Dari Korteks Kucing ke Deep Learning Convolutional Neural Network: Eksperimen yang Mengubah Dunia Kecerdasan Artifisial

Tahukah kalian kalau kucing yang manis dan imut itu telah menjadi inspirasi yang memberikan perubahan signifikan pada bidang Kecerdasan Artifisial (Artificial Intelligence/ AI) dan Visi Komputer (Computer Vision). Ilmu Biologi dan neurosains sangat berperan pada kemajuan dunia AI. Neurosains adalah ilmu untuk memahami otak bekerja. Sampai saat ini, memahami cara otak manusia bekerja merupakan riset yang panjang dalam sejarah ilmu dan masih terus dicari bagaimana manusia berpikir dan otak bekerja. Unesa sebagai LPTK dan banyaknya pakar pendidikan terutama saat ini sudah memiliki prodi Kecerdasan Artifisial, dan Fakultas Kedokteran, tentunya pertemuan tiga unsur ini akan memberikan nuansa baru dalam bidang kependidikan jika disinergikan dan dioptimalkan.

Gambar 1. Dalam eksperimen neuroscience klasik, Hubel dan Wiesel menemukan neuron korteks visual kucing (kanan) yang menembak dengan kuat dan selektif untuk sebuah batang cahaya (kiri) ketika berada pada posisi dan orientasi tertentu(Hubel & Wiesel, 1959)

 

Pada tahun 1959, dalam eksperimen klasik, David Hubel dan Torsten Wiesel mempelajari otak kucing dengan menunjukkan gambar yang berbeda di layar sambil merekam tembakan neural di korteks visual utama kucing tersebut, lihat Gambar 1. Eksperimen yang dilakukan mengungkapkan bagaimana otak memproses informasi visual. Mereka melakukan eksperimen menggunakan teknik elektrofisiologi untuk mengukur aktivitas neuron-neuron di otak kucing saat kucing tersebut melihat rangsangan visual, seperti garis atau pola. Penelitian ini dilakukan dengan memasang elektroda di otak kucing untuk memantau respons neuron-neuron di korteks visual, yang merupakan bagian dari otak yang bertanggung jawab untuk memproses informasi visual. Di antara berbagai gambar uji, mereka menemukan bahwa neuron-neuron dalam korteks visual merespons fitur-fitur spesifik dalam gambar, seperti orientasi garis, tepi, dan bentuk sederhana. Dalam eksperimen tersebut mereka menemukan ada dua tipe neuron utama dalam korteks visual:

• Neuron sederhana: Neuron ini merespons garis atau tepi dengan orientasi tertentu dan dalam lokasi tertentu dalam lapangan visual.
  
• Neuron kompleks: Neuron ini merespons rangsangan yang lebih rumit, seperti garis yang bergerak dalam arah tertentu atau bentuk yang lebih kompleks.

Hubel dan Wiesel menunjukkan bahwa proses pengolahan visual di otak terjadi secara berlapis dan hierarkis. Artinya, informasi visual yang diterima oleh mata akan diproses dalam beberapa tahapan yang semakin kompleks, dimulai dengan deteksi fitur sederhana dan akhirnya mengenali objek yang lebih kompleks.

Konsep Kolom Kortikal

Dalam penelitian mereka, Hubel dan Wiesel menemukan bahwa neuron-neuron di korteks visual terorganisir dalam unit fungsional yang disebut kolom kortikal. Setiap kolom merespons jenis rangsangan tertentu, seperti orientasi garis atau pergerakan objek dengan arah tertentu. Neuron-neuron dalam satu kolom akan bekerja bersama untuk mendeteksi jenis rangsangan tertentu dan berkolaborasi dalam pengolahan visual yang lebih kompleks. Kolom-kolom ini menunjukkan bagaimana otak secara efisien memproses informasi visual dengan mengelompokkan neuron-neuron yang memiliki fungsi serupa dalam satu unit fungsional. Penemuan ini sangat penting karena memberi gambaran tentang cara otak mengorganisir informasi visual dan bagaimana informasi tersebut diproses secara bertahap, dari yang sederhana hingga yang lebih kompleks.

 Penelitian Hubel dan Wiesel memberikan wawasan besar tentang cara otak mengatur dan mengolah informasi visual dalam sistem saraf. Mereka menunjukkan bahwa informasi visual diproses dalam unit fungsional yang terorganisir dengan sangat baik di dalam otak, dengan setiap neuron atau kolom kortikal memiliki peran spesifik dalam mendeteksi elemen-elemen visual tertentu. Temuan ini sangat penting karena memperkenalkan gagasan bahwa pemrosesan visual adalah hasil dari interaksi antara berbagai neuron yang terorganisir dalam kolom dan wilayah kortikal tertentu. Penelitian mereka juga membuka jalan bagi studi tentang bagaimana otak mengenali objek, wajah, dan konsep-konsep visual yang lebih kompleks, serta bagaimana gangguan pada struktur atau pemrosesan visual dapat menyebabkan gangguan persepsi visual. Hubel dan Wiesel dianugerahi Hadiah Nobel dalam Fisiologi atau Kedokteran pada tahun 1981 sebagai pengakuan atas kontribusi besar mereka terhadap pemahaman kita tentang sistem visual.

Hubungan Kortikal Kucing dengan Algoritma Deep Learning: Convolutional Neural Network (CNN)

Pengembangan Convolutional Neural Networks (CNN) sebagai salah satu arsitektur utama dalam deep learning sangat dipengaruhi oleh penelitian Hubel dan Wiesel. CNN dirancang untuk meniru cara otak memproses informasi visual melalui lapisan-lapisan konvolusi yang bekerja untuk mendeteksi fitur visual dalam gambar secara bertahap.

a. Lapisan Konvolusi dan Neuron di Korteks Visual

Salah satu konsep kunci yang diterapkan dalam CNN adalah penggunaan lapisan konvolusi untuk mendeteksi fitur visual dalam gambar, yang mirip dengan cara neuron-neuron di korteks visual merespons rangsangan visual seperti garis dan tepi dengan orientasi tertentu. Setiap lapisan konvolusi di CNN bekerja untuk mendeteksi fitur visual tertentu dalam gambar, seperti tepi, sudut, dan tekstur.

• Neuron Sederhana (Simple Cells): Pada CNN, lapisan pertama berfungsi untuk mendeteksi fitur-fitur dasar seperti garis dan tepi, yang merupakan informasi visual paling sederhana. Ini mirip dengan neuron sederhana yang ditemukan oleh Hubel dan Wiesel, yang merespons garis dengan orientasi tertentu.
• Neuron Kompleks (Complex Cells): Lapisan-lapisan selanjutnya di CNN bekerja untuk mendeteksi pola yang lebih kompleks, seperti tekstur atau bentuk yang lebih rumit. Ini mengingatkan pada neuron kompleks yang ditemukan oleh Hubel dan Wiesel, yang merespons rangsangan lebih rumit seperti pergerakan atau bentuk yang lebih kompleks.

b. Kolom Kortikal dan Organisasi Lapisan CNN

Penemuan Hubel dan Wiesel tentang kolom kortikal yang mengorganisir neuron-neuron untuk mendeteksi jenis fitur visual tertentu dapat dilihat sebagai inspirasi bagi arsitektur lapisan konvolusi dalam CNN. Di CNN, setiap filter atau kernel dalam lapisan konvolusi bekerja untuk mendeteksi fitur visual tertentu, dan beberapa filter ini berkolaborasi untuk mendeteksi fitur yang lebih kompleks. Hal ini mirip dengan bagaimana neuron-neuron di dalam kolom kortikal bekerja sama untuk mengenali pola visual.

c. Hierarki Pemrosesan Visual

Hubel dan Wiesel juga menunjukkan bahwa pemrosesan visual di otak manusia bersifat hierarkis—dimulai dengan deteksi fitur sederhana seperti garis dan tepi, dan berkembang ke objek yang lebih kompleks. CNN mengikuti prinsip yang sama: lapisan-lapisan awal mendeteksi fitur visual dasar, sementara lapisan-lapisan selanjutnya menggabungkan informasi ini untuk mengenali objek yang lebih kompleks, seperti wajah atau kendaraan.

Perbedaan CNN dengan Jaringan Syaraf Tiruan Tradisional

Salah satu kekuatan utama dari CNN adalah kemampuannya untuk melakukan pemrosesan spasial dalam gambar dengan cara yang mirip dengan pemrosesan visual di otak. Dengan menggunakan lapisan konvolusi, CNN dapat mendeteksi dan mengenali pola lokal dalam gambar tanpa perlu mempelajari seluruh gambar secara menyeluruh dari awal. Ini memungkinkan CNN untuk bekerja lebih efisien, terutama dalam aplikasi pengolahan gambar yang besar dan kompleks.

Penelitian Hubel dan Wiesel yang mengungkapkan cara kerja korteks visual dalam pemrosesan informasi visual menjadi dasar penting bagi pengembangan Convolutional Neural Networks (CNN). Penemuan mereka tentang neuron yang merespons fitur visual tertentu, seperti orientasi garis dan tepi, menginspirasi arsitektur CNN yang menggunakan lapisan konvolusi untuk mendeteksi fitur visual secara bertahap dan hierarkis. Dengan cara ini, CNN meniru cara otak manusia dalam mengenali dan memproses informasi visual, dan telah menjadi salah satu alat yang sangat kuat dalam bidang pembelajaran mesin dan pengolahan gambar. Dengan mengamati sekitar kita, ide-ide dengan dampak besar di bidang AI bisa kita temukan. -Elly-

Referensi: 

Hubel, D. H., & Wiesel, T. N. (1959). Receptive fields of single neurones in the cat’s striate cortex. The Journal of Physiology, 148(3), 574. https://doi.org/10.1113/JPHYSIOL.1959.SP006308