Manusia Tidak Bisa Menjadi Satu-satunya Penjaga Pengetahuan Ilmiah


Ada yang tua lelucon yang ingin diceritakan oleh fisikawan: Semuanya telah ditemukan dan dilaporkan dalam jurnal Rusia pada 1960-an, kami tidak mengetahuinya. Meskipun hiperbolik, lelucon itu secara akurat menangkap keadaan saat ini. Volume pengetahuan sangat luas dan berkembang pesat: Jumlah artikel ilmiah yang diposting di arXiv (server pracetak terbesar dan terpopuler) pada tahun 2021 diperkirakan akan mencapai 190.000—dan itu hanya sebagian dari literatur ilmiah yang dihasilkan tahun ini.

Jelas bahwa kita tidak benar-benar tahu apa yang kita ketahui, karena tidak ada yang bisa membaca seluruh literatur bahkan di bidang sempit mereka sendiri (yang meliputi, selain artikel jurnal, tesis PhD, catatan lab, slide, kertas putih, catatan teknis, dan laporan). Memang, sangat mungkin bahwa dalam tumpukan kertas ini, jawaban atas banyak pertanyaan tersembunyi, penemuan penting telah diabaikan atau dilupakan, dan koneksi tetap tersembunyi.

Kecerdasan buatan adalah salah satu solusi potensial. Algoritma sudah dapat menganalisis teks tanpa pengawasan manusia untuk menemukan hubungan antar kata yang membantu mengungkap pengetahuan. Tetapi jauh lebih banyak yang dapat dicapai jika kita beralih dari menulis artikel ilmiah tradisional yang gaya dan strukturnya hampir tidak berubah dalam seratus tahun terakhir.

Penambangan teks hadir dengan sejumlah batasan, termasuk akses ke teks lengkap makalah dan masalah hukum. Tetapi yang paling penting, AI tidak benar-benar memahami konsep dan hubungan di antara mereka, dan sensitif terhadap bias dalam kumpulan data, seperti pemilihan makalah yang dianalisis. Sulit bagi AI — dan, pada kenyataannya, bahkan untuk pembaca manusia yang tidak ahli — untuk memahami makalah ilmiah sebagian karena penggunaan jargon bervariasi dari satu disiplin ilmu ke disiplin lainnya dan istilah yang sama dapat digunakan dengan arti yang sama sekali berbeda di bidang yang berbeda. Meningkatnya interdisipliner penelitian berarti bahwa seringkali sulit untuk menentukan topik secara tepat menggunakan kombinasi kata kunci untuk menemukan semua makalah yang relevan. Membuat koneksi dan (kembali) menemukan konsep serupa itu sulit bahkan untuk pikiran yang paling cerdas sekalipun.

Selama ini masalahnya, AI tidak dapat dipercaya dan manusia perlu memeriksa ulang semua yang dihasilkan AI setelah penambangan teks, tugas membosankan yang menentang tujuan penggunaan AI. Untuk mengatasi masalah ini, kita perlu membuat makalah ilmiah tidak hanya dapat dibaca oleh mesin, tetapi juga dapat dibaca oleh mesin.dimengerti, dengan (kembali) menulisnya dalam jenis bahasa pemrograman khusus. Dengan kata lain: Ajarkan sains ke mesin dalam bahasa yang mereka pahami.

Menulis pengetahuan ilmiah dalam bahasa seperti pemrograman akan kering, tetapi akan berkelanjutan, karena konsep-konsep baru akan langsung ditambahkan ke perpustakaan sains yang dipahami mesin. Plus, karena mesin diajari lebih banyak fakta ilmiah, mereka akan dapat membantu para ilmuwan merampingkan argumen logis mereka; menemukan kesalahan, inkonsistensi, plagiarisme, dan duplikasi; dan sorot koneksi. AI dengan pemahaman hukum fisika lebih kuat daripada AI yang dilatih hanya pada data, sehingga mesin yang paham sains akan dapat membantu penemuan di masa depan. Mesin dengan pengetahuan sains yang hebat bisa membantu daripada menggantikan ilmuwan manusia.

Matematikawan telah memulai proses penerjemahan ini. Mereka mengajarkan matematika ke komputer dengan menulis teorema dan bukti dalam bahasa seperti Lean. Lean adalah asisten bukti dan bahasa pemrograman di mana seseorang dapat memperkenalkan konsep matematika dalam bentuk objek. Dengan menggunakan objek yang diketahui, Lean dapat menalar apakah suatu pernyataan benar atau salah, sehingga membantu matematikawan memverifikasi bukti dan mengidentifikasi tempat-tempat di mana logika mereka kurang tepat. Semakin banyak matematika yang Lean ketahui, semakin banyak yang bisa dilakukan Lean. Proyek Xena di Imperial College London bertujuan untuk memasukkan seluruh kurikulum matematika sarjana di Lean. Suatu hari, asisten bukti dapat membantu matematikawan melakukan penelitian dengan memeriksa penalaran mereka dan mencari pengetahuan matematika yang luas yang mereka miliki.

Diposting oleh : Toto HK