Arah riset lain: koloni semut, robot, dan penalaran di bawah ketidakpastian

Karya IDSIA lebih luas daripada jaringan saraf. Pada tahun 1990-an Luca Maria Gambardella, yang kemudian memimpin institut tersebut selama bertahun-tahun, dan Marco Dorigo mengembangkan “ant colony system”, sebuah metode optimisasi kombinatorial yang terilhami oleh perilaku semut, yang menemukan jalur pendek antara sarang dan sumber makanannya dengan meninggalkan dan mengikuti jejak kimiawi. Metode ini diterapkan pada masalah pedagang keliling (travelling salesman problem) dan pada penentuan rute kendaraan. Metode ini juga melahirkan salah satu perusahaan spin-off pertama institut tersebut, yang menawarkan optimisasi rute kepada perusahaan logistik dan distribusi.¹ Pada 1997 IDSIA tercatat di antara sepuluh laboratorium kecerdasan buatan teratas di dunia dan di antara empat teratas di bidang kecerdasan buatan yang terilhami biologi.² Laboratorium robotika menyusul pada 2007, dengan riset tentang robot yang belajar, robotika kawanan (swarm robotics), dan robot humanoid.³ Kelompok Marco Zaffalon menangani probabilitas tak presisi (imprecise probabilities) dan model grafis probabilistik, yaitu metode untuk bernalar dan mengambil keputusan dalam ketidakpastian ketika data yang tersedia tidak membenarkan satu distribusi probabilitas tunggal. Kelompok Cesare Alippi menangani pembelajaran dalam lingkungan non-stasioner, jaringan saraf graf, dan sistem tertanam cerdas.⁴

Beberapa jalur riset ini memiliki relevansi langsung bagi keuangan. Penalaran dalam ketidakpastian merupakan pokok bahasan manajemen risiko. Deteksi perubahan dalam aliran data, yang dalam literatur pembelajaran mesin dikenal sebagai concept drift, adalah masalah yang ditangani Otoritas Pengawas Pasar Keuangan Swiss (FINMA) ketika meminta lembaga-lembaga yang diawasinya memantau “data drift” dalam aplikasi kecerdasan buatan mereka, sebagaimana diuraikan di bawah.⁵ Metode optimisasi digunakan dalam penyusunan portofolio dan dalam alokasi agunan. Model rekuren dan model sekuens digunakan untuk menganalisis deret waktu harga dan transaksi. Institut tersebut telah melaksanakan proyek bersama perusahaan-perusahaan di kawasan itu. Para penelitinya juga telah mendirikan perusahaan rintisan. Yang paling dikenal adalah NNAISENSE, yang didirikan Schmidhuber pada 2014 untuk menggarap aplikasi komersial kecerdasan buatan di bidang-bidang seperti keuangan, industri berat, dan mobil swakemudi. Perusahaan tersebut menggambarkan tujuannya sebagai membangun kecerdasan buatan serba guna, meskipun belakangan Schmidhuber menyatakan bahwa fokusnya telah bergeser dari kecerdasan buatan umum (artificial general intelligence) ke pengelolaan aset, yang mendekatkannya pada pokok bahasan buku ini.⁶

Pengajaran dan etika pembelajaran mesin

IDSIA mengajar di kedua lembaga induknya. Institut ini berkontribusi pada program Bachelor of Science in Data Science and Artificial Intelligence di SUPSI, Master of Science in Engineering di SUPSI, dan Master of Science in Artificial Intelligence di USI.⁷ Institut ini juga berpartisipasi dalam perdebatan publik tentang etika kecerdasan buatan, dengan perhatian khusus pada transparansi dan keadilan (fairness) algoritma pembelajaran mesin.⁸ Keadilan dalam pengertian ini berarti tidak adanya diskriminasi yang tidak dapat dibenarkan dalam keluaran suatu model, misalnya dalam keputusan kredit, penetapan premi asuransi, atau seleksi pelamar kerja. Transparansi berarti bahwa cara kerja model dan hasilnya dapat dipahami oleh mereka yang menggunakannya dan oleh mereka yang terkena dampaknya. Kedua konsep tersebut sejak itu telah menjadi persyaratan hukum dalam Undang-Undang Kecerdasan Buatan Uni Eropa (UE/EU) dan harapan pengawasan dalam panduan FINMA tentang kecerdasan buatan, yang dibahas dalam bagian-bagian selanjutnya bab ini.

Bagi pusat keuangan, IDSIA merupakan sumber daya yang dimiliki oleh sedikit kota seukuran Lugano. Para peneliti dan lulusannya membentuk kumpulan keahlian yang dapat dimanfaatkan oleh bank, perusahaan asuransi, manajer aset, dan perusahaan teknologi, baik dengan merekrut lulusan maupun dengan menugaskan riset terapan. Sejarah panjang institut tersebut juga memberikan kredibilitas tertentu ketika kanton mempromosikan Ticino sebagai lokasi kecerdasan buatan. Namun, keliru jika dari keberhasilan akademik institut tersebut disimpulkan bahwa Lugano telah menjadi pusat komersial kecerdasan buatan. Pengembangan kecerdasan buatan berskala besar berlangsung di segelintir perusahaan Amerika dan Tiongkok serta, di Swiss, terutama di Zurich, tempat beberapa perusahaan teknologi besar memiliki pusat riset. Kontribusi IDSIA bagi pusat keuangan terletak pada pengetahuan, sumber daya manusia, dan proyek terapan.

Kesalahpahaman umum. Kadang dikatakan bahwa model bahasa besar modern “ditemukan di Lugano”. Pernyataan ini berlebihan. Arsitektur LSTM yang dikembangkan oleh Hochreiter dan Schmidhuber pada 1997 dan disempurnakan di IDSIA merupakan metode fundamental deep learning dan mendominasi pengenalan suara serta penerjemahan mesin pada pertengahan tahun 2010-an. Model bahasa besar saat ini didasarkan pada arsitektur transformer yang diterbitkan oleh para peneliti Google pada 2017. Karya IDSIA termasuk dalam sejarah metode-metode yang menjadi landasan model-model tersebut, dan institut ini tetap menjadi pusat riset yang penting, tetapi pengembangan komersial model bahasa besar berlangsung di tempat lain.

Catatan

1. Marco Dorigo dan Luca Maria Gambardella, “Ant Colony System: A Cooperative Learning Approach to the Traveling Salesman Problem”, IEEE Transactions on Evolutionary Computation 1 (1997), 53–66. ↩
2. Wikipedia, “Dalle Molle Institute for Artificial Intelligence Research” (di atas) (1997: “listed among the top ten artificial intelligence laboratories, and among the top four in the field of biologically-inspired AI”). ↩
3. Wikipedia, “Dalle Molle Institute” (di atas). ↩
4. USI, laman unit IDSIA, https://search.usi.ch/it/unita-organizzative/351, mencantumkan di antara bidang kompetensi institut tersebut “Graph deep learning”, “Apprendimento in ambienti non stazionari” dan “Sistemi integrati e ciberfisici”. ↩
5. FINMA, Panduan 08/2024 “Governance and risk management when using artificial intelligence” (18 Desember 2024), bagian 2.4, https://www.finma.ch/en/~/media/finma/dokumente/dokumentencenter/myfinma/ 4dokumentation/finma-aufsichtsmitteilungen/20241218-finma-aufsichtsmitteilung-08-2024.pdf. ↩
6. Schmidhuber, laman pribadi (di atas) (Chief Scientist NNAISENSE, “which aims at building the first practical general purpose AI”); Wikipedia, “Jürgen Schmidhuber” (di atas) (“In 2014, Schmidhuber formed a company, NNAISENSE, to work on commercial applications of artificial intelligence in fields such as finance, heavy industry and self-driving cars”; “as of 2026 he has said that the focus of NNAISENSE has shifted from artificial general intelligence to asset management”), dirujuk sebagai upaya terakhir. ↩
7. SUPSI, IDSIA, “Istituto” (di atas). ↩
8. SUPSI, IDSIA, “Istituto” (di atas) (“ethical artificial intelligence, with a particular focus on the transparency and fairness of machine learning algorithms”). ↩

Hanya untuk informasi umum. Artikel ini bukan merupakan nasihat hukum atau pajak, tidak menggantikan nasihat atas kasus individual, dan tidak menimbulkan hubungan antara advokat dan klien. Artikel ini mencerminkan keadaan hukum per Oktober 2026.