AI Merevolusi Riset Ilmiah: Dari Genomik Hingga Matematika

Para peneliti dari seluruh dunia berkumpul di sebuah acara hackathon di Mayo Clinic, Rochester, Amerika Serikat, untuk mencari jawaban atas sebab 29 penyakit langka yang masih belum bisa didiagnosis. Mereka menggunakan teknologi AI bernama AlphaGenome, yang dikembangkan oleh Google DeepMind, untuk membantu memecahkan masalah genetika yang sangat kompleks pada bagian DNA yang tidak mengkode protein. AlphaGenome mampu memprediksi bagaimana mutasi pada daerah non-koding DNA dapat mempengaruhi aktivitas gen di sekitarnya. Ini menjadi penemuan penting karena 98% genom manusia terdiri dari bagian DNA seperti ini, yang selama ini sulit dipahami dan kerap diabaikan oleh ilmuwan. Mutasi di bagian ini bisa menyebabkan penyakit-penyakit langka yang selama ini belum teridentifikasi penyebabnya. Acara tiga hari tersebut diprakarsai oleh Wilhelm Foundation, sebuah yayasan yang didirikan oleh keluarga Cederroth yang kehilangan anak-anaknya akibat penyakit tak terdiagnosis. Yayasan ini bertujuan membantu keluarga-keluarga lain yang menghadapi kondisi serupa. Partisipasi lebih dari 100 peneliti menunjukkan pentingnya kolaborasi dan inovasi dalam menghadapi penyakit langka. Salah satu tes penting yang dilakukan yaitu memeriksa sebuah varian genetik yang diyakini menyebabkan gejala jantung pada seorang pasien. Hasil eksperimen dan prediksi dari AlphaGenome menunjukkan mutasi tersebut memengaruhi gen di sel jantung, bukan sel saraf, yang sesuai dengan gejala pasien. Ini membuktikan kemampuan AlphaGenome dalam membantu diagnosis yang lebih tepat dan mendalam. Dengan teknologi ini, diharapkan diagnosis penyakit langka menjadi lebih mudah dan akurat di masa depan. Ini juga membuka pintu bagi penelitian lebih lanjut untuk memahami mutasi genetik di bagian yang dulu dianggap 'dark matter' DNA, yang lama dianggap tidak berguna namun ternyata sangat berpengaruh terhadap kesehatan manusia.

Mendiagnosis penyakit langka yang tidak diketahui penyebab genetiknya adalah tantangan besar dalam dunia kedokteran. Meski teknologi pengurutan genom sudah berkembang, banyak bagian dari genom manusia, terutama yang tidak mengkode protein, sulit untuk dipahami dan dianalisis. Akibatnya, banyak pasien dengan penyakit langka masih tidak mendapatkan diagnosis yang jelas. Untuk mengatasi masalah ini, sebuah acara hackathon digelar di Mayo Clinic, Rochester, Amerika Serikat, melibatkan lebih dari 100 peneliti. Mereka menggunakan AlphaGenome, sebuah model kecerdasan buatan yang dikembangkan oleh Google DeepMind, untuk menganalisis mutasi di zona non-koding DNA dan memprediksi efeknya terhadap fungsi gen di sekitarnya. AlphaGenome bisa melihat bagaimana mutasi yang terjadi di DNA non-koding dapat mempengaruhi aktivitas gen secara spesifik di berbagai jenis sel yang berbeda. Pendekatan ini terbukti sesuai dengan data eksperimental yang sebelumnya menunjukkan perubahan ekspresi gen pada sel jantung tapi bukan pada sel saraf, yang sesuai dengan gejala pasien dalam satu contoh kasus. Acara hackathon ini diorganisasi oleh Wilhelm Foundation, sebuah yayasan yang didirikan oleh keluarga yang mengalami kehilangan anggota karena penyakit tidak terdiagnosis. Yayasan ini bertujuan membantu masyarakat umum dan tenaga medis dalam memahami dan menangani penyakit langka yang sulit dipecahkan menggunakan metode konvensional. Dengan kemampuan baru dari AI seperti AlphaGenome, diharapkan ke depan investigasi penyakit langka semakin maju dan lebih banyak pasien bisa mendapatkan diagnosis yang tepat sehingga dapat ditindaklanjuti dengan penanganan medis yang lebih efektif dan personal.

Sistem AI bernama TongGeometry yang dikembangkan di Beijing Institute for General Artificial Intelligence dan Peking University telah berhasil mengungguli pesaing dari Amerika dalam memecahkan soal matematika khususnya geometri yang setara dengan tingkat Olimpiade Matematika Internasional (IMO). Sistem ini dapat menyelesaikan soal dengan lebih cepat dan menggunakan sumber daya komputer yang lebih sederhana. Selain hanya menyelesaikan soal, TongGeometry juga dapat menghasilkan soal-soal matematika baru yang sudah digunakan dalam ujian tim nasional China dan juga Olimpiade tinggi di Amerika Serikat pada tahun 2024. Ini menunjukkan sistem ini tidak hanya sebagai 'pelajar', tetapi juga sebagai 'pelatih' yang menciptakan soal latihan. TongGeometry menggunakan teknik pencarian pohon yang secara terstruktur mampu menemukan, mengusulkan, dan membuktikan soal geometri tingkat IMO. Melalui pendekatan neuro-symbolic ini, sistem mampu menerapkan strategi yang terbukti efektif di kompetisi matematika internasional dengan efisien. Sistem ini menggunakan data dari 196 soal geometri Olimpiade sebelumnya dan mampu menghasilkan sekitar 6,7 miliar soal yang memerlukan konstruksi tambahan dalam proses pemecahannya. Ini membuka potensi besar dalam menyiapkan materi latihan dan latihan strategi penyelesaian bagi siswa dan pelatih. Dengan kemampuannya yang multifungsi, TongGeometry dipandang sebagai alat revolusioner yang tidak hanya membantu dalam pemecahan masalah matematika tingkat tinggi, tapi juga dapat memacu inovasi dalam pendidikan dan pengembangan AI yang lebih pintar di bidang matematika.

ArXiv, platform pra-cetak ilmiah yang sangat populer, mengumumkan perubahan kebijakan penting mulai tanggal 11 Februari. Setiap manuskrip yang dikirim ke arXiv harus menggunakan bahasa Inggris secara penuh atau menyertakan terjemahan lengkap dalam bahasa Inggris. Sebelumnya, hanya abstrak saja yang wajib dalam bahasa Inggris. Kebijakan baru ini bertujuan untuk mempermudah para moderator dalam menilai karya yang masuk serta untuk mempertahankan jangkauan pembaca internasional yang luas. Moderator arXiv bertugas memeriksa kelayakan dan topik manuskrip, walaupun situs ini tidak melakukan peer review formal. Meskipun hanya sekitar 1% kontribusi non-Inggris di arXiv, perubahan ini menimbulkan kekhawatiran di kalangan beberapa penulis, terutama matematikawan dan akademisi yang khawatir beban terjemahan dapat mengurangi keinginan mereka dalam menyebarkan karya yang belum atau tidak diterbitkan secara formal, seperti tesis atau bab buku. Sebagai solusi, arXiv mengizinkan penggunaan terjemahan otomatis berbasis AI, seperti yang dibuat oleh chatbot dan model bahasa besar (LLM), dengan catatan terjemahan tersebut harus diperiksa ulang agar hasilnya tetap akurat dan sesuai dengan makna aslinya. Pengalaman saat ini menunjukkan bahwa meskipun terjemahan AI bagus, tetapi belum cukup sempurna untuk penggunaan akademik tanpa pengecekan. Peneliti dari Stanford, James Zou dan Hannah Kleidermacher, menguji kemampuan GPT-4o dalam menerjemahkan dokumen ilmiah dan mengevaluasi hasilnya melalui kuis otomatis. Hasilnya menunjukkan potensi besar penggunaan AI ini dalam terjemahan teks ilmiah, yang dapat membantu memenuhi kebijakan baru arXiv di masa depan.

Survei online telah menjadi metode utama dalam penelitian ilmu sosial sejak awal tahun 2000-an, digunakan dalam bidang seperti psikologi, ekonomi, dan politik. Metode ini memudahkan orang berpartisipasi dari mana saja dan dibayar mulai dari beberapa sen hingga ratusan dolar per jam. Seiring meningkatnya penggunaan survei online, muncul juga masalah penyalahgunaan, termasuk pengisian jawaban palsu dan kini munculnya bot AI yang meniru manusia secara meyakinkan, membuat hasil survei menjadi tidak valid. Sean Westwood menciptakan sebuah chatbot menggunakan teknologi AI OpenAI yang mampu menjawab survei seperti manusia dengan melewati hampir semua tes deteksi, termasuk pertanyaan jebakan dan perhatian, dalam lebih dari 6.700 tes. Bot AI ini bisa menyimpan konsistensi jawaban dengan mengingat persona yang diberikan, seperti seorang wanita berusia 88 tahun, dan mampu menolak tugas yang hanya manusia sulit lakukan, sehingga lolos dari deteksi konvensional. Para ahli memperingatkan bahwa fenomena ini memicu krisis validitas ilmiah dalam riset survei, dan mendorong perusahaan penyedia survei untuk mengembangkan metode baru atau kembali ke survei tatap muka untuk memastikan keaslian data.