Rangkuman Berita: Arsitektur Novel Membuat Jaringan Neural Lebih Mudah Dipahami

Jaringan saraf tiruan (neural networks) adalah alat paling kuat dalam kecerdasan buatan, tetapi sering kali sulit dipahami bagaimana mereka mencapai kesimpulan mereka. Sebuah studi baru pada April 2024 memperkenalkan desain jaringan saraf alternatif yang disebut Kolmogorov-Arnold Network (KAN). KAN lebih transparan dan dapat melakukan hampir semua yang bisa dilakukan oleh jaringan saraf biasa, terutama untuk masalah ilmiah. KAN menggunakan fungsi nonlinear yang dapat dipelajari, membuatnya lebih sensitif dan akurat dalam memprediksi hasil. KAN pertama kali dianggap tidak praktis, tetapi penelitian terbaru oleh Ziming Liu dan Max Tegmark dari MIT menunjukkan bahwa KAN dengan lebih dari dua lapisan dapat bekerja dengan baik. KAN berhasil menyelesaikan masalah nyata dalam teori simpul dan fisika materi terkondensasi, memberikan hasil yang lebih dapat dipahami dibandingkan dengan jaringan saraf multilayer perceptron (MLP). KAN diharapkan dapat membantu ilmuwan memahami lebih baik hukum-hukum ilmiah dari data yang mereka analisis.