– Arief Prihantoro –
Tulisan melanjutkan tulisan sebelumnya
Setiap hari manusia berkomunikasi. Kita membaca berita, berdiskusi, mengikuti media sosial, mendengarkan pidato, atau sekadar berbincang dengan orang lain. Aktivitas tersebut tampak begitu biasa sehingga jarang dipertanyakan. Namun di balik kesederhanaannya, komunikasi menyimpan sebuah fenomena yang sesungguhnya sangat mendasar.
Bayangkan dua orang membaca berita yang sama pada pagi hari. Pada sore harinya mereka berdiskusi. Setelah diskusi selesai, keduanya tidak lagi memahami berita tersebut dengan cara yang sama seperti sebelum percakapan dimulai. Masing-masing membawa perspektif baru, menerima sebagian argumen, menolak sebagian lainnya, serta membangun interpretasi yang berbeda. Bahkan apabila berita yang sama dibaca kembali keesokan harinya, keduanya sering kali menghasilkan pemahaman yang telah berubah.
Fenomena serupa juga terjadi dalam kehidupan sehari-hari. Seseorang dapat mempertahankan suatu pendapat dengan penuh keyakinan pada awal diskusi, kemudian mengubah kesimpulannya setelah berdialog panjang atau membaca beberapa referensi tambahan. Yang menarik, perubahan tersebut tidak selalu terjadi karena muncul fakta baru. Sering kali perubahan justru lahir karena informasi yang telah dimiliki sebelumnya memperoleh makna baru ketika ditempatkan dalam konteks yang berbeda. Dengan kata lain, komunikasi tidak hanya menambah informasi, tetapi juga mengubah cara seseorang menginterpretasikan informasi yang telah dimilikinya.
Fenomena yang sama kini dapat diamati dengan sangat jelas pada sistem kecerdasan buatan generatif. Misalkan pada hari pertama seorang pengguna mengajukan sebuah pertanyaan kepada suatu model AI mengenai suatu isu tertentu. Model tersebut memberikan sebuah jawaban. Pada hari berikutnya, pengguna berdiskusi panjang dengan model yang sama mengenai berbagai topik lain yang mungkin tidak pernah menyebut isu awal secara eksplisit, tetapi memiliki keterkaitan makna dengannya. Ketika pada hari ketiga pertanyaan yang sama persis diajukan kembali—tanpa mengubah satu huruf pun—model dapat menghasilkan jawaban yang berbeda secara signifikan. Dalam banyak kasus, model bahkan mengaitkan jawabannya dengan percakapan yang terjadi sebelumnya.
Fenomena tersebut menjadi semakin menarik ketika diperluas pada sistem Agentic AI. Sekelompok agen kecerdasan buatan dapat saling bertukar representasi simbolik, mengevaluasi argumen, merevisi kesimpulan, menghasilkan dokumen baru, kemudian menggunakan dokumen tersebut sebagai masukan bagi agen lainnya. Setelah berlangsung beberapa putaran interaksi, keputusan kolektif yang muncul sering kali tidak lagi dapat dijelaskan hanya dari kondisi awal masing-masing agen. Seluruh sistem komunikasi tampak mengalami evolusi sebagai suatu kesatuan.
Apabila fenomena-fenomena tersebut diamati secara sepintas, kita cenderung mengatakan bahwa manusia atau AI “berubah pikiran”. Akan tetapi, ungkapan tersebut sesungguhnya hanya menjelaskan gejalanya, bukan mekanismenya. Pertanyaan ilmiah yang lebih mendasar adalah: apa sebenarnya yang berubah selama proses komunikasi berlangsung? Mengapa pertanyaan yang sama dapat menghasilkan jawaban yang berbeda, meskipun diajukan kepada agen yang sama? Mengapa komunikasi yang telah terjadi sebelumnya mampu memengaruhi cara suatu agen memahami komunikasi berikutnya?
Pertanyaan-pertanyaan tersebut menunjukkan bahwa komunikasi bukan sekadar proses perpindahan informasi dari satu pihak kepada pihak lain. Komunikasi juga merupakan proses yang secara terus-menerus mengubah kondisi para pelakunya. Setiap tindakan komunikasi menghasilkan perubahan yang kemudian menjadi titik awal bagi komunikasi berikutnya. Dengan demikian, komunikasi membentuk suatu sistem yang bersifat refleksif, yaitu sistem yang secara terus-menerus memengaruhi evolusinya sendiri melalui perubahan keadaan para agen yang terlibat di dalamnya.
Sampai pada titik ini, perhatian kita masih tertuju pada perubahan yang terjadi pada individu. Namun dalam kehidupan nyata, komunikasi tidak pernah berlangsung hanya pada satu atau dua orang. Jutaan individu melakukan proses serupa secara bersamaan, saling memengaruhi melalui jaringan komunikasi yang sangat kompleks. Oleh karena itu, pertanyaan yang lebih penting bukan lagi bagaimana seorang individu mengubah keyakinannya, melainkan bagaimana keseluruhan distribusi keadaan epistemik suatu populasi berevolusi sebagai akibat dari proses komunikasi yang berlangsung secara terus-menerus.
Pergeseran sudut pandang inilah yang menjadi titik awal Statistical Mechanics of Epistemic States (SMES). Sebagaimana mekanika statistik tidak berupaya menjelaskan lintasan setiap molekul secara individual, melainkan menjelaskan evolusi distribusi keadaan seluruh sistem, SMES juga tidak bertujuan memodelkan mekanisme internal bagaimana setiap individu membentuk keyakinannya. Fokus utama SMES adalah menjelaskan bagaimana distribusi keadaan epistemik suatu populasi berevolusi sebagai konsekuensi kolektif dari proses komunikasi.
Tulisan ini dibangun dari pertanyaan sederhana yang muncul dari fenomena sehari-hari tersebut. Dimulai dengan menunjukkan mengapa komunikasi secara inheren bersifat refleksif, kemudian menjelaskan bagaimana refleksivitas tersebut dapat dipandang sebagai suatu proses evolusi keadaan epistemik, sebelum akhirnya dirumuskan ke dalam suatu kerangka matematis yang memungkinkan dinamika komunikasi dipelajari secara sistematis. Dengan cara ini, komunikasi tidak lagi dipahami semata-mata sebagai perpindahan informasi, melainkan sebagai proses evolusi distribusi keadaan epistemik dalam suatu sistem yang dinamis dan refleksif.
Komunikasi sebagai Proses Refleksif
Mengapa komunikasi tidak pernah benar-benar selesai ketika percakapan berakhir?
Pertanyaan tersebut tampak sederhana. Dalam kehidupan sehari-hari kita sering menganggap suatu komunikasi telah selesai ketika pembicaraan berakhir, rapat ditutup, atau sebuah pesan telah diterima oleh lawan bicara. Namun, apabila diamati lebih saksama, justru setelah komunikasi berakhir proses yang paling penting sering kali baru dimulai.
Bayangkan seorang dosen sedang mengajar di kelas. Pada akhir perkuliahan, seorang mahasiswa mengajukan pertanyaan yang belum pernah dipikirkan sebelumnya oleh dosen tersebut. Pertanyaan itu mendorong sang dosen membaca kembali berbagai referensi, mempertimbangkan kembali argumennya, bahkan mengubah cara ia menjelaskan materi pada pertemuan berikutnya. Seminggu kemudian, mahasiswa angkatan berikutnya menerima penjelasan yang berbeda sebagai akibat dari satu pertanyaan yang muncul pada perkuliahan sebelumnya.
Sekilas, contoh tersebut tampak sangat sederhana. Akan tetapi, sesungguhnya telah terjadi sesuatu yang jauh lebih mendasar. Pertanyaan mahasiswa tidak hanya menghasilkan jawaban baru, tetapi juga menghasilkan dosen yang baru—bukan dalam arti biologis, melainkan dalam arti epistemik. Dosen yang telah mengalami perubahan itu kemudian menghasilkan komunikasi yang berbeda, dan komunikasi yang berbeda tersebut kembali mengubah mahasiswa berikutnya. Dengan demikian, hasil komunikasi pada suatu waktu menjadi penyebab bagi komunikasi pada waktu berikutnya.
Fenomena serupa dapat ditemukan hampir di setiap ruang komunikasi. Dua orang yang berdiskusi mengenai suatu isu publik mungkin memulai percakapan dengan pandangan yang saling bertentangan. Setelah berdialog, keduanya tidak selalu mencapai kesepakatan, tetapi hampir selalu keluar dari percakapan dengan cara memahami persoalan yang berbeda dibandingkan sebelumnya. Ketika mereka kembali berdiskusi beberapa hari kemudian, percakapan tersebut tidak pernah benar-benar dimulai dari titik awal yang sama, karena masing-masing telah membawa pengalaman komunikasi yang telah mengubah cara mereka menginterpretasikan simbol, argumen, maupun informasi baru.
Fenomena ini menjadi semakin jelas pada sistem kecerdasan buatan generatif. Seorang pengguna mengajukan suatu pertanyaan kepada model AI pada hari pertama dan memperoleh suatu jawaban. Pada hari berikutnya berlangsung serangkaian percakapan mengenai berbagai topik lain yang secara semantik saling berkaitan. Ketika pada hari ketiga pengguna kembali mengajukan pertanyaan yang sama persis—tanpa mengubah satu kata pun—model dapat menghasilkan jawaban yang berbeda secara signifikan. Yang berubah bukanlah representasi simboliknya, melainkan kondisi inferensi yang terbentuk melalui rangkaian komunikasi sebelumnya.
Pada sistem Agentic AI, fenomena tersebut bahkan berkembang menjadi proses kolektif. Sejumlah agen AI saling bertukar representasi simbolik, mengevaluasi hasil kerja satu sama lain, memperbaiki argumen, kemudian menghasilkan representasi baru yang kembali menjadi masukan bagi agen lainnya. Setelah beberapa putaran interaksi, keputusan kolektif yang dihasilkan tidak lagi dapat dijelaskan hanya dari kondisi awal masing-masing agen. Sistem komunikasi tersebut telah berkembang melalui hasil komunikasinya sendiri.
Apabila seluruh contoh tersebut dibandingkan, tampak suatu pola yang sama. Komunikasi tidak hanya menghasilkan representasi baru, tetapi juga menghasilkan kondisi baru bagi lahirnya representasi berikutnya. Setiap tindakan komunikasi mengubah keadaan para agen yang terlibat di dalamnya, sementara perubahan keadaan tersebut menjadi titik awal bagi komunikasi berikutnya. Akibatnya, komunikasi tidak pernah benar-benar kembali ke kondisi semula.
Dengan demikian, komunikasi bukanlah rangkaian peristiwa yang berdiri sendiri, melainkan suatu proses yang terus-menerus membentuk dirinya sendiri melalui mekanisme umpan balik (feedback). Keluaran dari satu putaran komunikasi menjadi bagian dari kondisi awal putaran berikutnya. Hubungan inilah yang membentuk suatu closed-loop system.
Diagram tersebut menunjukkan bahwa komunikasi tidak berkembang sebagai rangkaian sebab-akibat yang linier. Sebaliknya, komunikasi berkembang sebagai suatu proses sirkular yang secara terus-menerus memperbarui kondisi sistemnya sendiri.
Setiap putaran komunikasi mengubah keadaan epistemik para agen, sementara keadaan epistemik yang telah berubah tersebut menjadi dasar bagi proses komunikasi berikutnya. Dengan demikian, sejarah komunikasi tidak berada di luar sistem, melainkan terus terakumulasi melalui perubahan keadaan agen yang membentuk evolusi sistem secara keseluruhan.
Sampai pada titik ini, kita sebenarnya belum memerlukan teori apa pun untuk memahami fenomena tersebut. Refleksivitas muncul sebagai konsekuensi logis dari komunikasi itu sendiri. Selama komunikasi mampu mengubah keadaan agen, dan keadaan agen yang telah berubah memengaruhi komunikasi berikutnya, maka setiap sistem komunikasi yang berlangsung secara berulang akan secara alami membentuk mekanisme umpan balik terhadap dirinya sendiri. Dalam pengertian ini, refleksivitas bukanlah asumsi tambahan yang disisipkan ke dalam teori komunikasi, melainkan sifat inheren dari komunikasi sebagai suatu sistem dinamis.
Pertanyaan berikutnya kemudian menjadi sangat menarik. Jika refleksivitas merupakan konsekuensi logis dari komunikasi, mengapa berbagai disiplin ilmu menjelaskannya melalui istilah dan kerangka konseptual yang berbeda? Apakah semiotika, sibernetika orde kedua, teori sistem sosial, teori refleksivitas, maupun teori makna statistik sesungguhnya sedang mengamati fenomena yang sama dari sudut pandang yang berbeda?
Mengapa Refleksivitas Tidak Bertentangan dengan Asumsi Markovian?
Setelah memahami bahwa komunikasi merupakan suatu proses yang bersifat refleksif, muncul sebuah pertanyaan yang hampir tidak dapat dihindari. Jika setiap tindakan komunikasi dipengaruhi oleh komunikasi-komunikasi sebelumnya, bukankah komunikasi merupakan suatu proses yang bergantung pada sejarah (history-dependent process)? Apabila demikian, mengapa SMES masih menggunakan pendekatan Markovian yang sering dipahami sebagai proses “tanpa memori”?
Pertanyaan tersebut tampaknya berkaitan langsung dengan teori Markov. Namun sesungguhnya akar persoalannya terletak jauh lebih dalam. Sebelum bertanya apakah suatu sistem dapat dimodelkan secara Markovian, terlebih dahulu harus dijawab pertanyaan yang lebih mendasar: apa sebenarnya objek yang hendak dimodelkan?
Persoalan semacam ini tidak hanya dihadapi oleh ilmu komunikasi. Hampir seluruh cabang ilmu pengetahuan menghadapi dilema yang sama ketika berusaha membangun model terhadap sistem yang kompleks. Dunia nyata selalu jauh lebih kaya daripada model yang dapat kita bangun. Tidak ada model ilmiah yang mampu mempertahankan seluruh detail realitas secara utuh. Oleh karena itu, setiap proses pemodelan selalu diawali dengan abstraksi, yaitu memilih sejumlah variabel yang dianggap cukup untuk menjelaskan dinamika sistem tanpa harus membawa seluruh sejarah sistem tersebut ke dalam model.
Prinsip tersebut dapat ditemukan hampir di seluruh cabang fisika. Dalam mekanika klasik, gerak sebuah benda tidak dimodelkan dengan menyimpan seluruh lintasan yang pernah ditempuh sejak benda mulai bergerak. Yang digunakan adalah keadaan benda pada saat tertentu, misalnya posisi dan momentum. Demikian pula dalam termodinamika. Perilaku miliaran molekul gas tidak dijelaskan dengan melacak lintasan setiap molekul secara individual, melainkan melalui variabel keadaan seperti temperatur, tekanan, dan volume. Variabel-variabel tersebut tidak menghapus sejarah sistem, tetapi merepresentasikan keadaan sistem yang telah dibentuk oleh sejarah tersebut.
Pelajaran penting dari kedua contoh tersebut bukan terletak pada rumus-rumus fisikanya, melainkan pada cara ilmu pengetahuan membangun model. Model ilmiah tidak pernah berusaha mempertahankan seluruh sejarah sistem. Model ilmiah memilih variabel keadaan yang masih cukup untuk menjelaskan bagaimana sistem berevolusi. Dengan kata lain, pertanyaan yang relevan bukanlah apakah suatu model menyimpan seluruh detail masa lalu, melainkan apakah variabel keadaan yang dipilih masih mengandung informasi yang diperlukan untuk memprediksi evolusi sistem berikutnya.
Prinsip abstraksi inilah yang diadopsi oleh SMES. Tujuan SMES bukan merekonstruksi seluruh sejarah komunikasi setiap agen, melainkan menjelaskan bagaimana keadaan epistemik suatu populasi berubah akibat proses komunikasi. Oleh karena itu, yang dipilih sebagai objek pemodelan bukanlah keseluruhan sejarah komunikasi, melainkan keadaan epistemik (epistemic state) pada suatu waktu tertentu.
Pada titik ini, penting untuk membedakan dua konsep yang sering kali tercampur. Sejarah komunikasi adalah seluruh rangkaian interaksi yang pernah dialami suatu agen sepanjang hidupnya. Sebaliknya, keadaan epistemik adalah kondisi agen pada saat tertentu sebagai hasil dari sejarah komunikasi tersebut. Sejarah menjelaskan bagaimana keadaan itu terbentuk, sedangkan keadaan menjelaskan dari kondisi mana proses komunikasi berikutnya dimulai.
Perbedaan tersebut dapat dipahami melalui contoh sederhana. Bayangkan seseorang yang telah membaca ratusan buku selama hidupnya. Ketika ia membaca sebuah artikel baru hari ini, ia tidak membuka kembali seluruh buku yang pernah dibacanya. Namun demikian, seluruh pengalaman membaca tersebut tetap memengaruhi bagaimana ia memahami artikel yang sedang dibaca. Yang secara langsung bekerja bukanlah seluruh sejarah membaca, melainkan keadaan pengetahuannya pada saat itu. Sejarah tetap memiliki pengaruh, tetapi pengaruh tersebut hadir melalui keadaan yang telah dibentuk oleh sejarah itu sendiri.
Fenomena yang sama kini dapat diamati pada sistem kecerdasan buatan generatif. Seorang pengguna mengajukan suatu pertanyaan kepada model AI pada hari pertama dan memperoleh suatu jawaban. Selama dua hari berikutnya berlangsung berbagai percakapan lain yang mungkin hanya berkaitan secara tidak langsung dengan pertanyaan awal. Ketika pada hari ketiga pengguna kembali mengajukan pertanyaan yang sama persis, model dapat memberikan jawaban yang berbeda secara signifikan. Yang berubah bukanlah pertanyaannya, melainkan keadaan operasional model ketika melakukan inferensi. Riwayat komunikasi tetap berperan, tetapi pengaruhnya telah termanifestasi dalam keadaan sistem saat respons dihasilkan.
Dalam kerangka SMES, epistemic state didefinisikan pada dua tingkat yang saling melengkapi.
Secara fenomenologis, epistemic state adalah keadaan agen yang telah dibentuk oleh sejarah komunikasinya. Definisi ini membantu menjelaskan mengapa dua agen dapat menghasilkan interpretasi yang berbeda terhadap representasi simbolik yang sama.
Namun secara operasional, epistemic state adalah himpunan variabel keadaan yang cukup untuk menentukan bagaimana suatu agen menginterpretasikan representasi simbolik berikutnya. Definisi operasional ini menjadi dasar bagi pembangunan model matematis SMES, karena menjelaskan secara eksplisit apa yang berfungsi sebagai variabel keadaan di dalam model.
Baru setelah objek pemodelan tersebut ditetapkan, asumsi Markov memperoleh maknanya. Asumsi Markov tidak menyatakan bahwa komunikasi tidak memiliki sejarah. Yang diasumsikan adalah bahwa evolusi keadaan epistemik pada waktu berikutnya cukup ditentukan oleh keadaan epistemik saat ini, karena seluruh pengaruh sejarah yang masih relevan telah termanifestasi dalam keadaan tersebut. Dengan demikian, yang dimodelkan secara Markovian di dalam SMES bukanlah komunikasi sebagai rangkaian peristiwa, melainkan evolusi epistemic state.
Dari sudut pandang ini, refleksivitas dan asumsi Markov ternyata tidak saling bertentangan. Refleksivitas menjelaskan bagaimana komunikasi secara terus-menerus membentuk keadaan epistemik para agen melalui akumulasi pengalaman komunikasi. Sebaliknya, asumsi Markov menjelaskan bagaimana keadaan epistemik yang telah terbentuk tersebut berevolusi menuju keadaan berikutnya. Refleksivitas berbicara mengenai pembentukan keadaan (state formation), sedangkan Markov berbicara mengenai evolusi keadaan (state evolution). Keduanya bekerja pada tingkat konseptual yang berbeda, tetapi justru saling melengkapi dalam membangun kerangka matematis SMES.
Tangerang Selatan, 8 Juli 2026
