AI That Connects the Digital and Physical Worlds | Anima Anandkumar | TED

Translator: Larasati Laras Reviewer: Reno Kanti Riananda

I grew up with parents who are engineers.

Kedua orang tua saya adalah insinyur.

They were among the first to bring computerized manufacturing

Mereka termasuk yang pertama kali mengusung komputerisasi dalam manufaktur

to my hometown in India.

ke kampung halaman saya di India.

Growing up as a young girl,

Semasa kecil,

I remember being fascinated

saya ingat betapa saya terpesona

how these computer programs didn't just reside within a computer,

melihat bagaimana program-program komputer tidak hanya bekerja di dalam komputer,

but touched the physical world

tetapi juga memengaruhi dunia nyata,

and produced these beautiful and precise metal parts.

dan menghasilkan bagian-bagian logam yang indah serta presisi.

Over the last two decades, as I pursued AI research,

Selama dua dekade terakhir, ketika saya meneliti tentang AI,

this memory continued to inspire me

ingatan itu terus menginspirasi saya

to connect the physical

untuk menghubungkan dunia nyata

and digital worlds together.

dengan dunia digital.

I am working on AI that transforms the way we do science and engineering.

Saya sedang mengembangkan AI yang mengubah cara kita melakukan riset dan rekayasa.

Scientific research and engineering design

Riset ilmiah dan desain rekayasa

currently involves a lot of trial and error.

saat ini melibatkan banyak uji coba.

Many long hours are spent in the lab doing experiments.

Banyak waktu dihabiskan di laboratorium untuk melakukan berbagai uji coba.

So it's not just the great ideas that propel science forward.

Jadi, bukan hanya ide-ide hebat yang mendorong sains untuk maju.

You need these experiments to validate findings

Kita juga memerlukan berbagai uji coba untuk memvalidasi temuan-temuan

and spark new ideas.

dan memicu munculnya ide-ide baru.

How can language models help here?

Lalu, apa peran model bahasa di sini?

What if I ask ChatGPT to come up with a better design of an aircraft wing,

Bayangkan jika saya meminta ChatGPT mendesain sayap pesawat yang lebih baik,

or a drone that flies on a turbulent wind?

atau drone yang dapat terbang melalui angin kencang?

It may suggest something.

ChatGPT mungkin memberikan saran,

It may even draw something.

bahkan mungkin menggambar suatu desain.

But how do we know this is any good?

Namun, tepatkah saran atau desain yang diberikan?

We don't.

Kita tidak tahu pasti.

Language models hallucinate because they have no physical grounding.

Model bahasa menghasilkan angan-angan karena tidak memiliki landasan fisik.

While language models may help generate new ideas,

Meskipun model bahasa dapat membantu menghasilkan ide-ide baru,

they cannot attack the hard part of science

model bahasa tidak dapat menangani bagian sulit sains,

which is simulating the necessary physics

yaitu menyimulasikan fisika yang diperlukan

to replace the Nab experiments.

untuk menggantikan eksperimen Nab.

In order to model scientific and physical phenomena,

Untuk memodelkan fenomena ilmiah dan fisik,

text alone is not sufficient.

teks saja tidak cukup.

To get to AI with universal physical understanding,

Untuk mencapai kecerdasan buatan dengan pemahaman fisik universal,

we need to train it on the data of the world we observe.

kita perlu melatihnya dengan data dari dunia nyata yang kita amati.

And not just that, also its hidden details.

Tidak hanya itu, kita juga perlu memerhatikan detail-detail tersembunyi.

From the intricacies of quantum chemistry

Mulai dari kompleksitas kimia kuantum

that happen at the smallest level

yang terjadi pada tingkatan terendah

to molecules and proteins that influence how all biological processes work,

hingga molekul dan protein yang memengaruhi semua proses biologis,

to ocean currents and clouds that happen at planetary scales and beyond,

hingga arus laut dan awan yang terjadi pada skala planet dan lebih luas,

we need AI that can capture these whole range of physical phenomena.

kita memerlukan AI yang dapat menangkap seluruh rentang fenomena fisik ini.

We need AI that can really zoom into the fine details

Kita memerlukan kecerdasan buatan yang dapat menyelami detail terkecil

in order to simulate these phenomena accurately.

agar dapat menyimulasikan fenomena-fenomena ini dengan akurat.

To capture the cloud movements,

Untuk menangkap pergerakan awan,

and predict how clouds move and change in our atmosphere,

memprediksi bagaimana awan bergerak, dan berubah di atmosfer kita,

we need to be able to zoom into the fine details

kita harus dapat melihat detail-detail terkecil

of the turbulent fluid flow.

dari arus fluida yang bergolak.

Standard deep learning uses a fixed number of pixels.

Pembelajaran mendalam standar bekerja dengan jumlah piksel yang tetap,

So if you zoom in, it gets blurry

sehingga ketika kita perbesar, gambar menjadi buram,

and not all the details are captured.

dan tidak semua detail dapat ditangkap dengan baik.

We invented an AI technology called neural operators

Kami menciptakan kecerdasan buatan yang dinamakan operator neural

that represents the data as continuous functions or shapes,

yang menyajikan data sebagai fungsi atau bentuk kontinu,

and allows us to zoom in indefinitely to any resolution or scale.

dan memungkinkan memperbesar tampilan ke resolusi atau skala tanpa batas.

Neural operators allow us to train on data

Operator neural memungkinkan kita untuk memproses data

at multiple scales or resolutions.

pada berbagai skala atau resolusi.

And also allows us to incorporate

Operator neural juga memungkinkan kita

the knowledge of mathematical equations

untuk memasukkan pengetahuan tentang persamaan matematika

to fill in the finer details

guna mengisi detail yang lebih halus

when only limited resolution data is available.

ketika data yang tersedia memiliki resolusi terbatas.

Such learning at multiple scales is essential for scientific understanding

Pembelajaran pada berbagai skala sangat penting untuk pemahaman ilmiah,

and neural operators enable this.

dan operator neural memungkinkan pembelajaran ini terjadi

With neural operators,

Dengan operator neural,

we can simulate physical phenomena such as fluid dynamics

kita dapat mensimulasikan fenomena fisik seperti dinamika fluida

as much as a million times faster than traditional simulations.

sejuta kali lebih cepat daripada simulasi tradisional.

Last year, we used neural operators to invent a better medical catheter.

Tahun lalu, kami pakai operator neural untuk membuat kateter medis yang unggul.

A medical catheter is a tube that draws fluids out of the human body.

Kateter medis adalah tabung yang menarik cairan dari tubuh manusia.

Unfortunately, the bacteria tend to swim upstream against the fluid flow

Sayangnya, bakteri cenderung bergerak melawan aliran cairan

and infect the human.

dan meginfeksi tubuh manusia.

In fact, annually there is more than half a million cases

Faktanya, setiap tahun terdapat lebih dari setengah juta kasus infeksi

of such healthcare-related infections,

terkait penggunaan kateter dalam layanan kesehatan,

and this is one of the leading causes.

dan ini adalah salah satu penyebab utama infeksi.

Last year, we used neural operators to change the inside of the catheter

Tahun lalu, kami gunakan operator neural untuk mengubah bagian dalam kateter

from smooth to ridged.

dari permukaan halus menjadi beralur.

With ridges, now we have vortices created as the fluid flows,

Dengan adanya alur-alur itu, pusaran akan terbentuk saat cairan mengalir,

and we can hope to stop the bacteria from swimming upstream

dan kami berharap bakteri tidak dapat berenang ke hulu

because of these vortices.

karena adanya pusaran-pusaran ini.

But to get this correct,

Namun, agar kateter bekerja dengan baik,

we need the shape of the ridges to be exactly right.

bentuk alur-alur itu harus benar-benar tepat.

In the past, this would have been done by trial and error.

Di masa lampau, pembuatan desain ini akan melalui proses uji coba.

Design a version of the catheter,

Rancang sebuah desain kateter,

build it out, take it to the lab,

buat prototipenya, bawa ke laboratorium,

observe a hypothesis if something went wrong,

amati hipotesis akan adanya kesalahan,

rinse and repeat and redesign again.

ulangi prosesnya, dan rancang ulang.

But instead, we taught AI the behavior of the fluid flow inside the tube,

Namun, kali ini, kami mengajarkan AI perilaku aliran fluida di dalam tabung,

and with it, our neural operator model was able to directly propose

dan model operator neural buatan kami, dapat langsung mengusulkan

an optimized design.

desain yang lebih optimal.

We 3D-printed the design only once to verify that it worked.

Kami mencetak desain 3D sekali saja untuk memastikan desain itu berfungsi.

In the video, you're seeing our catheter being tested in the lab.

Dalam video ini, Anda dapat melihat kateter kami sedang diuji di laboratorium.

The bacteria are not able to swim upstream,

Bakteri tidak mampu berenang ke hulu,

are instead being pushed out with the fluid flow.

malah didorong ke luar bersama dengan aliran cairan.

In fact, we measured the reduction in bacterial contamination

Bahkan, kami menemukan bahwa kontaminasi bakteri

by more than 100-fold.

berkurang lebih dari 100 kali lipat.

So in this case, the neural operators were specialized to understand

Jadi, dalam kasus ini, operator neural khusus digunakan untuk memahami

fluid flow in a tube.

aliran fluida dalam tabung.

What other applications can AI tackle

Masalah apalagi yang dapat AI atasi,

and help us solve such pressing problems?

dan bagaimana AI dapat membantu memecahkan masalah mendesak ini?

Can deep learning beat numerical weather models?

Bisakah pembelajaran mendalam mengungguli model cuaca numerik?

A group of leading weather scientists asked this question in February 2021,

Sejumlah ilmuwan cuaca terkemuka mengajukan pertanyaan ini dalam publikasi

in a "Royal Society" publication.

di Royal Society pada Februari 2021.

They felt that AI was still in its infancy,

Mereka merasa bahwa AI masih dalam masa pertumbuhan,

and that a number of fundamental breakthroughs would be needed

dan bahwa sejumlah terobosan mendasar diperlukan

for AI to become competitive with traditional weather models,

agar AI dapat menandingi model cuaca tradisional,

and that would take years or even decades.

dan itu akan memakan waktu sangat lama.

Exactly a year later,

Tepat setahun kemudian,

we released FourCastNet.

kami merilis FourCastNet.

Using neural operators,

Menggunakan operator neural

we built the first fully AI-based weather model

kami membangun model cuaca berbasis AI pertama

that is high resolution

yang beresolusi tinggi

and is tens of thousands of times faster than traditional weather models.

dan bekerja puluhan ribu kali lebih cepat daripada model cuaca tradisional.

What used to take a big supercomputer

Pekerjaan yang dulu membutuhkan superkomputer berukuran besar

can now run on a gaming PC that you may have at home.

sekarang dapat bekerja di komputer gaming yang mungkin Anda miliki di rumah.

This model is also running

Model ini juga berjalan

at the European Centre for Medium-Range Weather Forecasting,

di Pusat Prakiraan Cuaca Jarak Menengah Eropa,

one of the premier weather agencies of the world.

salah satu agen cuaca tebesar di dunia.

And our AI model is not just tens of thousands of times faster

Model AI kami pun tidak hanya bekerja puluhan ribu kali lebih cepat

than traditional models.

daripada model tradisional,

It's also more accurate in many cases.

tetapi juga lebih akurat untuk beberapa kasus.

On September 16 last year,

Pada tanggal 16 September tahun lalu,

Hurricane Lee hit the coast of Nova Scotia, Canada.

Badai Lee menghantam Nova Scotia, Kanada.

A full ten days earlier,

Sepuluh hari sebelumnya, FourCastNet

our FourCastNet model correctly predicted

memprediksi dengan tepat

that the hurricane would make landfall,

bahwa badai akan menghantam area itu,

but the traditional weather model

tetapi model cuaca tradisional meramal

predicted the hurricane would skip the coast.

bahwa badai tidak akan menyentuh area tersebut.

Only five days later, on September 11,

Tidak lama, pada 11 September,

did the traditional weather model correct its forecast to predict landfall.

model cuaca tradisional mengoreksi ramalannya.

Extreme weather events such as Hurricane Lee

Kemunculan cuaca ekstrem seperti Badai Lee

will only increase further unless we take action

akan terus meningkat, kecuali kita mengambil tindakan

on climate change.

terhadap perubahan iklim.

Such as finding new, clean sources of energy.

Seperti menemukan sumber energi baru yang bersih.

Nuclear fusion is one of them.

Salah satunya adalah fusi nuklir.

But unfortunately, there are still big challenges with it.

Namun sayangnya, masih ada tantangan besar yang harus dihadapi.

The fusion reactor heats up the plasma

Reaktor fusi memanaskan plasma

to extremely high temperatures to get fusion started.

hingga suhu yang sangat tinggi agar fusi dapat bekerja.

And sometimes this hot plasma can escape confinement

Terkadang plasma panas ini bisa ke luar dari tempatnya

and can damage the reactor.

dan merusak reaktor.

We train neural operators to simulate and predict

Kami melatih operator neural untuk menyimulasikan

the evolution of plasma inside the reactor.

dan memprediksi evolusi plasma dalam reaktor.

And with it,

Dengan hal itu,

we can use this to predict disruptions before they occur

kita dapat menggunakan operator neural untuk memprediksi gangguan sebelum terjadi

and take corrective action in the real world.

dan melakukan perbaikan di dunia nyata.

We are enabling the possibility of nuclear fusion

Kami membuka jalan bagi potensi fusi nuklir untuk menjadi kenyataan.

becoming a reality.

So neural operators and AI broadly

Jadi, operator neural dan AI

are enabling us to tackle hard scientific challenges

secara luas memungkinkan kita mengatasi tantangan ilmiah yang sulit

such as climate change and nuclear fusion.

seperti perubahan iklim dan fusi nuklir.

To me, this is just the beginning.

Bagi saya, ini baru permulaan.

So far, these AI models are limited to the narrow domains they're trained on.

Sejauh ini, model AI ini dibatasi domain sempit tempat mereka dilatih.

What if you had an AI model

Bagaimana jika Anda memiliki model AI

that could solve all and any scientific problem?

yang dapat menyelesaikan semua masalah ilmiah?

From designing better drones, aircrafts, rockets,

Mulai dari merancang drone, pesawat terbang, roket,

and even better drugs and medical devices?

bahkan obat-obatan serta perangkat medis yang lebih baik?

Such an AI model would greatly benefit humanity.

Model AI tersebut akan sangat bermanfaat bagi seluruh umat manusia.

This is what we are working on.

Inilah yang sedang kami kerjakan.

We are building a generalist AI model with emergent capabilities

Kami sedang membangun model AI serbaguna dengan kemampuan baru

that can simulate any physical phenomena

yang dapat menyimulasikan berbagai fenomena fisik

and generate novel designs that were previously out of reach.

dan menghasilkan desain-desain baru yang tidak mungkin dilakukan sebelumnya.

This is how we scale up neural operators

Inilah cara kami mengembangkan operator neural

to enable general intelligence with universal physical understanding.

untuk mewujudkan kecerdasan umum dengan pemahaman fisika yang universal.

Thank you.

Terima kasih.

(Applause)

(Tepuk tangan)