Artificial Intelligence (11) : Ray Kurzweil

 

Sumber image The Washington Post. Image credit: Weinberg-Clark

Raymond Kurzweil dilahirkan 12 Februari 1948 di Queens, New York City, Amerika. Di saat berusia 5 tahun, dia sudah memutuskan untuk menjadi seorang inventor. Ketika remaja, bacaannya buku-buku fiksi sains. Ketika berumur 12 tahun (1960), dia sudah bergaul erat dengan komputer-komputer yang pada waktu itu hanya ada selusin komputer di New York City. 

Gelar akademik Bachelor of Science (B.Sc.) dalam bidang sains komputer dan literatur diperoleh Kurzweil tahun 1970 dari Massachusetts Institute of Technology (MIT). Dari institut yang sama, dia mendapat gelar Master of Science dalam sains komputer tahun 1972. Kurzweil tidak menyandang gelar akademik Ph.D., tetapi hingga saat ini dia telah menerima 21 gelar Doktor Kehormatan (honorary doctorate, atau DHC) dari universitas-universitas dan organisasi-organisasi lain dari berbagai tempat, di dalam dan di luar Amerika. 

Selama lebih dari 60 tahun, dia telah menggeluti bidang Artificial Intelligence dan mengembangkannya, sekaligus juga membuat produk-produk teknologi terobosan yang berbasis antara lain pada Artificial intelligence dan memasarkan banyak invensi-nya lewat perusahaan-perusahaannya (setidaknya ada 9 perusahaan di bawah payung induk perusahaan Kurzweil Technologies). Pantaslah jika Bill Gates menyatakan bahwa Kurzweil adalah "sosok terbaik yang saya ketahui dalam memprediksi masa depan Artificial Intelligence" (ditulis pada back cover buku Kurzweil yang terbit 2005, The Singularity Is Near: When Humans Transcend Biology). Oleh majalah Inc., edisi 6 Februari 2020, Kurzweil ditempatkan pada urutan ke-8 di antara "entrepreneurs Amerika yang paling menakjubkan" dan menyebutnya sebagai "pewaris yang sah Thomas Edison", "the rightful heir of Thomas Edison".

Meski kegiatannya banyak, Kurzweil bekerja penuh waktu di Google sejak Desember 2012 atas permintaan co-founder Google, Larry Page, untuk "mengerjakan proyek-proyek baru yang mencakup Machine Learning dan pemrosesan bahasa". Tugasnya hanya satu, "membawa bahasa natural ke Google". Selain sebagai Direktur Enjiniring di Google, kini dia menyebut dirinya Principal Researcher dan AI Visionary untuk perusahaan penelusuran Internet dan teknologi global ini.

--- to be continued ---

References

Ray Kurzweil, The Singularity Is Nearer: When We Merge with AI (New York: Viking Penguin, June 25, 2024).

Ray Kurzweil, The Singularity Is Near: When Humans Transcend Biology (New York: Viking Penguin, 2005).

Ray Kurzweil, The Age of Spiritual Machines: When Computers Exceed Human Intelligence (New York: Viking Penguin, 1999).

G. John Ikenberry, "The Singularity Is Nearer: When We Merge With AI" (A book review), Foreign Affairs, 7 January 2025, https://www.foreignaffairs.com/reviews/singularity-nearer-when-we-merge-ai.

Becca Rothfeld, "Ray Kurzweil is (still, somehow) excited about humans merging with machines" (A book review), The Washington Post, 26 June 2024, https://www.washingtonpost.com/books/2024/06/26/singularity-nearer-ray-kurzweil-review/.

Joseph Cothrel, "Our Mutual Friend: A Review of 'The Singularity Is Nearer: When We Merge with AI' by Ray Kurzweil", NewCity, 14 October 2024, https://lit.newcity.com/2024/10/14/our-mutual-friend-a-review-of-the-singularity-is-nearer-when-we-merge-with-ai-by-ray-kurzweil/.

Anthony Cuthbertson, "Google's AI prophet fast tracks Singularity prediction", The Independent, 13 March 2024, https://www.independent.co.uk/tech/ai-singularity-date-ray-kurzweil-google-b2511847.html.

AW, "Kurzweil's Superintelligent AI Timeline", Perplexity, https://www.perplexity.ai/page/kurzweil-s-superintelligent-ai-gYrOX.a2RiS5HJbFoEivHw.

Alex Klokus, "The Dawn of the Singularity: A Visual Timeline of Ray Kurzweil's Predictions", Futurism, 12 September 2015, https://futurism.com/images/the-dawn-of-the-singularity.

Ahmed Ezzat Fahmy, "The Countdown to AI Triumph: Ray Kurzweil's 2029 and 2045 Predictions", LinkedIn, 21 October 2023, https://www.linkedin.com/pulse/countdown-ai-triumph-ray-kurzweils-2029-2045-ahmed-fahmy-bvfgf.

CMPLE, "Ray Kurzweil's Most Notable Predictions: Hits and Misses", CMPLE, https://www.cmple.com/learn/ray-kurzweils-most-notable-predictions-hits-and-misses.

Steven Levy, "If Ray Kurzweil Is Right (Again), You'll Meet His Immortal Soul in the Cloud", Wired, 13 June 2024, https://www.wired.com/story/big-interview-ray-kurzweil/.

Ira Flatow, "'The Singularity Is Nearer', Says Futurist Ray Kurzweil" (Interview), ScienceFriday, 14 June 2024, https://www.sciencefriday.com/segments/ray-kurzweil-the-singularity-is-nearer-book/#segment-transcript.

Zoë Corbyn, "AI scientist Ray Kurzweil: 'We are going to expand intelligence a millionfold by 2045'" (Interview), The Guardian/The Observer, 29 June 2024, https://www.theguardian.com/technology/article/2024/jun/29/ray-kurzweil-google-ai-the-singularity-is-nearer.

R.U. Sirius and Surfdaddy Orca, "Ray Kurzweil: The h+ Magazine interview", The Kurzweil Library, 30 December 2009, https://www.thekurzweillibrary.com/ray-kurzweil-the-h-interview.

"Ray Kurzweil, Kurzweil Technologies and other companies because he is Edison's rightful heir", Inc.Magazine, February 6, 2020, https://www.inc.com/magazine/20050401/26-kurzweil.html.

Artificial Intelligence (10) : Andrew Ng

 

Andrew Yan-Tak Ng, dilahirkan di Inggris, 18 April 1976, dibesarkan di Hong Kong dan Singapura. 

Dia seorang saintis komputer Inggris-Amerika, yang bergerak di banyak bidang seperti AI, Machine Learning, Deep Learning, AI generatif, persepsi mesin, MOOC (Massive Open Online Course), teknologi pendidikan, industri, entrepreneur teknologi, NLP, visi komputer ("computer vision") dan robotics. 

Di Stanford University, dia menjadi Professor sains komputer dan peneliti utama proyek STAIR (Stanford Artificial Intelligence Robot). Sumber image: AI Is for Everyone.

Perjalanan akademik Andrew Ng dimulai ketika dia pindah ke Amerika Serikat. Di sana dia menjadi seorang mahasiswa di Carnegie Mellon University, Pittsburgh, Pennsylvania, di fakultas ekonomi (1997). Di universitas ini juga minatnya yang besar pada Machine Learning dan AI mulai terbangun. Di tahun 1996-1998 dia melakukan penelitian tentang pembelajaran reinforcement (pembelajaran lewat "trial and error"), seleksi model, seleksi fitur, di AT&T Bell Labs. 

Dalam studi lanjutnya di Massachusetts Institute of Technology (MIT), Cambridge, Andrew Ng meraih gelar master di bidang enjiniring elektris dan sains komputer (1998). Gelar Ph.D. dalam sains komputer diterimanya dari University of California, Berkeley, 2002, di bawah bimbingan Prof. Michael I. Jordan. Judul disertasinya "Shaping and Policy Search in Reinforcement Learning", yang sampai kini banyak dikutip. Di UC Berkeley ini dia menjalankan riset mendasar dan inovatif yang menjadi fondasi karya-karyanya di masa depan. Di tahun 2002, dia mulai bekerja sebagai Assistant Professor di Stanford University, dan sebagai Associate Professor di tahun 2009. Dalam MIT Technology Review, Andrew Ng dan isterinya Carol Elizabeth Riley (seorang eksekutif bisnis Amerika, saintis komputer dan seorang model) disebut sebagai "pasangan daya AI".

Langkah besar yang diayunkan Andrew Ng adalah mendemokratisasi AI. Katanya, "AI bukan cuma untuk para insinyur. AI untuk setiap orang. Suatu kursus yang non-teknis akan menolong anda memahami teknologi-teknologi dan menemukan kesempatan-kesempatan untuk mengaplikasikan AI pada masalah-masalah dalam organisasi anda sendiri. Anda akan melihat contoh-contoh tentang apa yang AI masa kini dapat -- dan tak dapat -- lakukan. Akhirnya, anda juga akan memahami bagaimana AI sedang memberi dampak pada masyarakat dan bagaimana menavigasi lewat perubahan teknologi ini." 

Salah satu jalan paling efektif yang dipakai Andrew Ng untuk mendemokratisasi AI adalah menyelenggarakan pendidikan yang berkualitas tinggi dan luas tentang AI dan bidang-bidang lain yang berkaitan. 

Lewat platform-platform MOOC, Andrew Ng menyelenggarakan kursus-kursus tentang sistem-sistem AI, ML dan DL. Platform Massive Open Online Course (MOOC) menjalankan kursus-kursus tentang AI yang diikuti ribuan hingga jutaan murid ("Massive"). Kursus ini gratis, tak perlu bayar, atau berbiaya rendah, sehingga dapat diakses sangat banyak orang dengan terbuka ("Open"). Materi kuliah yang kaya disampaikan lewat platform-platform digital, kerap dilengkapi dengan perkuliahan lewat video ("Online"). Pengalaman belajar terstruktur, dievaluasi, dinilai, dan diberi umpan balik atau feedback ("Course"). 

Lewat kegiatan pendidikan MOOC ini, setiap peserta kursus, yang memiliki tingkat kecepatan pembelajaran yang berlainan, memiliki kesempatan untuk meningkatkan prospek-prospek karir dengan menerima tambahan kecakapan-kecakapan yang baru ("upskilling"), memasuki transisi ke industri-industri baru atau peran-peran baru lewat pendidikan kembali ("reskilling"), dan mendapatkan "personal enrichment" atau pemerkayaan pribadi lewat eksplorasi hobi-hobi dan minat-minat sendiri. 

Andrew Ng tidak berhenti hanya pada ide-ide atau saran-saran. Dia terjun langsung ke dunia pendidikan sebagai edukator online terkenal bidang AI dengan mendirikan dan menjalankan MOOC. Platform MOOC yang dibangun Andrew Ng diberi nama DeepLearning.AI. Lewat platform ini Andrew Ng menawarkan sejumlah kursus dan program yang terfokus pada DL dan AI, termasuk spesialisasi DL sebagai serangkaian kursus yang meliputi dasar-dasar DL, Neural Networks, Convolutional (atau Mathematical) Neural Networks; AI For Everyone, yakni suatu kursus pengenalan konsep-konsep AI, aplikasi-aplikasi dan implikasi-implikasi AI bagi bisnis dan masyarakat luas, dan perihal membangun proyek-proyek AI; ML, suatu kursus yang mencakup fundamental-fundamental ML, termasuk ihwal bagaimana model-model AI belajar dengan diawasi ("supervised learning") dan belajar tanpa diawasi ("unsupervised learning"). Hingga saat ini, sudah ada 7 juta orang yang mengikuti kursus-kursus yang ditawarkan DeepLearning.AI.

Selain menjadi pendiri platform MOOC DeepLearning.AI, bersama Daphne Koller, Andrew Ng juga mendirikan Coursera (2012), suatu platform pembelajaran online, yang memegang visi menjalankan pendidikan AI yang berkualitas tinggi terbuka ("open") bagi setiap orang. Platform Coursera ini dengan cepat tumbuh menjadi platform-platform pendidikan online terbesar dunia, yang menawarkan kursus-kursus AI yang ikut dikelola oleh universitas-universitas top dunia.

Di Coursera peran Daphne Koller, seorang saintis komputer dan pendidik, spesialis ML dan pemodelan probabilistik ("probabilistic modeling"), sangat signifikan. Bersama Koller, Andrew Ng menjalankan pendidikan berkualitas tinggi, high quality, yang tersedia dan terbuka untuk setiap orang di seluruh dunia, mempengaruhi serta memberdayakan teknologi, dan membangun kemitraan dengan universitas-universitas top dunia.

Dewasa ini, Coursera adalah salah satu platform MOOC yang terbesar dan terpopuler dunia, menawarkan banyak kursus AI, spesialisasi-spesialisasi, dan program-program gelar dari lebih 140 universitas dan organisasi-organisasi top dunia. Selain DeepLearning.AI dan Coursera, platform-platform MOOC lainnya yang populer juga tersedia, antara lain edX, Udacity, FutureLearn, dan Khan Academy. 

Kursus-kursus berkualitas tinggi tentang ML Andrew Ng di Coursera telah mencapai lebih dari 4 juta pelajar. Ini menunjukkan bahwa pendidikan yang berkualitas tinggi yang dijalankan oleh Coursera telah dapat diikuti oleh sangat banyak pelajar di seluruh dunia. Komitmen Andrew Ng pada demokratisasi AI telah menginspirasi suatu generasi baru para peneliti dan praktisi AI. Untuk membangun semangat sangat banyak orang, Andrew Ng menyatakan, "Jangan setop belajar. Bidang AI senantiasa berevolusi, dan satu-satunya jalan untuk tetap maju adalah mendorong lebih jauh batas-batas anda." Oleh Andrew Ng anda diajak untuk berpikir dan bertindak di luar atau melampaui hal-hal yang sudah mapan dan sudah umum diterima publik. Berpikir dan bertindak "out of the box". 

Juga ada kursus-kursus AI online berijazah (sertifikat atau diploma) yang dibuka untuk umum, dan gratis, oleh universitas-universitas atau organisasi-organisasi lainnya. Sekurang-kurangnya dapat disebut 10 nama terbaik. Yakni:

1. Artificial Intelligence Course oleh MIT

2. Big Data, Artificial Intelligence and Ethics oleh University of California

3. Artificial Intelligence Courses oleh Harvard University

4. Machine Learning Specialization oleh Stanford University

5. Machine Learning Foundations University of Washington

6. Artificial Intelligence oleh Georgia Institute of Technology

7. AI for Anyone Course oleh Google

8. Introduction to AI oleh Intel

9. AI Foundations Course oleh IBM

10. Machine Learning and AI Course oleh Amazon Web Services

Andrew Ng percaya bahwa MOOC adalah platform utama untuk mendemokratisasi pendidikan AI, dan dia percaya dan telah membuktikan bahwa pendidikan online AI dibutuhkan oleh sangat banyak orang di dunia ini. Bahkan dikatakan orang bahwa sumbangan-sumbangan Andrew Ng pada pendidikan AI "tidak ada paralel-nya". Kata Andrew Ng, "Masa depan AI terletak pada demokratisasi akses ke manfaat-manfaat AI. Pendidikan adalah kuncinya untuk membuka pintu bagi potensi ini." Selanjutnya dia menegaskan, "Saya selalu percaya pada kekuatan pendidikan dan dampak transformatif yang dapat ditimbulkannya pada individu-individu dan masyarakat."

Andrew Ng sadar dan tahu betul bahwa telah berlangsung interaksi yang mendalam antara AI dan masyarakat. Dia menyatakan, "Ketika kita mencapai tonggak sejarah edisi ke-256 newsletter mingguan AI The Batch, saya memikirkan dengan mendalam ihwal bagaimana AI telah berubah selama bertahun-tahun perjalanannya dan bagaimana masyarakat terus-menerus ikut berubah bersamanya. Di saat AI tersedia lebih luas, jelaslah bahwa banyak orang -- para pengembang dan bukan para pengembang -- akan mendapatkan manfaat dan keuntungan dari pelatihan yang berkualitas untuk selalu sederap dengan perubahan-perubahan ini, dan memperoleh kecakapan-kecakapan yang berguna di bidang AI."

Bagaimana masa depan AI jika interaksinya dengan masyarakat, khususnya melalui pendidikan lewat platform MOOC, mengubah segala aspek kehidupan bermasyarakat? Andrew Ng melihat bahwa di masa depan AI akan terintegrasi dengan sempurna, tanpa jahitan dan celah, dengan semua segi kehidupan, meningkatkan kemampuan manusia dan memecahkan sejumlah masalah dan tantangan yang paling mendesak dunia. Perlu ada perjuangan untuk mengembangkan dan memanfaatkan AI dengan bertanggungjawab. Semua perubahan karena adanya AI membuat etika signifikan, dan inklusivitas atau pluralitas tak terhindari. Tak boleh ada orang yang ditinggalkan atau diabaikan, apapun latar belakang budaya, warna kulit, orientasi seksual, kebangsaan, posisi dalam masyarakat, tingkat kecerdasan dan status ekonomi mereka.

Perjalanan kehidupan Andrew Ng, mulai dari seorang murid yang selalu ingin tahu sampai menjadi seorang pakar AI yang beken, adalah suatu sumber inspirasi para antusias AI yang bercita-cita tinggi. Andrew Ng mendorong para pelajar muda usia untuk terus-menerus ingin tahu, menerima tantangan, dan selalu mencari pengetahuan tanpa henti. Tanpa kuriositas, sains AI, dan semua sains lain, tak akan pernah lahir.

Sumbangan beranekaragam Andrew Ng pada riset AI, pendidikan dan industri bukan cuma memajukan AI, tapi juga menginspirasi jutaan orang di seluruh dunia. Jika kita memandang masa depan, visi Andrew Ng untuk suatu pemandangan alam AI yang lebih inklusif, demokratis dan setara, menjadi suatu cahaya pemandu bagi generasi masa depan para pemimpin AI. Andrew Ng menegaskan bahwa "AI memiliki potensi untuk meningkatkan dan mengembangkan kehidupan milyaran orang. Terserah pada kita untuk memastikan bahwa manfaat AI dibagi dan didistribusikan dengan adil."

Pada masa-masa awal pengkajian DL di 1940-an dan 1950-an (model pertama Artificial Neural Network, Perceptron), muncul skeptisisme atas potensi-potensi DL. Skeptisisme ini tetap bertahan ketika riset modern DL mulai dijalankan di 1980-an hingga 2000-an (algoritma Backpropagation, Convolutional Neural Networks, Deep Belief Networks) dan ketika pengembangan-pengembangan mutakhir DL berlangsung di 2010-an (Recurrent Neural Networks, Image Net Large Scale Visual Recognition, dan Long Short-Term Memory). 

Andrew Ng sering menghadapi skeptisisme atau keraguan-keraguan dari rekan-rekan sejawatnya dan dari para pemimpin industri yang mempertanyakan skalabilitas atau kisaran dan perkembangan kinerja Neural Networks dan aplikasi-aplikasinya di dunia real. Meski ada tantangan-tantangan ini, Andrew Ng tetap teguh dalam kepercayaannya pada kekuatan transformatif DL. Katanya, "Setiap inovasi besar menghadapi skeptisisme. Hal yang terpenting adalah tetap bertahan dan bertekun dan terus-menerus mendorong lebih jauh batas-batas dari hal-hal yang mungkin."

Platform Meta AI (chat 7 Februari 2025) mengajukan beberapa strategi untuk menghadapi para skeptik DL. Karakteristik mereka perlu diketahui, supaya strategi yang diambil pas betul. 

Pertama, mereka tidak memiliki pemahaman yang benar dan seutuhnya atas konsep-konsep dan kemajuan-kemajuan dalam DL. Kepada mereka kita perlu memberi penjelasan dan contoh-contoh yang terang untuk membantu mereka memahami teknologi ini. 

Kedua, mereka terlalu menekankan dan hanya fokus pada keterbatasan-keterbatasan sistem-sistem DL yang ada sekarang. Kita perlu mengakui keterbatasan-keterbatasan ini, tapi juga perlu menyoroti kemajuan-kemajuan dan perkembangan cepat bidang ini. 

Ketiga, mereka takut kehilangan pekerjaan. Kekhawatiran akan ada banyak pengangguran sebagai akibat otomasi sah-sah saja. Nah, kita perlu menekankan manfaat-manfaat potensial DL dan Artificial General Intelligence, seperti produktivitas yang meningkat, perawatan kesehatan yang makin baik, dan pendidikan yang diperluas dan meningkat, urusan-urusan finansial yang kian meningkat, dan transportasi yang makin efisien.

Sementara banyak orang mengkhawatirkan ancaman akan punahnya umat manusia oleh mesin-mesin Super-AI (sekarang ada baru sebagai hipotesis-hipotesis) yang sudah tak terkendali, Andrew Ng mengambil sikap berbeda. Menurutnya, ancaman yang real yang dapat timbul dari sistem DL adalah masa depan lapangan kerja yang perlu dipikirkan dengan cermat. Dia menegaskan bahwa "ketimbang kita terdistraksi oleh robot-robot jahat pembunuh, tantangan terhadap lapangan kerja yang datang dari mesin-mesin ini adalah keperluan membangun dan menjalankan percakapan-percakapan antar kalangan akademia, industri dan pemerintah."

Nah, orang menjadi skeptik lantaran mereka umumnya memegang konsepsi yang salah tentang DL. Miskonsepsi-miskonsepsi tersebut antara lain: Pertama, DL cuma suatu hype, hal yang dengan bombastis dibesar-besarkan untuk menarik perhatian publik. Perlihatkan kepada mereka bukti-bukti kemajuan-kemajuan dan prestasi-prestasi dalam riset DL, seperti Google AlphaGo, ImageNet, Pengenalan wajah Facebook, Alexa Amazon, Autopilot Tesla, Watson IBM, dan terobosan-terobosan dalam pemrosesan bahasa natural (Natural Language Processing, NLP). 

Kedua, DL itu sempit dan terspesialisasi. Jelaskan bagaimana DL dapat diterapkan dalam beranekaragam bidang, seperti visi komputer ("Computer Vision", mencakup pengenalan wajah, deteksi objek, klasifikasi citra; self-driving cars yang mampu mendeteksi objek, mendeteksi tikungan, bernavigasi; imaging medik yang mampu mendeteksi tumor, mendiagnosis penyakit, segmentasi organ; pengawasan keamanan yang mampu mendeteksi penyusup dan mengenali wajah), NLP, dan pembelajaran dengan penguatan ("reinforcement learning"; belajar lewat "trial and error", misalnya dalam bermain game), dan bagaimana kemajuan-kemajuan ini dapat bermuara pada kecerdasan yang dapat lebih digeneralisasi, alhasil orang-orang cerdas makin banyak.

Ketiga, DL tidak memiliki "common sense", yakni pengetahuan yang diperoleh dari pengalaman-pengalaman real dalam kehidupan. Bahaslah kemajuan-kemajuan yang sedang berlangsung dalam bidang-bidang seperti pembelajaran multimodal, arsitektur-arsitektur kognitif, dan pendekatan-pendekatan campuran yang bertujuan untuk mengintegrasikan AI simbolik dan AI koneksionis.

Ingatlah, jangan menjauhkan diri dari para skeptik; tapi, sebaliknya, bangun dialog yang bermartabat dengan mereka dan dengan pikiran terbuka. Akuilah kekhawatiran mereka dan diskusikan pertanyaan-pertanyaan mereka. Lebih jauh dari itu, ajaklah para skeptik untuk berkolaborasi dalam inisiatif-inisiatif proyek-proyek dan riset-riset, sehingga mereka mengalami langsung potensi-potensi DL.

Selain giat di DeepLearning.AI dan Coursera, Andrew Ng, sebagai seorang entrepreneur teknologi dan saintis, juga giat di Baidu (kata atau frasa Mandarin, artinya "ratusan kali" atau "banyak kali" atau "berkali-kali tak terhitung"), suatu perusahaan teknologi multinasional China, spesialis pelayanan mesin penelusuran dan pencarian lewat Internet dan AI terbesar China. Di perusahaan ini, dia menjadi pemimpin dari 2014 hingga 2017 dalam usaha-usaha di bidang AI, selain juga menjadi saintis utama, dan membentuk suatu tim AI Baidu yang anggotanya mencapai ribuan orang. Di tim AI Baidu ini, dia menjadi ketuanya. 

Sebagai selingan, mari kita kenali sedikit lebih jauh frasa Mandarin bài dū. Frasa ini sebetulnya diambil dari suatu puisi China klasik yang berjudul "Meja Batu Hijau dalam Festival Lentera". Pendiri Baidu, Robin Li, memilih nama ini untuk menggambarkan ide untuk mencari informasi berulangkali tak terhitung, segaris dengan misi perusahaan dalam menyediakan suatu mesin penelusuran Internet dan pencarian yang efisien dan dapat dipercaya.

Nah, sebagai saintis utama di Baidu, Andrew Ng memainkan suatu peran yang sangat penting dalam membangun strategi dan arah pengkajian AI. Dia mengawasi pengembangan proyek-proyek AI Baidu yang beranekaragam, antara lain (diambil dari chat dengan Meta AI, 20 Februari 2025):

• Deep Learning: Tim Andrew Ng giat mengembangkan dan meningkatkan teknik-teknik DL, sehingga Baidu dapat makin menyempurnakan kemampuan-kemampuan pengenalan ucapan" ("speech recognition"), pengenalan citra ("image recognition"), dan pemrosesan bahasa natural ("natural language processing", NLP). 

Tentang NLP, pada kesempatan ini perlu diberikan penjelasan sedikit lebih panjang. Sumbernya mudah dijangkau, yakni platform Leo AI (chat 14 Februari 2025).

NLP adalah suatu sub-bidang AI yang menangani interaksi antara komputer-komputer dan manusia. Terma "natural" dalam NLP mengacu ke bahasa yang manusia gunakan dalam komunikasi sehari-hari, seperti bahasa tertulis dan bahasa lisan, yang berkontras dengan bahasa-bahasa programming atau bahasa formal. NLP mencakupi kompleksitas dan nuansa bahasa manusia, termasuk tata bahasa, sintaksis, semantik dan pragmatik.

Pada hakikatnya, NLP adalah seperangkat teknik dan algoritma yang memampukan komputer-komputer untuk memproses, memahami, dan menghasilkan bahasa manusia, alhasil interaksi manusia-komputer berlangsung lebih natural dan efektif. Ini mencakup tugas-tugas penerjemahan bahasa, analisis perasaan, peringkasan teks, dan pelahiran bahasa.

• Baidu Brain: Andrew Ng memimpin pengembangan Baidu Brain, suatu platform DL yang memungkinkan perusahaan ini membangun dan mengorganisir serta menyebarluaskan model-model AI yang lebih efisien. 

• Autonomous driving: Tim Andrew Ng juga mengeksplorasi teknologi-teknologi berkendara otonomus, yang menjadi landasan kerja inisiatif-inisiatif untuk membangun "mobil/wahana yang menyetir dirinya sendiri" ("self-driving car").

Selama masa jabatannya di Baidu, Andrew Ng membantu menegakkan dan memantapkan perusahaan ini sebagai suatu pemain besar dalam kawasan AI. Karyanya meletakkan fondasi bagi banyak pelayanan dan produk-produk yang diberdayakan oleh AI, dan berlanjut terus dalam membentuk arah dan tujuan perusahaan ini dewasa ini.

Setelah meninggalkan Baidu (2017), Andrew Ng terus melangkah dan menjadi co-founder AI Fund, suatu firma kapital yang berani, yang fokus pada investasi-investasi AI, dan Coursera, suatu platform pembelajaran online berbagai bidang AI, seperti telah dikemukakan di atas.

Hingga kini, Andrew Ng tetap menjadi suatu suara yang penting dalam komunitas AI, yang menyuarakan pentingnya pengembangan dan aplikasi-aplikasi AI yang bertanggungjawab. 

Selanjutnya, kontribusi-kontribusi Andrew Ng untuk Google penting diketahui, khususnya bagi Google Brain sebagai suatu proyek Deep Learning Google.

--- to be continued ---

References

Andrew Ng, "How DeepLearning.AI created quality courses", LinkedIn, https://www.linkedin.com/posts/andrewyng_openai-blocks-china-tests-for-human-level-activity-7216104446760476672-8MOb.

Satya Nadella, "Microsoft Adds DeepSeek R1 To Azure and GitHub", Global Biz Outlook, 30 January 2025, https://globalbizoutlook.com/2024/05/01/learn-ai-from-the-1z0-best-free-online-courses/.

Donna Eva, "10 Best Online AI Courses for Free in 2024, Deep Tech, 29 April 2024, https://analyticsindiamag.com/deep-tech/10-free-online-ai-courses-to-learn-from-the-best/.

Supreeth Koundinya, "Google Lets You Use AI to Call Businesses on Your Behalf", AI news, 31 January 2025, https://analyticsindiamag.com/ai-news-updates/google-lets-you-use-ai-to-call-businesses-on-your-behalf/.

Andrew Ng, "Course: AI for Everyone", Deep Learning.AI, https://www.deeplearning.ai/courses/ai-for-everyone/.

Monash University OZ, "Study at Monash: Artificial Intelligence", Monash University, https://www.monash.edu/study/courses/find-a-course/artificial-intelligence-c6007.

Andrew Ng, "Generative AI for Everyone: Learn how generative AI works and how to use it in your life and at work", DeepLearning.AI, https://www.deeplearning.ai/courses/generative-ai-for-everyone/.

Tina Huang, "Andrew Ng's 3 week Intro AI course in 25 minutes", DeepLearning.AI, YouTube video, https://www.youtube.com/watch?v=qpWqrIsaKwo.

AWS, "Transform your business with generative AI", Amazon AWS, https://aws.amazon.com/ai/generative-ai/.

AI Tech Daily, "From Zero to Hero: The Journey of Andrew Ng, Renowned AI Expert", Medium, 16 July 2024, https://medium.com/@aitechdaily/from-zero-to-hero-the-journey-of-andrew-ng-renowned-ai-expert-30bc0db46fb8.

Artificial Intelligence (9) : Yann LeCun

 

Yann LeCun, dilahirkan 8 Juli 1960 di Soisy-sous-Montmorency, Prancis. Dia juga dijuluki "the Godfather of AI". Gelar Ph.D. di bidang sains komputer diperolehnya 1987 dari Université Pierre et Marìe Curie di Prancis. Untuk tesis Ph.D., LeCun mengajukan proposal suatu bentuk awal algoritma yang kini dikenal sebagai "error Backpropagation". Dari 2003-2008 dia menjadi Professor sains komputer di Courant Institute of Mathematical Sciences di New York University. Dari 2013-2018, dia menjadi direktur riset AI di Facebook (sekarang: Meta); kemudian (2018 hingga kini) menjabat sebagai VP (yang belakangan dilepaskannya) dan saintis utama AI Meta. Image credit: bell-labs.com. Sumber gambar: Perplexity.

LeCun mengajukan suatu ide bahwa Artificial Neural Networks (ANNs) yang meniru otak manusia akan memampukan komputer-komputer untuk mengembangkan kecakapan-kecakapan yang sebaliknya tidak dapat diprogram secara manual. Pendapat ini dilawan dengan sengit oleh saintis-saintis komputer yang sudah mapan, yang telah lama mengabaikan konsep ANNs yang mereka anggap sebagai barang fiksi sains.

-- to be continued --

References

CDTeliot, "AI Visionary Yann LeCun's Lasting Impact", Perplexity, December 2024, https://www.perplexity.ai/page/ai-visionary-yann-lecuns-lasti-v1GyLWZDSXqehwbUcE2Y.w.

HoDS, "Yann LeCun: An Early AI Prophet", History of Data Science, 10 April 2021, https://www.historyofdatascience.com/yann-lecun/.

Datategy, "AI Origins: Yann LeCun", DATATEGY, 4 April 2024, https://www.datategy.net/2024/04/04/the-ai-origins-yann-lecun/.

Thomas Haigh, "Yann LeCun -- United States 2018, ACM A.M. Turing Award, https://amturing.acm.org/award_winners/lecun_6017366.cfm.

ACM, "Award Recipient: Yann LeCun", Award.ACM, https://awards.acm.org/award_winners/lecun_6017366.

Nandini Yadav, "Yann LeCun, chief AI scientist at Meta, says warnings about AI being a hazard are complete nonsense", India Today, 14 October 2024, https://www.indiatoday.in/technology/news/story/yann-lecun-chief-ai-scientist-at-meta-says-warnings-about-ai-being-a-hazard-are-complete-nonsense-2616686-2024-10-14.

Rajeev Chand, "A conversation with Yann LeCun, the Godfather of AI", Wing, 9 January 2025, https://www.wing.vc/content/rajeev-chand-yann-lecun-ai-research-predictions.

Artificial Intelligence (8) : Geoffrey E. Hinton

 

Geoffrey Everest Hinton (lahir 6 Desember 1947, di Wimbledon, London, berusia 77 tahun), saintis komputer Inggris-Kanada, saintis kognitif, psikolog kognitif. Memperoleh gelar Ph.D. dalam bidang Artificial Intelligence dari University of Edinburgh tahun 1978. Image credit: Chris Young/AP. Sumber gambar: Jessica Coates, The Independent.

Karena karya-karyanya di bidang jejaring neural buatan ("Artificial Neural Networks", ANNs) yang memakai model struktur jejaring dan fungsi neural otak manusia, yang diterapkan pada Machine Learning dan Deep Learning, dan ikut berkontribusi (bersama David Rumelhart dan Ronald William di tahun 1986) dalam merancang algoritma Backpropagation (BP, yakni suatu teknik optimalisasi repetitif untuk melatih Artificial Neural Networks dengan mengurangi kesalahan), Hinton, bersama John Hopfield, menerima Hadiah Nobel bidang fisika tahun 2024. Nobel Prize dalam fisika diberikan kepada mereka karena "temuan-temuan dan invensi-invensi fondasional yang memungkinkan mesin belajar lewat jejaring neural buatan." ANNs, sebagai suatu teknologi yang berakar pada neurosains, sains kognitif, psikologi, matematik dan model-model komputasional, dan fisika, adalah bagian terpenting dari terobosan-terobosan baru AI dewasa ini. 

Hadiah Nobel yang diterima Hinton dan Hopfield menandakan suatu momen historis, yakni pengakuan bahwa fisika telah memainkan peran yang mendalam dan besar dalam mendorong revolusi AI. Hadiah Nobel AI dalam fisika tahun 2024 mengingatkan kita bahwa perjalanan menuju terobosan-terobosan baru AI sekarang ini telah dimulai berdekade-dekade lalu, dengan peneliti-peneliti yang yang visioner meletakkan karya-karya mendasar bagi suatu masa depan yang waktu itu hanya bisa dibayangkan. Karya John Hopfield dan Geoffrey Hinton yang berakar dalam fisika kini sedang membentuk teknologi yang memberi power bagi dunia modern kita.

Sebagaimana AI terus berevolusi, Hadiah Nobel ini tidak hanya merayakan prestasi-prestasi dari para pionir sains AI, tapi juga menyoroti peran kritis riset antarilmu itu --- khususnya antara fisika dan AI --- yang akan dimainkan di masa depan teknologi. 

Karya-karya Hinton yang sangat mendasar dalam membangun AI modern, khususnya Deep Learning, membuatnya dijuluki "The Godfather of AI". Selain itu, Hinton juga menerima penghargaan-penghargaan lain, seperti AAAI Fellow (1990), Rumelhart Prize (2001), NSERC Herzberg Canada Gold Medal (2010), IEEE Frank Rosenblatt Award (2014). Turing Award yang dinamakan juga "Hadiah Nobel komputing", diterima Hinton 2018 bersama dengan Yoshua Bengio dan Yann LeCun untuk karya mereka di bidang Deep Learning dan jejaring neural. 

Karya mereka ini telah merevolusi bidang-bidang yang beranekaragam seperti self-driving cars atau wahana-wahana otonomus, analitik kesehatan, pengenalan citra, pengenalan ucapan, pemrosesan bahasa alamiah atau Natural Language Processing, NLP, (seperti terjemahan bahasa, tafsiran yang sangat cepat oleh komputer atau real-time interpretation, peringkasan teks, analisis perasaan/pengharapan), chatbots (asisten virtual, pelayanan nasabah), diagnosis penyakit dan riset medik, ekonomi dan keuangan, sistem-sistem otonomus dan robotik, pendidikan dan riset, dan cybersecurity.

Ketika menjadi Profesor emeritus di Universitas Toronto, Kanada, Hinton juga membagi waktunya dengan bekerja di Google (Google Brain Team) dari 2013-2023. Namun di bulan Mei 2023, dia melepaskan pekerjaannya di Google karena pertimbangan-pertimbangan atas banyak risiko yang dapat ditimbulkan oleh AI. Dengan begitu, dia dapat bebas berbicara tentang risiko-risiko AI. Dia sangat peduli pada penyalahgunaan AI yang dipertimbangkan dengan cermat oleh aktor-aktor yang berbahaya, pengangguran di lapangan kerja teknologi, dan risiko eksistensial dari Artificial General Intelligence (AGI) atau "human-like intelligence" terhadap manusia. 

Setelah Hinton mendapat Hadiah Nobel, dia mendesak diadakannya riset keamanan AI untuk menggambarkan ihwal bagaimana mengontrol sistem-sistem AI (sistem Artificial Intelligence, sistem Artificial General Intelligence atau AGI atau humanoid AI, dan sistem Artificial Super-Intelligence atau ASI yang memiliki kecerdasan yang berada jauh di atas kecerdasan manusia).

AGI mengacu ke suatu sistem AI yang dihipotesiskan memiliki kecerdasan seperti yang dipunyai manusia, kemampuan bernalar, kemampuan-kemampuan untuk belajar di berbagai bidang dan tugas yang beranekaragam. Menurut platform Meta AI, AGI akan dapat melakukan hal-hal berikut: memahami, belajar dan menerapkan pengetahuan seperti manusia; bernalar, memecahkan masalah, dan mengambil keputusan-keputusan; beradaptasi dengan situasi-situasi baru dan belajar dari pengalaman; memperlihatkan "common sense" (pengetahuan yang diperoleh dari pengalaman-pengalaman real dalam kehidupan) dan kecakapan kognitif. Sekarang ini, AGI sepenuhnya masih teoretis; dan para peneliti sedang bekerja untuk membangun sistem AGI.

Sedangkan Super-AI yang dikenal juga sebagai Artificial Super-Intelligence (ASI) mengacu ke suatu sistem AI hipotetis yang memiliki kecerdasan yang melampaui kecerdasan manusia di segala bidang. Karena itu, ASI mampu belajar, berkembang dan bertambah baik dengan cepat. Mampu mengatasi masalah-masalah yang rumit yang berada di luar kemampuan manusia untuk menangani. ASI mungkin juga akan dapat melipatgandakan besar-besaran diri mereka oleh mereka sendiri dalam perkembangan-perkembangan teknologi. Sekarang ini, ASI sepenuhnya masih spekulatif, dipandang sebagai suatu kemungkinan perkembangan di masa depan. 

Sementara AGI terfokus pada penalaran seperti yang dimiliki manusia, ASI akan memiliki kemampuan-kemampuan memecahkan persoalan-persoalan yang sebelumnya tidak pernah ada. AGI akan dengan signifikan berdampak pada berbagai industri; tetapi ASI potensial dapat mentransformasi peradaban manusia.

Nah, konsep-konsep di atas tentang AGI dan ASI dewasa ini masih sangat teoretis, dan menimbulkan debat yang kuat dan dalam di antara peneliti-peneliti AI, etikus-etikus, dan futuris-futuris.

Kembali ke Hinton. Katanya, "aktor-aktor buruk" yang akan menggunakan teknologi AI untuk membahayakan orang lain, harus dicermati dan dikontrol. Tanpa kontrol, katanya, teknologi ini akan meningkatkan risiko-risiko serangan-serangan cyber dan phishing, video-video palsu dan terus-menerus mencampuri urusan-urusan politik. Beberapa peneliti yang baik percaya bahwa di suatu waktu dalam 20 tahun ke depan ini AI akan lebih cerdas ketimbang manusia; dan kita perlu berpikir keras tentang apa yang akan terjadi pada waktu itu. Tetap ada kemungkinan "robotic apocalypse" atau "robot-pokalipsis" atau "doomerisme robotik" bisa terjadi, yakni punahnya manusia oleh AI dan Super-AI yang manusia ciptakan.

Selama ini karya-karya Hinton meletakkan dasar-dasar bagi Machine Learning (ML) dan Deep Learning (DL). 

ML adalah teknologi yang memungkinkan komputer-komputer untuk meniru kecerdasan manusia, yang dapat berpikir, belajar dan berkembang sendiri. Lebih rinci, ML adalah suatu bagian atau suatu subset AI yang memungkinkan komputer untuk belajar sendiri secara otomatis dari pengalaman tanpa programming yang eksplisit, sehingga kinerjanya kian bertambah baik dan berkembang cepat, dan makin mampu untuk mengadaptasi diri dengan data baru yang tak terlihat, ketika menjalankan tugas-tugas. Algoritma AI Backpropagation menjadi energi pendorong di balik pelatihan-pelatihan Deep Neural Networks (DNNs) sehingga sistem-sistem AI dapat belajar sendiri dari data yang tersedia luar biasa banyak. 

Sedangkan DL adalah suatu subset ML yang menggunakan jejaring neural yang memiliki lapisan-lapisan unit-unit neural yang majemuk (umumnya sekitar 3 sampai 100+ lapisan). DL adalah suatu temuan revolusioner dalam dunia AI yang telah membentuk kembali AI dewasa ini, yang memungkinkan mesin-mesin memproses informasi dengan akurasi yang luar biasa. 

Sistem-sistem DL yang ada sekarang luar biasa kuat dan mampu mencapai kinerja termodern dan terbaru dalam beranekaragam tugas, seperti pengenalan citra, NLP, dan permainan game. Namun, harus diketahui, sistem-sistem DL saat ini tidak mempunyai kemampuan untuk berpikir dan berefleksi tentang diri mereka sendiri, tidak bisa berintrospeksi atau memiliki kesadaran diri ("self-awareness") yang merupakan komponen-komponen esensial dari kegiatan-kegiatan berpikir dan berefleksi seperti pada manusia. 

Sistem-sistem DL saat ini, sementara dapat belajar untuk mengenali dan beradaptasi terhadap kesalahan-kesalahan mereka sendiri, juga tidak dapat melakukan metakognisi, yakni kemampuan untuk dengan kritis memikirkan proses-proses berpikir mereka sendiri atau kondisi-kondisi mental mereka sendiri. 

Ketika kita mengatakan bahwa sistem-sistem DL dapat belajar sendiri dan mengembangkan diri sendiri tanpa pelatihan dan programming sebelumnya, kita mengacu ke kemampuan mereka untuk belajar dari pengalaman-pengalaman mereka di saat berinteraksi dengan lingkungan mereka, menyesuaikan diri dengan situasi-situasi baru dan meningkatkan kinerja mereka dari waktu ke waktu. Mereka juga dapat menemukan pola-pola ("patterns") dan hubungan-hubungan yang kompleks di dalam data, bahkan ketika mereka tidak dengan eksplisit diprogram untuk melakukan hal itu. Selain itu, mereka berkembang maju juga lewat pembelajaran yang diawasi sendiri. Sistem-sistem DL dapat membuat data pelatihan diri mereka sendiri, tujuan-tujuan mereka, atau hadiah-hadiah. Ini memungkinkan mereka untuk belajar dan tumbuh bertambah baik tanpa panduan dari luar. 

Namun, meskipun sistem-sistem DL mempunyai kemampuan-kemampuan yang mengesankan, mereka masih belum memiliki kesadaran diri, yang mengacu ke kesadaran ("consciousness"), yakni kemampuan untuk memiliki pengalaman-pengalaman subjektif, emosi-emosi dan perasaan-perasaan. Mereka juga tidak mempunyai kesadaran yang tertuju pada diri mereka sendiri. Mereka tidak bisa merenungkan keadaan-keadaan mental, pikiran-pikiran dan pengalaman-pengamalan mereka sendiri. Selain itu, mereka juga tidak mampu membuat keputusan-keputusan dan bertindak mandiri, yang didasarkan pada tujuan-tujuan dan motivasi-motivasi mereka sendiri. Jadi, sistem-sistem DL yang ada sekarang tidak mempunyai kesadaran ("consciousness") atau pengenalan diri ("self-awareness"). 

Balik ke Hinton lagi. Belakangan ini Hinton, tentu karena pengalaman-pengalamannya sendiri, lebih memusatkan perhatiannya pada AI yang lebih aman, dan makin peka terhadap kemungkinan-kemungkinan penyalahgunaan AI. Sejawat Hinton, yang sama-sama menerima Turing Award 2018, Yann LeCun, saintis utama di Meta, menyebut doomerisme robotik Hinton sebagai "preposterously ridiculous", atau menggelikan dan mengada-ada.

Well, di suatu artikel online pada web History of Data Science ditulis bahwa "LeCun telah mendorong balik ketakutan-ketakutan yang disuarakan sejumlah orang, termasuk teknolog-teknolog terkemuka lainnya, bahwa AI pada akhirnya dapat menimbulkan bencana dan petaka. Manusia cenderung membayangkan bahwa robot-robot mengembangkan sifat-sifat kepribadian yang negatif yang mendorong orang untuk membahayakan orang-orang lain, tetapi, kata LeCun, 'tidak ada alasan' untuk membayangkan bahwa mesin-mesin suatu saat nanti dapat memiliki sifat-sifat tersebut."

Pada pihak lain, kepada Wired di tahun 2014, tentang LeCun Hinton dapat menyatakan bahwa LeCun "dalam cara tertentu adalah pembawa obor yang melewati zaman-zaman kegelapan."

Hemat saya, ketimbang dihantui ketakutan-ketakutan terhadap potensi bahaya-bahaya mematikan bagi manusia yang dapat timbul dari Artificial Super-Intelligence (ASI) yang mungkin saja ada, para saintis Artificial Intelligence sebaiknya memikirkan dengan sungguh-sungguh ihwal bagaimana menciptakan ASI yang beretika, lalu mempertemukan, menyelaraskan dan, niscaya, perlu menyatukan mesin-mesin supercerdas itu dengan manusia-manusia biologis. Dengan kata lain, Super-AI yang mau kita hasilkan adalah AI-AI yang memiliki sekaligus hardskills (kecakapan teknis yang berdasar ilmu pengetahuan) dan softskills (empati, social intelligence, emotional intelligence, dan existential intelligence).

--- to be continued ---

References

Jessica Coates, "Geoffrey Hinton warns of AI's growing danger after Nobel Prize Win", The Independent, 09 October 2024, https://www.independent.co.uk/news/science/nobel-prize-university-of-toronto-british-nobel-prize-in-physics-google-b2626208.html.

Kyrlynn D., "Geoffrey Hinton, The God Father of Deep Learning and Neural Network Innovator", Quantum Zeitgeist, 8 October 2024, https://quantumzeitgeist.com/geoffrey-hinton/.

Will Douglas Heaven, "Geoffrey Hinton , AI Pioneer and figuredhead of doomerism, wins Nobel Prize", MIT Technology Review, 8 October 2024, https://www.technologyreview.com/2024/10/08/1105221/geoffrey-hinton-just-won-the-nobel-prize-in-physics-for-his-work-on-machine-learning/.

Jiajie Zhang, Ph.D., University of Texas Health Science Center at Houston (UT Health Houston), "AI Wins the 2024 Nobel Prize in Physics", UT Health Houston, 8 October 2024, https://sbmi.uth.edu/blog/2024/ai-wins-the-2024-nobel-prize-in-physics.htm.

HoDS, "Yann LeCun: An Early AI Prophet", History of Data Science, 10 April 2021, https://www.historyofdatascience.com/yann-lecun/.

Artificial Intelligence (7) : David E. Rumelhart

 

Di atas ini foto David Everett Rumelhart (12 Juni 1942 - 13 Maret 2011). Sumber image Stanford Report. 

David Rumelhart adalah seorang psikolog kognitif Amerika, saintis komputer dan filsuf, yang mendapatkan gelar Ph.D. dalam psikologi kognitif dari Stanford University 1967. Dia berkontribusi dalam pengembangan suatu algoritma "Backpropagation" (BP) yang fundamental dalam "jejaring neural" ("neural networks") dan "Machine Learning" (ML) atau "Mesin Yang Belajar sendiri" yang digunakan dalam pelatihan dan optimalisasi "Artificial Neural Networks" (ANNs) atau "jejaring-jejaring neural buatan". Tujuan BP adalah meminimalisasi kesalahan antara output aktual dan output yang diprediksi dengan melakukan penyesuaian parameter-parameter model. Dengan berkurangnya kesalahan, kinerja ANNs dimaksimalkan. 

--- to be continued ---

25 Desember 2024

Selamat Hari Natal

References

"Remembering David E. Rumelhart (1942-2021)",  Association for Psychological Science, 1 December 2011, https://www.psychologicalscience.org/observer/david-rumelhart.

Benedict Carey, "David Rumelhart Dies at 68; Created Computer Simulations of Perception", The New York Times, 18 March 2011, https://www.nytimes.com/2011/03/19/health/19rumelhart.html.

Adam Gorlick, "David Rumelhart, Pioneer in cognitive neuroscience, dies at 68", Stanford Report, 17 March 2011, https://news.stanford.edu/stories/2011/03/david-rumelhart-pioneer-cognitive-neuroscience-dies-68.

Jiajie Zhang, Ph.D., University of Texas Health Science Center at Houston (UT Health Houston), "AI Wins the 2024 Nobel Prize in Physics", UT Health Houston, 8 October 2024, https://sbmi.uth.edu/blog/2024/ai-wins-the-2024-nobel-prize-in-physics.htm.