Jika AI Lebih Dulu Menemukan Alien, Persoalan Lain Bisa Bermunculan
ANTARIKSA -- Arahkan teleskop radio ke bintang-bintang di langit, dan teleskop itu akan langsung dipenuhi keriuhan. Suara dari pulsar, galaksi radio, hingga gangguan ionosfer di atmosfer dan interferensi frekuensi radio (RFI) dari teknologi kita sendiri.
Langit adalah hiruk-pikuk kebisingan radio. Dan di suatu tempat, di antara semua itu, mungkin terdapat jarum di tumpukan jerami: sebuah sinyal dari dunia lain.
Selama lebih dari 60 tahun, para ilmuwan telah memindai langit, mencari kehidupan di luar bumi, tetapi belum menemukan satu pun alien. Itu tidak mengherankan mengingat besarnya volume pencarian di ruang angkasa, termasuk semua bintang, semua frekuensi radio. Sementara, teknologi pencarian masih terbatas.
Ini adalah tugas yang berat, terutama bagi manusia. Namun, kini kita memiliki kecerdasan non-manusia yang dengan senang hati bergabung dalam pencarian.
Baca Juga: Para Ilmuwan Ciptakan AI Pemburu Kehidupan Alien, Bagaimana Cara Kerjanya?
Kini, kecerdasan buatan (AI) digunakan dalam Search for Extraterrestrial Intelligence (SETI). AI yang sedang populer saat ini didasarkan pada algoritme pembelajaran mesin yang dirancang pada pekerjaan yang sangat spesifik, seperti berbicara dengan Anda di ChatGPT.
Untuk menjelaskan bagaimana AI membantu dalam urusan SETI, astronom dan peneliti SETI Eamonn Kerins dari Universitas Manchester membandingkannya dengan masalah jarum di tumpukan jerami. “Pada dasarnya Anda memperlakukan data seolah-olah itu adalah jerami,” kata Kerins kepada Space.com.
"Kemudian, Anda meminta algoritme pembelajaran mesin memberi tahu Anda jika ada sesuatu dalam data yang bukan jerami, dan mudah-mudahan itu adalah jarum, kecuali ada hal lain juga di tumpukan jerami."
Hal lain itu biasanya RFI, tetapi algoritme pembelajaran mesin juga dilatih mengenali semua jenis RFI yang sudah kita ketahui. Sinyal-sinyal tersebut, pola yang lazim pada ponsel, pemancar radio lokal, barang elektronik, dan sebagainya adalah hal yang buruk dalam pencarian ini.
"Pelatihan AI melibatkan penyuntikkan sinyal ke dalam data dan kemudian algoritme belajar mencari sinyal seperti itu," kata Steve Croft, astronom dari proyek Breakthrough Listen SETI di University of California, Berkeley.
Algoritma tersebut belajar mengenali pola sinyal-sinyal familiar ini dan mengabaikannya. Jika ia menemukan sesuatu yang asing dalam data, ia akan menandainya sebagai sesuatu yang menarik dan memerlukan tindakan dari manusia.
“Baru-baru ini ada upaya untuk menyaring beberapa data Breakthrough Listen dengan algoritma pembelajaran mesin,” kata Kerins.
“Data sebelumnya telah disisir cukup hati-hati dengan cara yang lebih konvensional, namun algoritme masih dapat memilih sinyal baru setelah dilatih mengenai hal-hal yang kami ketahui.”
Proyek ini dipimpin oleh Croft dan seorang mahasiswa sarjana, Peter Ma dari Universitas Toronto. Sebelumnya, mereka memakai algoritme untuk menganalisis data dari 820 bintang yang diamati teleskop radio 100 meter di Green Bank Observatory, West Virginia.
Data tersebut, dengan total pengamatan selama 489 jam, berisi jutaan sinyal radio, hampir semuanya merupakan gangguan buatan manusia. Algoritme telah memeriksa semuanya dan menemukan delapan sinyal yang tidak cocok dengan apa pun yang telah dilatih dan terlewatkan oleh analisis data sebelumnya.
Kedelapan sinyal ini sepertinya berasal dari lima sistem bintang yang berbeda, meski mungkin menyesatkan. Sejak saat itu, sinyal-sinyal tersebut belum terdeteksi lagi. Melihat pengulangan sinyal adalah persyaratan paling dasar agar sebuah sinyal dianggap menarik di SETI.
Sinyal-sinyal tersebut mungkin akan berubah menjadi lebih RFI. Namun, hal ini pun berguna karena dapat digunakan untuk melatih AI pembelajaran mesin generasi berikutnya sehingga RFI serupa dapat dihindari di masa depan.
Algoritme pembelajaran mesin dapat dibagi menjadi dua kubu. Salah satunya dikenal sebagai pembelajaran yang diawasi, yaitu diajarkan segala sesuatu yang telah kita keketahui. Pembelajaran tanpa pengawasan sedikit berbeda, di mana kita hanya memasukkan data ke algoritme dan membiarkannya mencari tahu sendiri apa yang penting, tanpa bias manusia.
“Dengan pendekatan yang sepenuhnya tanpa pengawasan, Anda cukup memasukkan semua data, mengaduknya, dan membiarkan algoritme mengetahuinya sendiri,” kata Croft.
Kerins menyoroti contoh proyek yang dipimpin oleh Adam Lesnikowski dari NVIDIA, yang kini menjadi pemimpin dalam kecerdasan buatan. Lesnikowski, bersama dengan Valentin Bickel dari ETH Zurich dan Daniel Angerhausen dari Universitas Bern, menggunakan pembelajaran mesin tanpa pengawasan dalam pengujian mengenali objek buatan di bulan.
Algoritme tersebut mengambil gambar dari Lunar Reconnaissance Orbiter milik NASA, dan mencari tahu apa yang merupakan fitur khas bulan, seperti kawah atau rille, dan apa yang bukan. Uji coba tersebut berhasil, algoritme mendeteksi pendarat bulan Apollo 15 di permukaan bulan.
Idenya adalah, teknologi alien mungkin telah mengunjungi tata surya kita, dan meninggalkan wahananya atau artefak di planet, bulan, atau asteroid. Mungkin saja ada penyelidikan aktif yang mengawasi kita saat ini. “Beberapa rekan saya sangat tertarik dengan gagasan untuk memiliki pengorbit dengan algoritma pembelajaran mesin,” kata Kerins.
Sebuah pesawat ruang angkasa bisa mensurvei permukaan planet di tata surya untuk mencari anomali yang mungkin merupakan wahana alien. Karena AI tanpa pengawasan bisa berfungsi secara real-time, ia akan dapat menilai setiap gambar sebelum mengirimnya kembali ke Bumi. “Ini tentu cepat," kata Kerins.
Dengan algoritma pembelajaran mesin, manusia masih terlibat erat. Sebuah sinyal mungkin dianggap menarik oleh AI, tetapi manusialah yang harus menindaklanjuti dan menyelidikinya. Sebab, algoritmenya tidak begitu pintar.
Melewati Kepintaran Manusia
Namun, akan segera tiba ketika mereka menjadi sangat pintar. Para peneliti di Google DeepMind telah meneliti kecerdasan umum buatan, atau artificial general intelligence (AGI). Meskipun algoritme yang kita miliki saat ini sangat spesifik, AGI akan mampu melakukan apa pun dan belajar serta berkembang seiring dengan hal tersebut. AGI dapat berkembang pesat melebihi kapasitas kecerdasan manusia.
Kemungkinan AGI mengubah SETI sangat menggiurkan. Seorang AGI pasti bisa memikirkan cara-cara baru untuk mencari kehidupan asing di luar batasan bias dan pengalaman manusia.
“Ini akan mampu memetakan segala macam kemungkinan bagaimana bahasa dan komunikasi dapat disampaikan melalui sinyal,” kata Kerins. AGI, kata dia, mungkin juga dapat menggunakan katalog astronomi yang luas dan memutuskan strategi optik tentang bagaimana dan di mana mencarinya.
Steve Croft menggemakan optimisme Kerins. “Saya berharap AI berevolusi ke tahap di mana kita dapat memintanya membuka mata dan membayangkan, dari segala hal yang diketahuinya tentang fisika, biologi, kimia, exoplanet, dan teknologi, apa yang menurut mereka mungkin dilakukan oleh ET."
Risiko Kemandirian AGI
Semua itu menjadi ide yang sangat bagus, jika AGI bisa atau bahkan mau, memberi tahu kita apa pun yang ditemukannya. Penciptaan AGI akan seperti menciptakan alien, sesuatu yang sangat berbeda dengan kita dan mungkin sulit kita pahami.
“Kita mungkin akan kesulitan berkomunikasi langsung dengannya,” kata Kerins. Kita mungkin mempunyai beberapa hierarki penerjemah, dan di puncak hierarki itu adalah kecerdasan yang akan memutuskan cara-cara yang lebih cerdas untuk melakukannya.
"Jika dia membuat kontak, lalu bagaimana hal itu disaring hingga (bisa disampaikan) ke kecerdasan biologis, orang-orang bodoh, kita?"
Kita bisa saja mendapatkan versi bisikan berbahasa Mandarin, di mana informasi yang relevan diturunkan melalui hierarki, menjadi semakin sederhana hingga kita menerima versi informasi yang lebih bodoh. AGI bahkan mungkin menyembunyikan informasi yang dianggapnya terlalu rumit untuk dipahami manusia.
Baca Juga: AI Ini Diklaim Bisa Deteksi Tanda-Tanda Alien, Ilmuwan Bakal Kirim ke Mars
Jika AGI berhasil melakukan deteksi SETI, kita mungkin tidak mendapatkan gambaran lengkapnya. Tapi itu masih spekulasi.
Saat ini, AI adalah alat canggih yang mempercepat pencarian kita akan ET. Tentu saja jika kita menemukan sinyal dari dunia lain di masa depan, kita harus berterima kasih kepadanya. Sumber: Space.com