Nationalgeographic.co.id - Beberapa gim era 80-an, seperti Montezuma's Revenge, Pitfall, dan Freeway, sukses dimainkan oleh kecerdasan buatan. Menurut pencipta kecerdasan buatan itu, keberhasilan itu kelak dapat dimanfaatkan untuk navigasi robot pada dunia nyata, seperti menghadapi bencana.
Demi mengujinya, Adrien Ecoffet dari Uber AI Labs di San Francisco bersama timnya, memberikan 11 gim produksi Attari--termasuk tiga gim yang disebutkan di atas--sebagai rintangan yang harus dihadapi. Robot itu juga harus bisa menavigasikan dirinya secara optimal agar sampai pada tujuan dan sasarannya.
Pada percobaan tersebut, dalam laporan temuan di jurnal Nature, para peneliti sebelumnya mengalami kegagalan dalam pengembangannya. Sebab kecerdasan buatan itu belum mampu memecahkan gim-gim tersebut karena dunia petualangan bebas yang kompleks.
Namun lewat pengembangan dan kemampuan kecerdasan buatan untuk belajar, dapat menyelesaikan tugas dengan baik. Pembelajaran bagi teknologi itu juga melibatkan pemberian penghargaan atas keberhasilan melewati rintangan di setiap permainan.
Baca Juga: Bagaimana Game Seluler Bisa Membantu Menyelamatkan Planet Ini?
Pembelajaran yang menyertakan penghargaan itu merupakan pendekatan yang sangat jarang diaplikasikan. Sehingga, sulit bagi sistem kecerdasan buatan untuk mencapai tujuannya, dan mengetahui dirinya gagal atau berhasil menghadapi masalah.
Pada kasusnya, ketika robot harus menghadapi serangkaian permainan yang kompleks untuk mencapai lokasi yang sudah ditentukan dalam gim, robot tidak menerima umpan balik terkait banyak langkah individu yang harus diambil di sepanjang jalan. Hal ini serupa juga bila penghargaan diberikan di akhir permainan.
Maka kemudian para peneliti memadatkan rentang waktu pemberian penghargaan, yakni pada setiap level. Tetapi di sisi lain di tahap pengembangannya, pendekatan seperti ini sempat membuat robot itu bertindak gegabah menuju tujuannya, dan gagal menghindari bahaya yang menghalangi.
Mereka menulis, satu-satunya cara untuk mengatasinya ialah dengan membuat robot itu dapat secara aktif mengenali lingkungannya terlebih dahulu.
Namun mereka memaparkan terdapat dua masalah utama yang menghalangi kemampuan algoritma sebelumnya untuk menjelajah.
Pertama, para peneliti menyebutnya sebagai "kemandirian", terjadi ketika sistem itu dapat menganalisa area yang telah diabaikan untuk dijelajah. Saat robot ada di pertigaan jalan, misalnya, ia harus memilih satu jalan dan mengacuhkan yang lainnya.
Kemampuan kemandiriannya dalam menjalankan tugas saat dikembangkan, mengacu pada ketidakmampuannya untuk mengingat kembali bahwa terdapat jalur alternatif yang masih bisa digunakan.