Telset.id – Sebuah studi baru dari Okinawa Institute of Science and Technology (OIST) mengungkap bahwa rasa ingin tahu atau curiosity bisa menjadi kunci utama dalam mempercepat proses pembelajaran bahasa, tidak hanya pada manusia, tetapi juga pada robot. Temuan ini membuka perspektif baru tentang bagaimana anak-anak kecil bisa menguasai bahasa dengan begitu cepatnya.
Para peneliti di OIST membangun sebuah robot virtual yang dilengkapi dengan jaringan saraf tiruan yang terinspirasi dari otak manusia. Robot tersebut kemudian ditempatkan di dunia simulasi 3D yang penuh dengan berbagai bentuk, warna, dan perintah sederhana, seperti “push left magenta dumbbell” atau dorong dumbel magenta kiri.
Dalam eksperimen ini, ada dua kelompok robot. Kelompok pertama hanya diberi imbalan (reward) ketika berhasil menyelesaikan tugas dengan benar. Sementara itu, kelompok kedua mendapatkan imbalan tambahan khusus untuk rasa ingin tahu. Secara sederhana, robot-robot ini mendapat semacam “kepuasan internal” setiap kali mereka menemukan sesuatu yang menantang pemahaman mereka yang sudah ada tentang dunia.
Hasilnya sangat signifikan. Robot-robot yang memiliki rasa ingin tahu tidak hanya sedikit lebih unggul, tetapi benar-benar melampaui rekan-rekan mereka yang acuh tak acuh. Menurut studi yang dipublikasikan di jurnal Science Advances, robot yang penasaran mencapai pemahaman bahasa yang sebenarnya dalam waktu sekitar setengah dari waktu yang dibutuhkan robot biasa.
Baca Juga:
Penulis studi, Theodore Tinker, menganalogikan fenomena ini seperti mencoba cokelat putih untuk pertama kalinya, meskipun Anda sudah sangat menyukai cokelat hitam. Anda mengambil risiko untuk mencoba hal baru, dan sebagai hasilnya, Anda jadi lebih tahu banyak tentang cokelat secara keseluruhan.
Hal yang lebih menarik terjadi di pertengahan proses pelatihan. Robot-robot yang penasaran mulai menjatuhkan benda-benda dan bereksperimen dengan aksi-aksi yang tidak diminta oleh siapa pun. Mereka pada dasarnya mulai “bermain”. Perilaku ini tidak pernah diprogram sebelumnya oleh para ilmuwan. Perilaku tersebut muncul dengan sendirinya secara organik.
Tidak hanya itu, robot-robot ini juga meniru kebiasaan unik yang terkenal dalam cara anak-anak belajar bahasa. Anak-anak sering kali awalnya bisa menggunakan bentuk kata kerja tertentu dengan benar, lalu kemudian mulai menerapkan aturan tata bahasa secara terlalu luas dan membuat kesalahan pada kata kerja yang sebelumnya sudah mereka gunakan dengan benar. Akhirnya, mereka bisa mengatasi pengecualian-pengecualian tersebut dan mengoreksi diri sendiri.
Pola yang sama, yang dikenal sebagai penurunan kinerja berbentuk U (U-shaped dip), juga diamati pada robot-robot tersebut. Hal ini menunjukkan bahwa mekanisme belajar yang mendasarinya mungkin serupa antara manusia dan mesin yang dirancang dengan benar.
Temuan ini memberikan kontras yang menarik dengan cara kerja chatbot modern saat ini. Model bahasa besar (Large Language Models/LLMs) seperti ChatGPT berlatih pada kumpulan data yang sangat besar dan menghasilkan kata berikutnya yang paling mungkin secara statistik. Sebaliknya, otak robot ini bekerja lebih mirip dengan otak manusia. Robot ini memprioritaskan akurasi sambil berusaha mempertahankan keyakinannya yang sudah ada, dan hanya memperbarui keyakinan tersebut ketika ada sesuatu yang cukup mengejutkan dan layak untuk dipelajari.
Semua ini tidak berarti bahwa robot memahami bahasa dengan cara yang sama seperti manusia. Namun, studi ini sangat menyarankan bahwa rasa ingin tahu yang dipadukan dengan berbagai macam pengalaman mungkin merupakan bagian besar dari cara anak-anak kecil memecahkan kode bahasa dengan informasi yang sangat minim.
Penelitian seperti ini membuka jalan bagi pengembangan kecerdasan buatan yang lebih canggih dan efisien. Alih-alih melatih AI dengan data dalam jumlah tak terbatas, pendekatan yang meniru rasa ingin tahu alami bisa menjadi terobosan besar. Ini juga memberikan wawasan berharga bagi para ilmuwan saraf dan psikolog perkembangan dalam memahami proses kognitif manusia.
Para peneliti di OIST berencana untuk melanjutkan studi ini dengan mengeksplorasi bagaimana berbagai jenis rasa ingin tahu dan lingkungan belajar yang berbeda dapat memengaruhi proses pembelajaran. Temuan awal ini sudah cukup untuk menunjukkan bahwa rasa ingin tahu adalah pendorong yang sangat kuat, bahkan untuk sebuah robot.
Meskipun masih jauh dari kata sempurna, penelitian ini merupakan langkah maju yang penting dalam upaya memahami misteri pembelajaran bahasa. Dengan terus mempelajari bagaimana mesin bisa belajar lebih baik, kita mungkin pada akhirnya akan lebih memahami diri kita sendiri.
Implikasi dari penelitian ini sangat luas, tidak hanya untuk pengembangan AI tetapi juga untuk bidang pendidikan. Jika rasa ingin tahu adalah katalis yang begitu kuat untuk pembelajaran, maka sistem pendidikan mungkin perlu lebih fokus pada cara merangsang dan memelihara rasa ingin tahu alami pada anak-anak, daripada hanya memberikan informasi secara satu arah.
Studi OIST ini memberikan bukti kuat bahwa rasa ingin tahu adalah elemen fundamental dalam proses belajar yang kompleks. Ini adalah pengingat bahwa terkadang, untuk belajar lebih banyak, kita hanya perlu merasa penasaran.
Komentar
Belum ada komentar.