek yang dipimpin oleh Dr. Goertzel dan rekan-rekan peneliti dan teknisi yang meluncurkan versi Alfa-nya awal tahun ini.
Hyperon bukan sekadar sistem berbasis jaringan neural lainnya. Hyperon ini adalah kerangka kerja neural-simbolis hibrida yang berupaya memodelkan kognisi manusia melalui integrasi berbagai paradigma AI. Menurut Dr. Goertzel, jaringan neural dalam saja tidak cukup untuk mencapai AGI karena kemampuannya yang terbatas untuk menggeneralisasi, berinovasi, dan mengabstraksikan di luar tugas-tugas yang sempit dan spesifik.
Dr. Goertzel menjelaskan:
“Batas atas absolut yang diharapkan dapat dicapai oleh jaringan dalam ini atau metode yang agak mirip adalah apa yang saya sebut sistem ‘quasi-AGI tertutup’ yang dapat meniru banyak perilaku manusia — tetapi […] tidak akan mampu mengatasi masalah sains dan teknik yang sulit dan belum terpecahkan, atau melakukan modifikasi dan peningkatan diri yang diperlukan untuk berfungsi sebagai AI awal dan meluncurkan Singularitas.”
Kritik terhadap jaringan saraf dalam ini menyoroti keterbatasan mendasarnya, yang terletak pada ketidakmampuannya untuk mengatur diri sendiri atau menghasilkan kreativitas.
Hyperon mengatasi kesenjangan ini dengan menggabungkan penalaran simbolik, algoritma evolusi, dan inferensi probabilistik tingkat lanjut, yang semuanya beroperasi dalam sistem berbasis metagraf yang disebut Atomspace. Arsitektur ini memungkinkan proses penalaran dan pembelajaran yang fleksibel dan dapat diskalakan, yang mengambil inspirasi dari psikologi kognitif manusia.
Dr. Goertzel dan tim kami percaya bahwa Hyperon merupakan langkah penting menuju AGI. Sistem ini memiliki desain yang meniru fungsi kognitif utama—memori, perhatian, penalaran—menggunakan kumpulan algoritma AI canggih yang dioptimalkan untuk berinteraksi dalam kerangka kerja umum. Pendekatan hibrida ini menyatukan kekuatan paradigma AI yang berbeda sekaligus mengatasi kelemahan masing-masing.
2. Pendekatan AGI Tingkat Otak: Simulasi Otak Dinamis Nonlinier Skala Besar
Jika pendekatan tingkat kognisi berfokus pada peniruan proses berpikir manusia melalui kombinasi paradigma AI, pendekatan tingkat otak mengambil rute yang lebih langsung: mensimulasikan otak itu sendiri.
Dr. Goertzel mengakui kompleksitas upaya ini tetapi percaya bahwa menciptakan model otak yang nonlinier dan dinamis dapat menawarkan jalur lain menuju AGI. Pendekatan ini berbeda secara signifikan dari model jaringan saraf saat ini, yang, seperti ia tunjukkan, hanya “saraf” dalam arti yang paling longgar.
Mengambil inspirasi dari ilmu saraf komputasional, Goertzel menganjurkan metode simulasi otak berdasarkan teori kekacauan (chaos) dan dinamika nonlinier, yang akan meniru interaksi neuron yang kompleks pada tingkat yang jauh lebih terperinci. Ia merujuk pada karya Eugene Izhikevich dalam sistem dinamis, yang menawarkan landasan teoritis untuk model semacam ini.
Namun, seperti yang dijelaskan Dr. Goertzel, rintangan terbesar untuk pendekatan ini bukanlah kurangnya ide, tetapi kekuatan komputasi yang sangat besar yang dibutuhkan:
“Bahkan upaya terbaik yang dapat kita lakukan untuk simulasi otak dengan pengetahuan kita saat ini tentang otak tidak akan SEBENARNYA menjadi upaya yang AKURAT — terlalu banyak yang tidak kita ketahui tentang cara kerja otak, dan perangkat keras komputer kita terlalu berbeda dari perangkat lunak basah saraf.”
Meskipun ada tantangan ini, ia melihat harapan dalam jalur ini. Simulasi otak skala penuh dapat memberikan wawasan tentang kecerdasan seperti manusia dengan mereplikasi interaksi antara berbagai wilayah otak dan jaringan saraf. Sementara Proyek Otak Manusia mencoba sesuatu seperti ini tetapi gagal, Goertzel percaya bahwa dengan mendasarkan simulasi otak pada dinamika nonlinier dan menjalankannya pada perangkat keras canggih, kita mungkin masih dapat mewujudkan AGI melalui pendekatan ini.
Namun ada pertimbangan lain: bagaimana jika alih-alih mensimulasikan otak manusia, kita mulai dengan mensimulasikan organisme yang lebih sederhana? Seperti yang ia sarankan, mensimulasikan otak hewan seperti kecoak atau lebah mungkin merupakan langkah perantara yang lebih layak.
Otak yang lebih sederhana ini, dengan neuron dan koneksi yang lebih sedikit, dapat memberikan wawasan berharga tentang prinsip dinamika saraf. Kita kemudian dapat meningkatkannya hingga mencapai tingkat kecerdasan manusia.
3. Pendekatan AGI Tingkat Kimia: Kimia Buatan dan Sistem yang Mengatur Diri Sendiri
Jalur ketiga yang diusulkan Goertzel menjauh dari pemodelan saraf sepenuhnya dan berfokus pada AGI tingkat kimia. Pendekatan spekulatif namun menarik ini melibatkan simulasi sistem pengaturan diri yang kompleks pada tingkat kimia, dengan tujuan membujuk struktur mirip otak yang muncul untuk terbentuk. Intinya, alih-alih mencoba meniru otak atau kognisi secara langsung, kita akan menciptakan sistem kimia buatan yang meniru proses dasar kehidupan dan kecerdasan.
Ketertarikan Goertzel pada pendekatan ini berasal dari wawasan yang ditawarkan oleh ilmu sistem kompleks dan teori kekacauan, yang menunjukkan bahwa kecerdasan dapat muncul dari lingkungan yang sangat dinamis dan mengatur diri sendiri. Ia menunjuk pada karya yang dilakukan oleh para peneliti seperti Bruce Damer (Evogrid) dan Walter Fontana (algorithmic chemistry) sebagai inspirasi potensial. Idenya adalah bahwa dengan menjalankan simulasi kimia buatan berskala besar, kita mungkin dapat menyaksikan kemunculan spontan struktur kognitif yang mirip dengan yang ditemukan pada organisme biologis.
Meskipun pendekatan ini sangat spekulatif dan “tidak realistis” seperti yang dikatakan Goertzel, pendekatan ini juga sangat menarik. Tantangan inti di sini adalah mengembangkan lingkungan komputasi yang mendukung simulasi yang sangat besar dan terdistribusi serta analisis pola berikutnya yang diperlukan untuk memahami bagaimana perilaku kompleks muncul.
Goertzel mengakui sifat berisiko tinggi dari pendekatan ini, tetapi ia melihat daya tarik filosofis yang sangat besar dalam upaya untuk meniru proses yang memunculkan kehidupan dan kecerdasan sejak awal. Seperti yang ia nyatakan:
“Pendekatan potensial terhadap AGI ini sangat bersifat penelitian yang tidak realistis dan berisiko tinggi, tetapi juga sangat menarik secara filosofis — dan belum pernah benar-benar dicoba dalam skala modern.”
Jika terobosan terjadi di area ini, hal itu dapat merevolusi pemahaman kita tentang kecerdasan dan kehidupan itu sendiri, menyediakan landasan yang sama sekali baru untuk penelitian AGI.
Mengapa Jalur Ini Penting bagi AGI dan Singularitas yang Akan Datang
Masing-masing dari ketiga jalur individual ini memainkan semacam peran dalam wacana yang lebih luas tentang AGI dan potensi kelayakannya di tahun-tahun mendatang.
Ketiga jalur tersebut mewakili keragaman pendekatan yang diperlukan untuk mengatasi kompleksitas kecerdasan itu sendiri yang sangat besar.
Meskipun jaringan saraf dalam telah mencapai keberhasilan luar biasa dalam aplikasi AI yang sempit, penciptaan AGI tingkat manusia akan membutuhkan lebih dari sekadar peningkatan teknik yang ada.
Proposal Dr. Goertzel mengajak kita untuk berpikir melampaui paradigma saat ini dan mempertimbangkan pendekatan yang lebih holistik dan multidisiplin yang mencakup ilmu kognitif, ilmu saraf, dan kimia.
Di SingularityNET, komitmen kami untuk mendesentralisasikan pengembangan AI dan mendorong inovasi selaras sempurna dengan visi yang lebih luas ini. Dengan mendukung proyek-proyek seperti OpenCog Hyperon dan mendorong penelitian ke jalur AGI alternatif, kami membantu mendorong batasan dari apa yang mungkin.
Ketiga pendekatan yang diuraikan oleh Dr. Goertzel, tingkat kognisi, tingkat otak, dan tingkat kimia, memberikan peta jalan untuk penelitian AGI di masa mendatang, yang masing-masing menawarkan perspektif unik tentang cara mencapai kecerdasan mesin yang sesungguhnya.
Meskipun masa depan AGI belum ditetapkan, Singularitas sudah dekat.
Dan saat kita terus menjelajahi jalur yang beragam ini, kami mengundang Anda untuk bergabung dengan kami dalam perjalanan menuju awal mula ledakan kecerdasan yang dapat (dan kemungkinan akan) membentuk kembali dunia seperti yang kita ketahui.