Asal-Usul Aliran Connectionist

Pernahkah terpikir bagaimana kamera android bisa langsung mengenali wajah seseorang di tengah keramaian, atau bagaimana aplikasi penerjemah mampu mengubah bahasa asing dalam hitungan detik? Di balik kecanggihan tersebut, ada sejarah panjang tentang bagaimana para ilmuwan mencoba mengajarkan komputer untuk "belajar" layaknya manusia.

Dalam buku populer berjudul The Master Algorithm, seorang ilmuwan komputer bernama Pedro Domingos memetakan bahwa dunia kecerdasan buatan (Artificial Intelligence) terbagi menjadi lima kelompok pemikir besar. Salah satu kelompok yang paling berpengaruh dan sukses besar hari ini dikenal dengan sebutan kaum Connectionist (Aliran Koneksi).

Lalu, dari mana asal-usul pemikiran kaum Connectionist ini, dan mengapa ide mereka bisa mengubah wajah teknologi dunia? Mari kita telusuri perjalanannya secara perlahan.

Pada pertengahan abad ke-20, banyak ilmuwan komputer berpikir bahwa cara membuat mesin menjadi pintar adalah dengan memasukkan jutaan aturan logika ke dalamnya—mirip seperti menyusun buku panduan yang sangat tebal. Namun, kaum Connectionist memiliki pandangan yang jauh berbeda.

Mereka bertanya: "Mengapa kita tidak meniru saja satu-satunya mesin belajar terbaik yang sudah terbukti berhasil di alam semesta, yaitu otak manusia?"

Di dalam otak manusia, tidak ada buku panduan berisi kode pemrograman. Yang ada hanyalah miliaran sel saraf kecil yang disebut neuron. Satu neuron saja sebenarnya tidak pintar. Namun, ketika miliaran neuron ini saling terhubung melalui jalur yang disebut sinapsis, muncullah kecerdasan yang luar biasa. Dari sinilah nama Connectionist lahir—mereka percaya bahwa rahasia kecerdasan terletak pada koneksi antarsel saraf tersebut.

Pada tahun 1949, seorang psikolog bernama Donald Hebb menemukan prinsip penting: jika dua sel saraf sering bekerja sama saat kita mempelajari sesuatu, maka koneksi di antara keduanya akan semakin kuat. Ibarat jalan setapak di hutan, semakin sering dilewati, jalan itu akan semakin jelas dan mudah dilalui.

Berbekal pemahaman tentang cara kerja otak, dua ilmuwan bernama Warren McCulloch dan Walter Pitts pada tahun 1943 mencoba membuat tiruan sel saraf otak dalam bentuk hitungan matematika sederhana.

Ide ini kemudian diwujudkan secara nyata oleh psikolog sekaligus ilmuwan bernama Frank Rosenblatt pada tahun 1958. Ia menciptakan sebuah mesin bernama Perceptron—cikal bakal jaringan saraf tiruan (Artificial Neural Network) modern.

Cara kerja Perceptron cukup mudah dibayangkan:

1. Input (Masukan): Mesin menerima informasi dari luar, misalnya titik-titik cahaya dari sebuah gambar.
2. Bobot (Weight): Setiap informasi diberi "nilai kepentingan" yang berbeda-beda. Informasi yang penting diberi bobot besar, sedangkan yang tidak penting diberi bobot kecil.
3. Keputusan: Jika total nilai dari informasi tersebut melewati batas tertentu, mesin akan menyala dan mengambil keputusan, misalnya: "Ini adalah gambar segitiga."

Saat pertama kali diperkenalkan, Perceptron membuat heboh dunia. Media massa saat itu bahkan memberitakan bahwa mesin ini kelak akan mampu berjalan, berbicara, dan sadar akan keberadaannya sendiri.

Sayangnya, euforia tersebut tidak bertahan lama. Pada tahun 1969, dua pakar kecerdasan buatan, Marvin Minsky dan Seymour Papert, menerbitkan sebuah buku yang mengkritik keras kelemahan Perceptron.

Mereka membuktikan bahwa Perceptron versi awal yang hanya memiliki satu lapisan jaringan saraf ternyata gagal memecahkan masalah logika yang sangat sederhana (dalam ilmu komputer dikenal sebagai masalah XOR atau logika pilihan eksklusif). Ibarat sebuah tim kerja yang hanya terdiri dari satu staf tanpa manajer, sistem ini bingung ketika harus mengambil keputusan yang membutuhkan dua pertimbangan sekaligus.

Akibat temuan ini, kepercayaan publik dan pemerintah runtuh. Dana penelitian untuk aliran Connectionist dihentikan hampir sepenuhnya. Periode kelam ini dikenal dalam sejarah teknologi sebagai "AI Winter" (Musim Dingin Kecerdasan Buatan), di mana ide meniru otak manusia dianggap sebagai jalan buntu selama lebih dari satu dekade.

Meski sempat ditinggalkan banyak orang, segelintir ilmuwan keras kepala tetap yakin bahwa meniru otak adalah jalan yang benar. Pada pertengahan tahun 1980-an, Geoffrey Hinton bersama rekan-rekannya mempopulerkan sebuah algoritma ajaib yang menjadi "senjata utama" kaum Connectionist, yaitu Backpropagation (Propagasi Balik).

Untuk memahami cara kerja Backpropagation, bayangkan seseorang sedang berlatih memanah dengan mata tertutup:

1. Ia melepaskan anak panah pertama, dan tembakannya meleset jauh ke sebelah kanan target.
2. Pelatihnya kemudian memberi tahu: "Tembakanmu terlalu ke kanan sejauh dua meter."
3. Berdasarkan informasi kesalahan tersebut, pemanah itu menyesuaikan posisi tangannya sedikit ke kiri untuk tembakan berikutnya.
4. Proses ini diulang ribuan kali hingga anak panahnya tepat mengenai pusat sasaran.

Dalam jaringan saraf tiruan yang memiliki banyak lapisan (multi-layer), Backpropagation bekerja persis seperti pelatih panahan tersebut. Ketika komputer salah menebak gambar kucing sebagai anjing, algoritma ini akan menelusuri kembali dari belakang ke depan, mencari koneksi saraf mana yang paling bertanggung jawab atas kesalahan itu, lalu memperbaiki bobotnya. Dengan adanya Backpropagation, jaringan saraf tiruan akhirnya mampu memecahkan masalah-masalah rumit yang dulu mustahil dilakukan.

Meskipun Backpropagation sudah ditemukan sejak tahun 1980-an, teknologi ini baru benar-benar meledak pada tahun 2010-an hingga sekarang. Mengapa baru sekarang? Ada dua bahan bakar utama yang dulu belum tersedia:

1. Data yang Melimpah (Big Data): Jaringan saraf tiruan butuh jutaan contoh untuk berlatih. Kehadiran internet dan media sosial menyediakan miliaran foto, teks, dan video sebagai bahan belajar.
2. Komputer Super Cepat: Dulu, melatih jaringan saraf butuh waktu berbulan-bulan. Kini, dengan bantuan kartu grafis komputer (GPU) yang sangat kuat, proses belajar tersebut bisa selesai dalam hitungan jam atau hari.

Ketika jaringan saraf tiruan ini dibuat berlapis-lapis hingga sangat dalam, lahirlah istilah baru yang sangat populer saat ini, yaitu Deep Learning. Teknologi inilah yang menjadi otak di balik fitur pengenal wajah di hp, asisten suara, rekomendasi video di media sosial, hingga mobil yang bisa menyetir sendiri.

Perjalanan kaum Connectionist mengajarkan sebuah pelajaran berharga tentang ilmu pengetahuan. Ide yang sempat ditertawakan dan dianggap gagal pada masanya, ternyata menyimpan potensi luar biasa ketika ditekuni dengan sabar. Dengan meniru cara kerja sel-sel saraf sederhana di dalam otak manusia dan melatihnya untuk terus belajar dari kesalahan, para ilmuwan berhasil menciptakan teknologi yang kini menjadi bagian tak terpisahkan dari kehidupan sehari-hari.