Masalah dalam mempelajari alam semesta di sekitar kita adalah menyadari jika ia terlalu besar. Bintang-bintang di atas kepala tetap terlalu jauh untuk berinteraksi secara langsung. Jadi kita sebetulnya diturunkan untuk menguji teori tentang pembentukan galaksi berdasarkan data yang dapat diamati.
Mensimulasikan benda-benda langit ini di komputer, telah terbukti menjadi bantuan yang sangat berguna untuk memahami sifat realitas. Seorang penulis senior media Engadget yang sering menulis soal ilmu pengetahuan dan fiksi sains, Andrew Tarantola menggambarkan pendapat dari kosmolog Andrew Pontzen dalam buku barunya, The Universe in a Box: Simulations and the Quest to Code the Cosmos. Berisikan tentang kemajuan terbaru dalam teknologi superkomputer, yang semakin merevolusi kemampuan kita untuk memodelkan kompleksitas kosmos.
Dalam buku tersebut, Pontzen melihat kemunculan baru-baru ini dari sistem AI yang berfokus pada astronomi, apa yang mampu mereka capai di lapangan dan mengapa dia tidak terlalu khawatir akan kehilangan pekerjaannya.
"Sebagai ahli kosmologi, Pontzen juga mengatakan dia menghabiskan sebagian besar waktunya bekerja dengan superkomputer, membuat simulasi alam semesta untuk dibandingkan dengan data dari teleskop sungguhan," tulis Andrew, dikutip Senin (19/6/2023).
Tujuannya adalah untuk memahami efek zat misterius seperti materi gelap. Tetapi tidak ada manusia yang dapat mencerna semua data yang tersimpan di alam semesta, atau semua hasil dari simulasi. Oleh karena itu, kecerdasan buatan dan pembelajaran mesin adalah bagian penting dari pekerjaan kosmolog.
Baca Juga: Anthropic Susun Kebijakan Penggunaan AI yang Aman dan Beretika, bagi Pengguna Claude
Selain itu, Pontzen melihat Observatorium Vera Rubin, sebuah teleskop raksasa yang dibangun di atas gunung Chili dan dirancang untuk berulang kali memotret langit selama dekade mendatang.
"Ini tidak hanya membangun gambaran statis: ini terutama akan mencari objek yang bergerak (asteroid dan komet), atau mengubah kecerahan (bintang yang berkedip, quasar, dan supernova), sebagai bagian dari kampanye berkelanjutan kami untuk memahami kosmos yang selalu berubah," imbuhnya.
Pembelajaran mesin dapat dilatih untuk menemukan objek-objek ini, memungkinkannya untuk dipelajari dengan teleskop lain yang lebih terspesialisasi. Teknik serupa bahkan dapat membantu menyaring kecerahan yang berubah-ubah dari sejumlah besar bintang untuk menemukan tanda-tanda planet yang menjadi tuan rumah, berkontribusi pada pencarian kehidupan di alam semesta.
Di luar astronomi, tidak ada kekurangan aplikasi ilmiah: anak perusahaan kecerdasan buatan Google, DeepMind, telah membangun jaringan yang dapat mengungguli semua teknik yang diketahui untuk memprediksi bentuk protein mulai dari struktur molekulnya, langkah penting dan sulit dalam memahami banyak proses biologis.
Baca Juga: Israel Bakal Bangun Jaringan Fiber Optik di Kawasan Antara Eropa dan Asia, Segini Panjangnya
Contoh-contoh ini mengilustrasikan mengapa kegembiraan ilmiah seputar pembelajaran mesin telah berkembang selama abad ini, dan ada klaim kuat bahwa kita sedang menyaksikan revolusi ilmiah.
Sejak 2008, mengutip tulisan Chris Anderson -seorang penulis senior di media Wired- menyatakan bahwa metode ilmiah, di mana manusia mengusulkan dan menguji hipotesis tertentu, sudah usang.
"Kita dapat berhenti mencari model, kita dapat menganalisis data tanpa hipotesis tentang apa yang mungkin ditunjukkannya. Kita dapat memasukkan angka-angka tersebut ke dalam cluster komputasi terbesar yang pernah ada di dunia, dan membiarkan algoritma statistik menemukan pola yang tidak dapat dilakukan oleh sains," demikian dirangkum Anderson.
Baca Juga: Intel Membuat Chip Quantum dengan 12 Qubit Chip
Namun Pontzen pikir hal itu terlalu jauh. Pembelajaran yang berasal dari mesin dapat menyederhanakan dan meningkatkan aspek-aspek tertentu dari pendekatan ilmiah tradisional, terutama di mana pemrosesan informasi yang kompleks diperlukan. Atau dapat mencerna teks dan menjawab pertanyaan faktual, seperti yang diilustrasikan oleh sistem seperti ChatGPT.
Tapi itu tidak bisa sepenuhnya menggantikan penalaran ilmiah, karena ini tentang pencarian pemahaman yang lebih baik tentang alam semesta di sekitar kita. Menemukan pola baru dalam data atau menyatakan kembali fakta yang ada hanyalah aspek sempit dari pencarian itu. Ada jalan panjang sebelum mesin dapat melakukan sains yang berarti tanpa pengawasan manusia.
Lantas, Dapatkah Artificial Intelligence Memahami Proses Alam? maka, jawabannya adalah?
Baca Juga: Hadiahi Dirimu dengan Medical Check Up, Supaya Tahu Caranya Menghindari Penyakit-Penyakit Ini