Masyarakat Informatika Sosial Indonesia

– Arief Prihantoro –

Ketika Bahasa Berhasil Ditulis dalam Bahasa Matematika

Setiap hari manusia menggunakan bahasa tanpa pernah merasa sedang berhadapan dengan sebuah keajaiban intelektual. Sejak bangun tidur hingga kembali memejamkan mata, hampir seluruh aktivitas sosial berlangsung melalui bahasa. Seseorang membaca berita sambil menikmati secangkir kopi, membalas pesan singkat di telepon genggam, mengikuti rapat daring, berdiskusi dengan rekan kerja, bercanda dengan keluarga, hingga menutup hari dengan menonton tayangan yang seluruh narasinya dibangun melalui rangkaian kata. Bahasa hadir begitu dekat dengan kehidupan sehingga keberadaannya nyaris tidak pernah dipertanyakan. Ia terasa alami, seolah-olah memang demikian adanya.

Keakraban itu justru membuat satu hal penting luput dari perhatian. Kita mengetahui kapan sebuah kalimat terdengar janggal, tetapi hampir tidak pernah mampu menjelaskan secara spontan mengapa kalimat itu janggal. Kita dapat membedakan mana ucapan yang tulus dan mana yang sekadar basa-basi, meskipun kata-kata yang digunakan sering kali hampir sama. Kita memahami ironi tanpa harus diberi penjelasan bahwa lawan bicara sedang mengatakan sesuatu yang bertentangan dengan maksud sebenarnya. Bahkan ketika seseorang mengucapkan sebuah kalimat yang belum pernah kita dengar sebelumnya, kita hampir selalu dapat menangkap maknanya tanpa merasa sedang melakukan proses berpikir yang rumit.

Seluruh kemampuan tersebut berlangsung begitu cepat sehingga bahasa tampak lebih menyerupai naluri daripada hasil kerja intelektual. Padahal, jika diamati lebih cermat, setiap percakapan sesungguhnya merupakan rangkaian proses yang luar biasa kompleks. Ketika mendengar sebuah kalimat, manusia tidak sekadar mengenali bunyi, kemudian mencocokkannya dengan arti setiap kata di dalam kamus. Otak secara hampir seketika menghubungkan kata-kata itu dengan pengalaman sebelumnya, memperkirakan konteks pembicaraan, mengenali hubungan antarkalimat, membaca situasi sosial, bahkan menafsirkan maksud yang tidak pernah diucapkan secara eksplisit. Semua itu terjadi dalam hitungan detik tanpa pernah kita sadari.

Justru karena berlangsung begitu alami, bahasa selama ribuan tahun lebih sering diperlakukan sebagai bagian dari kehidupan daripada sebagai sebuah persoalan ilmiah. Orang belajar berbicara, belajar menulis, belajar berpidato, belajar menyusun puisi, bahkan belajar menggunakan bahasa untuk memengaruhi orang lain. Namun sangat sedikit yang bertanya mengapa bahasa mampu melakukan semua itu. Bahasa dipraktikkan jauh lebih lama daripada dipahami.

Keadaan tersebut berbeda dengan hampir seluruh objek ilmu pengetahuan lainnya. Gerak planet dipelajari karena manusia ingin memahami langit. Perubahan zat dipelajari karena manusia ingin memahami materi. Organ tubuh dipelajari karena manusia ingin memahami kehidupan. Akan tetapi, bahasa justru telah digunakan secara intensif selama ribuan tahun sebelum manusia benar-benar mulai mempertanyakan struktur yang membuatnya bekerja. Paradoks ini menarik. Semakin dekat sesuatu dengan kehidupan sehari-hari, sering kali semakin lama pula ia luput dari perhatian ilmiah.

Perubahan mulai terjadi ketika bahasa tidak lagi dipandang sekadar sebagai sarana berbicara, melainkan sebagai objek kajian. Para filsuf bertanya bagaimana kata-kata berhubungan dengan dunia yang dirujuknya. Para linguis mencoba memahami mengapa ribuan bahasa yang berbeda ternyata memiliki keteraturan tertentu. Para ahli retorika mempelajari bagaimana susunan kalimat mampu mengubah cara seseorang berpikir. Sementara itu, para semiotikus memperlihatkan bahwa manusia sesungguhnya tidak pernah berhubungan langsung dengan realitas, melainkan selalu melalui sistem tanda yang dibangun secara sosial dan kultural.

Ketika membahas semiotika, perhatian diarahkan pada bagaimana makna tidak pernah melekat secara alamiah pada sebuah tanda, tetapi selalu lahir melalui proses interpretasi. Dalam serial mengenai Umberto Eco, persoalan tersebut berkembang lebih jauh. Makna ternyata tidak berhenti pada satu penafsiran yang final, melainkan terus bergerak melalui jaringan interpretasi yang saling berhubungan. Sebelum manusia memberi makna kepada dunia, manusia terlebih dahulu mengenali pola-pola yang dianggap bermakna. Fenomena ini dikenal dengan istilah Gestalt. Hal ini berangkat dari satu asumsi yang sama, yaitu bahwa komunikasi bukan sekadar perpindahan informasi, melainkan proses pembentukan makna.

“Jika bahasa memang merupakan sistem yang begitu kaya, begitu lentur, dan begitu bergantung pada konteks, bagaimana mungkin sebuah mesin akhirnya mampu menggunakannya?”

Pertanyaan ini terdengar sangat kontemporer karena segera mengingatkan kita pada ChatGPT, Gemini, Claude, atau berbagai Large Language Models lainnya. Namun sesungguhnya persoalan tersebut jauh lebih tua daripada teknologi AI modern. Bahkan, pertanyaan itu telah muncul jauh sebelum istilah Artificial Intelligence diperkenalkan pada pertengahan abad kedua puluh.

Di sinilah sejarah AI biasanya mulai disederhanakan. Tidak sedikit narasi yang menggambarkan perkembangan AI sebagai rangkaian inovasi teknologi: komputer menjadi semakin cepat, kapasitas penyimpanan meningkat, algoritma semakin canggih, data semakin melimpah, lalu lahirlah sistem yang mampu berdialog menggunakan bahasa manusia.

Narasi semacam itu memang tidak sepenuhnya keliru, tetapi ia hanya menjelaskan bagaimana AI berkembang, bukan mengapa perkembangan itu menjadi mungkin.

Pertanyaan “mengapa” membawa kita kepada persoalan yang sama sekali berbeda. Komputer dapat dibuat semakin cepat, tetapi kecepatan tidak serta-merta membuatnya memahami bahasa. Jumlah data dapat diperbesar berkali-kali lipat, tetapi data tidak otomatis mengubah kata-kata menjadi sesuatu yang dapat diproses secara komputasional. Sebelum semua itu terjadi, terlebih dahulu harus muncul sebuah perubahan yang jauh lebih mendasar: manusia harus mengubah cara memandang bahasa itu sendiri.

Inilah titik yang sering terlewatkan ketika sejarah AI hanya dibaca sebagai sejarah teknologi.

Revolusi terbesar bukan pertama-tama terjadi pada komputer, melainkan pada cara berpikir manusia mengenai bahasa. Selama bahasa dipahami semata-mata sebagai ekspresi budaya, karya sastra, atau alat komunikasi sehari-hari, hampir tidak ada alasan untuk membayangkan bahwa suatu hari nanti ia dapat menjadi objek komputasi.

Agar mesin dapat memproses bahasa, manusia terlebih dahulu harus menerima kemungkinan yang pada zamannya terdengar hampir mustahil: bahwa bahasa dapat direpresentasikan secara formal, dianalisis secara logis, bahkan ditulis menggunakan bahasa matematika .

Kalimat terakhir itu mungkin terdengar ganjil. Bukankah bahasa dan matematika justru berada di dua dunia yang berbeda? Yang satu penuh metafora, ambiguitas, dan konteks. Yang lain menuntut kepastian, konsistensi, dan definisi yang tegas.

Bagaimana mungkin keduanya bertemu?

Pertanyaan itulah yang akan membawa kita memasuki salah satu perubahan intelektual paling penting pada abad kedua puluh. Perubahan tersebut tidak dimulai di laboratorium kecerdasan buatan, tidak pula lahir dari perusahaan teknologi. Ia justru muncul dari perdebatan panjang di antara para filsuf bahasa, ahli logika, dan linguis yang sedang bergulat dengan sebuah persoalan yang tampaknya sangat jauh dari dunia komputasi:

dapatkah bahasa manusia dipahami dengan ketelitian yang sama seperti matematika memahami bilangan?

Ketika Bahasa Menolak Diperlakukan seperti Matematika

Jika persoalannya hanya membuat komputer menyimpan kata-kata, tantangan itu sesungguhnya tidak terlalu sulit. Sebuah kamus dapat diubah menjadi basis data. Jutaan dokumen dapat disimpan di dalam media penyimpanan digital. Komputer bahkan dapat menemukan kembali sebuah kata dalam waktu yang jauh lebih cepat daripada manusia membolak-balik halaman kamus. Namun tidak seorang pun akan mengatakan bahwa komputer telah memahami bahasa hanya karena mampu menyimpan atau menemukan kembali kata-kata tersebut.

Persoalan sesungguhnya baru muncul ketika bahasa tidak lagi dipahami sebagai kumpulan kata, melainkan sebagai pembawa makna. Dua kalimat yang menggunakan kata-kata berbeda dapat menyampaikan maksud yang sama. Sebaliknya, dua kalimat yang tersusun dari kata-kata yang sama dapat menghasilkan makna yang sangat berbeda ketika diucapkan dalam konteks yang berlainan. Di titik inilah bahasa mulai memperlihatkan sifatnya yang unik. Makna tidak pernah tinggal di dalam kata secara terpisah, melainkan lahir melalui hubungan antarkata, hubungan dengan konteks, serta hubungan dengan pengetahuan yang telah dimiliki oleh para pelaku komunikasi.

Persoalan tersebut sesungguhnya bukan baru muncul ketika komputer mulai dikembangkan. Jauh sebelum para ilmuwan berbicara mengenai Natural Language Processing, para filsuf telah bergulat dengan pertanyaan yang hampir sama. Bagaimana mungkin rangkaian bunyi atau tulisan dapat merujuk kepada sesuatu yang berada di luar dirinya? Mengapa kata pohon dapat membuat orang membayangkan objek yang relatif sama, padahal tidak ada hubungan alamiah antara bunyi po-hon dengan pohon yang sesungguhnya tumbuh di alam? Pertanyaan semacam ini kemudian berkembang menjadi salah satu persoalan klasik dalam filsafat bahasa dan semiotika.

Di dalam artikel serial sebelumnya “Membaca AI melalui Umberto Eco“, persoalan tersebut telah dibahas melalui konsep tanda dan proses interpretasi. Eco memperlihatkan bahwa makna bukanlah sesuatu yang menempel secara permanen pada sebuah tanda. Makna terus bergerak melalui jaringan interpretasi yang tidak pernah benar-benar berhenti. Justru karena itu, bahasa selalu terbuka terhadap kemungkinan penafsiran baru. Apa yang dipahami seseorang hari ini belum tentu identik dengan apa yang dipahami orang lain besok, meskipun kata-kata yang digunakan sama.

Di sinilah muncul sebuah paradoks yang menarik. Semakin dalam manusia memahami bagaimana bahasa bekerja, semakin jelas pula bahwa bahasa tampaknya tidak mungkin diperlakukan seperti matematika. Sebuah persamaan matematika akan menghasilkan nilai yang sama selama aturan perhitungannya tidak berubah. Akan tetapi, sebuah kalimat dapat menghasilkan makna yang berbeda hanya karena berpindah situasi. Kalimat “Rumahnya besar” dapat menjadi pujian ketika diucapkan oleh seorang tamu, tetapi dapat pula menjadi sindiran ketika diucapkan oleh petugas pajak. Kata-katanya tidak berubah. Yang berubah hanyalah konteksnya.

Paradoks ini membuat bahasa seolah-olah menolak setiap upaya formalisasi. Di satu sisi, manusia dapat menggunakan bahasa secara sangat teratur sehingga jutaan orang mampu saling memahami tanpa perlu menyusun aturan baru setiap kali berbicara. Di sisi lain, keteraturan tersebut selalu disertai fleksibilitas yang tampaknya tidak mungkin direduksi menjadi seperangkat rumus yang kaku. Bahasa sekaligus teratur dan lentur. Ia memiliki pola, tetapi pola itu tidak pernah bekerja secara mekanis.

Keadaan inilah yang selama bertahun-tahun membuat banyak ilmuwan beranggapan bahwa bahasa alami berbeda secara prinsip dari bahasa formal seperti matematika atau logika simbolik. Matematika memperoleh kekuatannya justru karena berhasil menghilangkan ambiguitas. Setiap simbol memiliki definisi yang jelas, setiap operasi mengikuti aturan yang pasti, dan setiap kesimpulan dapat ditelusuri kembali melalui langkah-langkah inferensi yang eksplisit. Bahasa manusia tampak bergerak ke arah yang sebaliknya. Ambiguitas bukan sekadar kelemahan yang harus dihilangkan, melainkan bagian dari kekayaan ekspresinya.

Pandangan tersebut bukan hanya berkembang di kalangan filsuf, tetapi juga memengaruhi cara dunia ilmiah membagi wilayah pengetahuan. Matematika berkembang sebagai bahasa ilmu-ilmu eksakta karena dianggap mampu menghasilkan kepastian yang tinggi. Sebaliknya, bahasa alami lebih banyak dipelajari dalam ranah humaniora karena dipandang tidak dapat dipisahkan dari sejarah, kebudayaan, dan pengalaman manusia. Pembagian ini berlangsung begitu lama sehingga hampir tidak ada yang mempertanyakan batas di antara keduanya. Seolah-olah memang telah menjadi hukum alam bahwa matematika berada di satu sisi, sedangkan bahasa berada di sisi yang lain.

Namun sejarah ilmu pengetahuan hampir selalu bergerak melalui keberanian mempertanyakan batas-batas yang sebelumnya dianggap tidak mungkin dilampaui. Apa yang selama puluhan tahun diterima sebagai pemisahan yang wajar, pada suatu ketika dapat berubah menjadi persoalan baru. Bukan karena objeknya berubah, melainkan karena cara manusia memandang objek tersebut mulai bergeser.

Perubahan itu mulai terasa ketika para ahli logika modern tidak lagi memandang logika sekadar sebagai alat berdebat, tetapi sebagai sistem formal yang memiliki struktur matematis. Di tangan Gottlob Frege, logika berkembang menjadi bahasa simbolik yang jauh lebih presisi dibandingkan logika Aristotelian yang telah bertahan selama lebih dari dua ribu tahun. Bertrand Russell dan Alfred North Whitehead kemudian menunjukkan bahwa bahkan matematika sendiri dapat dibangun di atas fondasi logika formal. Beberapa dekade berikutnya, Alfred Tarski mengembangkan analisis mengenai konsep kebenaran di dalam bahasa formal dengan ketelitian yang sebelumnya sulit dibayangkan.

Akan tetapi, seluruh perkembangan tersebut masih berhenti pada satu wilayah yang sama. Yang berhasil dijelaskan adalah bahasa formal—bahasa yang memang sejak awal dirancang agar tidak ambigu. Belum seorang pun benar-benar berani mengatakan bahwa bahasa yang digunakan manusia dalam kehidupan sehari-hari dapat diperlakukan dengan cara yang sama.

Di sinilah sesungguhnya muncul pertanyaan yang mengubah arah sejarah. Bukan lagi “bagaimana logika bekerja?”, melainkan “apakah bahasa manusia sendiri memiliki keteraturan yang cukup untuk dijelaskan melalui logika?”

Pertanyaan ini tampak sederhana. Namun jika jawabannya tidak, maka impian membangun mesin yang memahami bahasa sejak awal sebenarnya sudah harus ditinggalkan. Sebaliknya, jika jawabannya ya, maka seluruh cara manusia memandang bahasa harus berubah. Bahasa tidak lagi sekadar dipahami sebagai produk budaya, melainkan juga sebagai struktur formal yang dapat direpresentasikan secara eksplisit.

Namun sebelum melihat bagaimana Montague membangun argumennya, kita perlu memahami terlebih dahulu mengapa gagasan tersebut dianggap begitu radikal pada zamannya. Sebab yang sedang dipertaruhkan bukan sekadar sebuah teori linguistik baru, melainkan perubahan cara dunia ilmiah memahami hakikat bahasa itu sendiri.

Ketika Seseorang Berani Mengatakan bahwa Bahasa Manusia Dapat Diperlakukan seperti Logika

Hampir seluruh revolusi ilmiah dimulai dari keberanian mempertanyakan sesuatu yang sebelumnya dianggap tidak perlu dipertanyakan. Bukan karena semua orang salah, melainkan karena sebuah asumsi telah diterima begitu lama sehingga berubah menjadi sesuatu yang tampak alamiah. Ketika Nicolaus Copernicus mengusulkan bahwa bumi mengelilingi matahari, ia tidak sedang memperlihatkan teleskop yang lebih canggih daripada para pendahulunya. Yang ia ubah adalah cara memandang alam semesta. Demikian pula Charles Darwin. Yang mengguncang dunia bukan semata-mata kumpulan data biologinya, melainkan perubahan cara memahami kehidupan.

Richard Montague melakukan sesuatu yang serupa terhadap bahasa.

Pada akhir dekade 1960-an hingga awal 1970-an, sebagian besar filsuf maupun linguis masih menerima pemisahan yang cukup tegas antara bahasa formal dan bahasa alami. Bahasa logika dipandang sebagai sistem simbol yang sengaja dirancang agar bebas dari ambiguitas, sedangkan bahasa manusia diterima sebagai sesuatu yang terlalu kaya untuk dipaksa tunduk kepada aturan formal yang sama. Pemisahan tersebut tampak masuk akal. Bahkan dapat dikatakan hampir menjadi konsensus.

Montague justru memulai dari arah yang berlawanan.

Ia mempertanyakan asumsi yang tidak lagi dipertanyakan oleh orang lain.

Apakah benar terdapat perbedaan teoretis yang begitu mendasar antara bahasa logika dan bahasa manusia?

Pertanyaan itu mungkin terdengar sederhana. Akan tetapi, jika direnungkan lebih jauh, konsekuensinya sangat besar. Sebab apabila jawabannya adalah tidak, maka selama ini dunia akademik sesungguhnya telah memelihara sebuah batas yang mungkin sebenarnya tidak pernah ada.

Dalam salah satu artikelnya yang kemudian menjadi sangat berpengaruh, Montague menulis sebuah kalimat yang hingga hari ini hampir selalu dikutip ketika membahas semantik formal.

“There is in my opinion no important theoretical difference between natural languages and the artificial languages of logicians.”

Kalimat tersebut sering diterjemahkan secara bebas sebagai berikut:

Menurut saya, tidak terdapat perbedaan teoretis yang penting antara bahasa alami dan bahasa formal yang digunakan para logikawan.

Kalimat itu hanya terdiri atas beberapa baris, tetapi dampaknya sangat besar. Yang sedang dipersoalkan Montague bukan tata bahasa, bukan pula kosakata. Ia sedang mempertanyakan cara manusia membagi dunia pengetahuan.

Selama ini bahasa seolah-olah dipaksa memilih salah satu dari dua dunia. Jika ingin presisi, gunakan matematika. Jika ingin berbicara mengenai pengalaman manusia, gunakan bahasa alami. Seolah-olah keduanya memang tidak mungkin dipertemukan.

Montague menolak dikotomi tersebut.

Namun penting untuk berhati-hati membaca pernyataannya. Di sinilah banyak penyederhanaan sering terjadi.

Montague tidak pernah mengatakan bahwa bahasa manusia identik dengan matematika.

Ia juga tidak pernah mengatakan bahwa seluruh kekayaan bahasa dapat direduksi menjadi rumus-rumus logika.

Apabila demikian yang ia maksud, tentu teorinya akan segera runtuh. Bahasa manusia memang terlalu kaya untuk direduksi menjadi sekadar simbol-simbol formal.

Yang sesungguhnya ingin ia tunjukkan jauh lebih subtil.

Bahasa alami memang penuh ambiguitas, metafora, dan konteks. Akan tetapi, keberadaan seluruh karakteristik tersebut tidak berarti bahwa bahasa sama sekali tidak mempunyai struktur formal. Sebaliknya, justru karena manusia dapat saling memahami melalui jutaan kalimat yang belum pernah mereka dengar sebelumnya, harus terdapat keteraturan tertentu yang membuat proses itu mungkin terjadi.

Dengan kata lain, Montague menggeser fokus persoalan.

Pertanyaannya bukan lagi,

“Apakah bahasa memiliki ambiguitas?”

Semua orang sudah mengetahui jawabannya.

Pertanyaannya berubah menjadi,

“Apakah di balik seluruh ambiguitas itu masih terdapat struktur yang dapat dijelaskan secara formal?”

Perubahan kecil pada cara bertanya ini ternyata mengubah arah penelitian selama puluhan tahun berikutnya.

Sebab apabila jawabannya ya, maka bahasa tidak lagi sekadar menjadi objek deskripsi linguistik. Bahasa mulai dapat diperlakukan sebagai objek pemodelan.

Perhatikan perubahan istilah tersebut.

Deskripsi dan pemodelan bukanlah kegiatan ilmiah yang sama.

Deskripsi berusaha menjelaskan bagaimana sesuatu bekerja.

Pemodelan berusaha membangun representasi formal sehingga mekanisme tersebut dapat dianalisis, diuji, bahkan dikembangkan lebih lanjut.

Perubahan dari deskripsi menuju pemodelan merupakan salah satu ciri paling penting dalam perkembangan ilmu pengetahuan modern. Fisika berkembang pesat ketika hukum-hukum alam mulai dimodelkan secara matematis. Ekonomi berkembang ketika berbagai fenomena pasar mulai direpresentasikan dalam model formal. Demikian pula biologi modern, yang semakin banyak menggunakan pendekatan komputasional untuk memahami sistem kehidupan.

Montague mengusulkan bahwa bahasa pun dapat bergerak ke arah yang sama.

Di sinilah letak revolusi yang sebenarnya.

Sering kali orang mengatakan bahwa Montague menciptakan Formal Semantics. Pernyataan tersebut memang tidak sepenuhnya keliru, tetapi juga tidak sepenuhnya menggambarkan apa yang sesungguhnya terjadi. Yang lebih penting bukanlah lahirnya sebuah cabang ilmu baru, melainkan berubahnya status epistemologis bahasa itu sendiri.

Untuk pertama kalinya, bahasa tidak lagi hanya dipelajari sebagai fenomena budaya, sastra, atau komunikasi. Bahasa mulai diperlakukan sebagai objek formal yang dapat direpresentasikan secara eksplisit menggunakan perangkat logika matematika.

Perubahan status inilah yang jauh lebih penting daripada sekadar lahirnya sebuah teori baru.

Sebab sejak saat itu, muncul kemungkinan yang sebelumnya hampir tidak pernah dibayangkan. Jika struktur makna dapat direpresentasikan secara formal, bukankah representasi tersebut suatu hari nanti juga dapat diproses oleh mesin?

Sampai pada titik ini, komputer bahkan belum menjadi tokoh utama cerita.

Yang berubah terlebih dahulu adalah cara manusia memahami bahasa.

Komputer baru memperoleh kemungkinan untuk memproses bahasa setelah perubahan intelektual tersebut terjadi.

Dengan demikian, ketika hari ini kita menyaksikan Large Language Models mampu menghasilkan paragraf yang koheren, sesungguhnya kita sedang melihat konsekuensi yang sangat jauh dari sebuah perubahan cara berpikir yang terjadi lebih dari setengah abad yang lalu. Revolusi komputasi memang berlangsung di laboratorium-laboratorium ilmu komputer. Namun revolusi yang membuat bahasa menjadi mungkin untuk dikomputasikan justru dimulai dari perdebatan di ruang-ruang filsafat bahasa dan logika.

Akan tetapi, perubahan tersebut segera menghadapi persoalan baru yang tidak kalah mendasar. Meskipun bahasa kini mulai dapat direpresentasikan secara formal, representasi formal belum berarti bahasa dapat diproses secara efisien oleh komputer. Sebuah model logika mungkin sangat elegan secara filosofis, tetapi bagaimana mesin harus menggunakannya ketika berhadapan dengan jutaan kalimat yang terus diproduksi manusia setiap hari?

Di sinilah sejarah kembali memperlihatkan sifatnya yang tidak pernah bergerak lurus. Jawaban terhadap persoalan itu ternyata tidak datang dari filsafat bahasa, melainkan dari arah yang sama sekali berbeda—dari seorang insinyur yang sedang berusaha menghitung kapasitas saluran telepon, bukan menjelaskan makna bahasa.

Ketika Makna Mulai Memiliki Struktur

Apabila diperhatikan dengan lebih saksama, gagasan Richard Montague sesungguhnya tidak dimulai dari pertanyaan bagaimana membuat komputer memahami bahasa. Persoalan yang dihadapinya jauh lebih mendasar daripada itu. Ia ingin mengetahui apakah proses manusia membangun makna melalui bahasa memiliki keteraturan yang cukup sehingga dapat dijelaskan secara formal.

Pertanyaan tersebut tampak sederhana, tetapi sesungguhnya menyentuh inti persoalan komunikasi. Selama ini kita terbiasa menganggap makna sebagai sesuatu yang “muncul begitu saja” ketika sebuah kalimat diucapkan. Seseorang mengatakan “Pintu itu terbuka”, lalu pendengar memahami maksudnya. Proses itu berlangsung begitu cepat sehingga seolah-olah makna memang telah melekat pada kalimat tersebut sejak awal.

Padahal, apabila direnungkan lebih dalam, sebuah kalimat tidak pernah hadir sebagai satu kesatuan yang utuh. Kalimat selalu tersusun dari bagian-bagian yang lebih kecil. Kata membentuk frasa, frasa membentuk klausa, kemudian berkembang menjadi kalimat yang lebih kompleks. Yang menarik, manusia hampir tidak pernah mengalami kesulitan mengikuti proses penyusunan tersebut. Ketika membaca sebuah kalimat yang panjang sekalipun, kita tidak menunggu hingga titik terakhir untuk mulai memahami maknanya. Sejak kata pertama muncul, otak mulai membangun dugaan, memperbaiki interpretasi, kemudian mengintegrasikan seluruh unsur itu menjadi satu pemahaman yang relatif utuh.

Fenomena tersebut mengandung implikasi yang sangat penting. Jika makna sebuah kalimat dapat dipahami secara bertahap melalui penyusunan bagian-bagian yang lebih kecil, berarti makna tidak muncul secara acak. Ada mekanisme tertentu yang membuat keseluruhan makna dapat dibangun dari hubungan antarbagiannya.

Di sinilah salah satu gagasan paling penting dalam semantik formal memperoleh bentuknya. Makna sebuah kalimat tidak dipandang sebagai sesuatu yang berdiri sendiri, melainkan sebagai hasil komposisi dari unsur-unsur penyusunnya. Dalam tradisi linguistik formal, gagasan ini kemudian dikenal sebagai prinsip komposisionalitas (principle of compositionality): makna keseluruhan bergantung pada makna bagian-bagiannya serta cara bagian-bagian tersebut disusun.

Sekilas prinsip ini tampak hampir seperti pernyataan yang tidak perlu dibahas. Bukankah memang demikian cara bahasa bekerja?

Justru di situlah letak revolusinya.

Sebelum prinsip tersebut dirumuskan secara formal, banyak orang menerima kenyataan bahwa manusia dapat memahami kalimat tanpa benar-benar mengetahui mekanisme yang memungkinkan proses itu terjadi. Komposisionalitas mengubah keadaan tersebut. Untuk pertama kalinya muncul kemungkinan bahwa pembentukan makna bukan sekadar pengalaman psikologis, melainkan sebuah proses yang memiliki struktur dan aturan yang dapat dijelaskan secara eksplisit.

Perubahan cara pandang ini memiliki konsekuensi yang sangat besar. Jika makna dapat dibangun secara sistematis melalui hubungan antarbagian, maka bahasa tidak lagi sekadar menjadi kumpulan ekspresi yang harus dihafalkan satu per satu. Bahasa berubah menjadi sebuah sistem generatif. Dari sejumlah aturan yang relatif terbatas, manusia mampu menghasilkan dan memahami jumlah kalimat yang secara praktis tidak terbatas.

Fenomena inilah yang sesungguhnya telah lama menjadi salah satu misteri terbesar dalam linguistik. Seorang anak tidak pernah mendengar seluruh kemungkinan kalimat dalam bahasanya. Namun ketika dewasa, ia mampu memahami kalimat-kalimat baru yang belum pernah didengarnya sama sekali. Kemampuan tersebut menunjukkan bahwa manusia tidak menghafal bahasa sebagai daftar kalimat, melainkan menguasai seperangkat mekanisme yang memungkinkan makna terus dibangun dari kombinasi-kombinasi baru.

Montague melihat persoalan itu bukan sebagai misteri psikologis, melainkan sebagai persoalan representasi formal. Jika manusia mampu membangun makna melalui struktur yang teratur, maka struktur tersebut semestinya dapat direpresentasikan secara eksplisit menggunakan perangkat logika. Di sinilah logika tidak lagi berfungsi sekadar sebagai alat menarik kesimpulan yang benar, melainkan sebagai bahasa formal untuk merepresentasikan hubungan antarmakna.

Perhatikan perubahan orientasi ini.

Logika tidak dipakai untuk menggantikan bahasa manusia.

Logika dipakai untuk merepresentasikan cara bahasa membangun makna.

Perbedaan ini sangat penting karena sering kali terabaikan dalam berbagai pembahasan populer mengenai semantik formal. Montague tidak pernah mengusulkan agar manusia berbicara menggunakan simbol-simbol logika. Yang ia usulkan adalah sesuatu yang jauh lebih subtil: di balik bahasa yang tampak alami, terdapat struktur makna yang dapat dinyatakan secara formal tanpa harus menghilangkan kekayaan ekspresinya.

Di sinilah bahasa mulai mengalami perubahan status epistemologis. Sebelumnya bahasa lebih banyak dipelajari sebagai objek interpretasi. Kini bahasa juga mulai dipahami sebagai objek representasi. Pergeseran ini mungkin terdengar sebagai perubahan istilah belaka, padahal sesungguhnya ia mengubah seluruh arah penelitian berikutnya. Sebab sesuatu hanya dapat diproses secara komputasional apabila terlebih dahulu memiliki bentuk representasi yang cukup eksplisit.

Di dalam ilmu komputer, perubahan semacam ini bukanlah hal yang asing. Gambar baru dapat diproses setelah direpresentasikan sebagai susunan piksel. Suara baru dapat diproses setelah direpresentasikan sebagai sinyal digital. Demikian pula bahasa. Sebelum mesin dapat melakukan operasi apa pun terhadap bahasa, terlebih dahulu harus tersedia cara untuk merepresentasikan struktur makna secara sistematis.

Di sinilah, untuk pertama kalinya dalam sejarah modern, bahasa memperoleh kemungkinan untuk diperlakukan sebagai objek komputasi.

Namun penting untuk tidak terburu-buru menarik kesimpulan.

Kemungkinan diperlakukan sebagai objek komputasi bukan berarti bahasa telah berhasil dikomputasikan.

Representasi formal hanyalah syarat awal, bukan tujuan akhir.

Bahasa memang mulai dapat ditulis dalam bahasa matematika, tetapi komputer masih menghadapi persoalan yang jauh lebih besar. Bagaimana representasi formal tersebut digunakan ketika harus memproses jutaan kalimat yang terus diproduksi manusia setiap hari? Bagaimana mesin memilih interpretasi yang paling mungkin ketika sebuah kalimat memiliki lebih dari satu makna? Dan yang tidak kalah penting, bagaimana semua proses tersebut dilakukan secara efisien?

Pertanyaan-pertanyaan itu memperlihatkan bahwa keberhasilan Montague sesungguhnya sekaligus membuka babak baru dalam sejarah AI. Ia berhasil menunjukkan bahwa bahasa memiliki struktur formal. Akan tetapi, struktur formal saja belum cukup untuk membangun mesin yang mampu berbahasa sebagaimana manusia.

Justru pada titik inilah sejarah mulai bergerak ke arah yang tidak pernah dibayangkan sebelumnya. Jalan yang semula dibuka melalui logika perlahan-lahan akan bertemu dengan tradisi lain yang hampir tidak pernah berbicara tentang makna, tetapi justru berbicara tentang informasi, probabilitas, dan ketidakpastian.

Pertemuan itu tidak terjadi karena para ilmuwan sejak awal sedang merancang kecerdasan buatan sebagaimana kita mengenalnya sekarang. Richard Montague tidak sedang membangun ChatGPT. Claude Shannon tidak sedang membayangkan Large Language Models. Bahkan para perintis teori probabilitas dan linguistik komputasional pun tidak pernah bekerja dalam satu laboratorium yang sama atau menyusun sebuah peta jalan menuju AI modern. Masing-masing sedang berusaha menjawab persoalan yang berbeda, lahir dari disiplin ilmu yang berbeda, dengan perangkat konseptual yang juga berbeda.

Namun sejarah ilmu pengetahuan sering kali berkembang melalui cara yang jauh lebih menarik daripada sekadar penjumlahan berbagai penemuan. Gagasan-gagasan yang pada awalnya tumbuh secara terpisah perlahan membentuk sebuah konfigurasi intelektual baru. Sebuah teori yang lahir untuk menjelaskan logika bahasa, teori lain yang dirancang untuk mengukur informasi, pendekatan probabilistik yang semula dikembangkan untuk memahami pola kemunculan simbol, hingga perkembangan komputasi modern, pada akhirnya bertemu dalam satu ruang yang sama: usaha memahami bahasa melalui mesin.

Karena itu, akan kurang tepat apabila sejarah AI hanya dipahami sebagai sejarah kemajuan perangkat keras, peningkatan daya komputasi, atau lahirnya algoritma-algoritma baru. Seluruh perkembangan tersebut memang penting, tetapi semuanya berlangsung di atas perubahan yang lebih mendasar, yaitu perubahan cara manusia memandang bahasa. Sebelum bahasa dipahami sebagai sesuatu yang memiliki struktur yang dapat direpresentasikan secara formal, tidak ada dasar konseptual yang memungkinkan bahasa memasuki wilayah komputasi.

Akan tetapi, perubahan itu sendiri ternyata belum cukup.

Semantik formal berhasil menunjukkan bahwa makna memiliki struktur. Namun ketika para ilmuwan mulai mencoba membawa struktur tersebut ke dalam mesin, mereka segera berhadapan dengan persoalan lain yang sama mendasarnya. Sebuah komputer mungkin dapat diberi representasi formal mengenai makna sebuah kalimat, tetapi bagaimana ia harus memilih di antara jutaan kemungkinan kalimat yang terus diproduksi manusia? Bagaimana ia harus menghadapi ketidakpastian, variasi, kesalahan, dan ambiguitas yang justru menjadi bagian tak terpisahkan dari penggunaan bahasa sehari-hari?

Pertanyaan-pertanyaan itu menandai batas dari apa yang dapat dijelaskan oleh semantik formal. Batas tersebut bukan menunjukkan kegagalannya, melainkan memperlihatkan bahwa persoalan bahasa ternyata jauh lebih luas daripada persoalan representasi makna semata. Di sinilah genealogi intelektual AI memperlihatkan sifatnya yang khas. Setiap keberhasilan justru melahirkan persoalan berikutnya. Setiap teori membuka ruang yang kemudian harus diisi oleh teori yang lain.

Dengan demikian, apabila artikel ini memperlihatkan bagaimana bahasa mulai memperoleh bentuk formal yang memungkinkan ia dipikirkan secara matematis, maka artikel berikutnya akan bergerak ke arah yang tampaknya berlawanan. Kita akan bertemu dengan seorang insinyur di Bell Laboratories yang justru mengambil keputusan yang pada zamannya terasa hampir paradoksal: untuk memahami komunikasi secara ilmiah, makna terlebih dahulu harus disingkirkan dari pembahasan.

Keputusan itu terdengar bertentangan dengan seluruh tradisi semiotika, linguistik, bahkan filsafat bahasa yang selama ini berusaha menjelaskan bagaimana makna terbentuk. Ironisnya, justru melalui langkah yang tampak kontradiktif itulah lahir salah satu fondasi terpenting bagi perkembangan AI modern.

Perjalanan genealogi ini, dengan demikian, bukanlah perjalanan menuju jawaban yang semakin sederhana. Sebaliknya, ia adalah perjalanan yang memperlihatkan bagaimana setiap jawaban selalu mengubah bentuk pertanyaan yang harus dijawab berikutnya.

Dan seperti banyak kisah besar dalam sejarah ilmu pengetahuan, semuanya berawal bukan dari sebuah mesin yang mampu berbicara, melainkan dari sebuah pertanyaan yang tampak sederhana:

Apakah bahasa manusia dapat dipahami dengan ketelitian yang sama seperti manusia memahami matematika?

AO
Tangerang Selatan, 14 Juli 2026

• Genealogi Intelektual AI (I)
• Membaca AI melalui Umberto Eco (IV)
• Membaca AI melalui Umberto Eco (III)
• Membaca AI melalui Umberto Eco (II)
• Membaca AI melalui Umberto Eco (I)

– Arief Prihantoro –

Dari Unlimited Semiosis menuju Autopoiesis Komunikasi:
“Membaca AI melalui Umberto Eco dan Niklas Luhmann”

Ketika Interpretasi Tidak Pernah Berakhir

Tiga seri sebelumnya telah membawa pembahasan pada satu rangkaian gagasan yang saling berkaitan. Pada seri pertama dijelaskan bahwa komunikasi bukanlah proses memindahkan informasi dari pengirim kepada penerima, melainkan proses interpretasi terhadap tanda. Pada seri kedua, pembahasan bergerak lebih jauh melalui konsep Encyclopedia, yaitu bahwa makna tidak pernah lahir dari definisi yang berdiri sendiri, tetapi dari jaringan relasi pengetahuan yang terus berkembang. Selanjutnya pada seri ketiga diperlihatkan bagaimana proses tersebut diaktualisasikan melalui konsep Model Reader, yakni bahwa setiap teks membangun pembacanya sendiri agar makna yang dikandungnya dapat direalisasikan melalui proses interpretasi.

Ketiga konsep tersebut sebenarnya masih menyisakan satu pertanyaan yang lebih mendasar. Setelah interpretasi berlangsung, apakah proses itu selesai? Apakah makna akhirnya mencapai titik akhir yang stabil, sehingga tidak lagi memerlukan penafsiran berikutnya?

Pertanyaan inilah yang membawa kita kepada salah satu gagasan paling mendalam dalam pemikiran Umberto Eco, yaitu Unlimited Semiosis.

Tulisan pada seri III sebelumnya dapat dibaca melalui tautan berikut.

Membaca AI melalui Umberto Eco (III)

Dalam kehidupan sehari-hari kita sering membayangkan bahwa memahami sebuah kalimat berarti mengakhiri proses berpikir. Ketika seseorang bertanya mengenai arti suatu kata, kita membuka kamus, menemukan definisinya, lalu menganggap persoalan telah selesai. Demikian pula ketika membaca sebuah berita atau artikel, kita cenderung menganggap bahwa tujuan membaca adalah menemukan satu makna yang benar dan final.

Cara berpikir seperti ini sebenarnya merupakan warisan paradigma komunikasi linear yang telah lama mendominasi cara kita memahami bahasa. Dalam paradigma tersebut, makna dipandang sebagai sesuatu yang sudah berada di dalam teks. Tugas pembaca hanyalah menemukannya.

Namun Umberto Eco menawarkan pandangan yang berbeda.

Continue reading Membaca AI melalui Umberto Eco (IV)

– Arief Prihantoro –

Model Reader dan Lahirnya Pembaca Ideal pada Era AI

Ketika Sebuah Teks Mulai “Memilih” Pembacanya

Serial sebelumnya berakhir pada satu kesimpulan yang menjadi fondasi pembahasan berikutnya. Makna tidak pernah lahir dari definisi yang berdiri sendiri, melainkan dari jaringan relasi yang menghubungkan tanda dengan pengalaman, pengetahuan, sejarah, dan kebudayaan. Umberto Eco menyebut jaringan tersebut sebagai Encyclopedia. Melalui konsep ini, Eco memperlihatkan bahwa memahami bahasa bukanlah kegiatan membuka kamus, melainkan memasuki jaringan pengetahuan yang jauh lebih luas daripada sekadar arti leksikal sebuah kata.

Tulisan pada seri sebelumnya dapat dibaca melalui tautan berikut.

Membaca AI melalui Umberto Eco (II)

Akan tetapi, penjelasan mengenai Encyclopedia masih menyisakan satu pertanyaan yang sangat mendasar. Jika makna lahir dari jaringan pengetahuan, bagaimana jaringan tersebut akhirnya diaktifkan ketika seseorang membaca sebuah teks? Mengapa dua orang yang memiliki kemampuan berbahasa yang sama tetap dapat menghasilkan interpretasi yang berbeda ketika membaca novel, artikel ilmiah, berita, atau bahkan satu unggahan yang sama di media sosial? Pertanyaan ini membawa pembahasan kepada salah satu konsep paling penting dalam keseluruhan teori semiotika Umberto Eco, yaitu Model Reader.

Continue reading Membaca AI melalui Umberto Eco (III)

– Arief Prihantoro –

Makna Tidak Pernah Tinggal di Dalam Tanda

Dari Definisi Menuju Dunia Interpretasi

Serial pertama berakhir pada sebuah kesimpulan yang sekaligus membuka arah pembahasan berikutnya. Perkembangan AI generatif memperlihatkan bahwa persoalan mendasar yang kini dihadapi bukan lagi sekadar bagaimana mesin melakukan komputasi, melainkan bagaimana hasil komputasi tersebut memasuki ruang komunikasi manusia sebagai sesuatu yang dapat dibaca, dipahami, diperdebatkan, bahkan diinterpretasikan. Pergeseran ini membawa diskusi mengenai kecerdasan buatan keluar dari batas-batas tradisional ilmu komputer dan memasukkannya ke dalam wilayah yang sejak lama menjadi perhatian ilmu komunikasi, linguistik, filsafat bahasa, dan semiotika.

Tulisan sebelumnya dapat dibaca pada tautan berikut:

Membaca AI melalui Umberto Eco (I)

Continue reading Membaca AI melalui Umberto Eco (II)

– Arief Prihantoro –

Ketika Kecerdasan Tiruan Memaksa Kita Membaca Ulang Hakikat Komunikasi

Dalam dua tulisan sebelumnya di socioinformatics.id, saya berusaha menunjukkan bahwa perkembangan kecerdasan tiruan modern tidak lagi memadai dipahami hanya sebagai keberhasilan matematika, statistika, atau ilmu komputer. Pada tulisan “Semiotika sebagai Teori Kognitif Tersembunyi di Balik Kemajuan AI”

Semiotika Sebagai Teori Kognitif Tersembunyi di Balik Kemajuan AI

argumentasinya bahwa AI modern sesungguhnya memperlihatkan karakteristik yang jauh lebih dekat dengan proses semiosis daripada sekadar manipulasi simbol sebagaimana dibayangkan dalam paradigma komputasi klasik. Argumentasi tersebut kemudian saya lanjutkan dalam tulisan “Semantik Artificial Intelligence: Kemunculan Makna dari Komputasi Statistik dalam Kecerdasan Buatan Modern”

Semantik Artificial Intelligence: Kemunculan Makna dari Komputasi Statistik dalam Kecerdasan Buatan Modern

yang berupaya menjelaskan bagaimana makna dapat muncul dari mekanisme komputasi statistik yang menjadi fondasi Large Language Models. Kedua tulisan tersebut merupakan langkah awal untuk memperlihatkan bahwa AI tidak lagi cukup dipahami sebagai persoalan algoritma, melainkan juga sebagai persoalan tanda, makna, dan interpretasi.

Akan tetapi, kedua tulisan tersebut sengaja berakhir pada satu pertanyaan yang belum dibahas secara mendalam. Jika semiotika memang menyediakan perspektif yang relevan untuk membaca perkembangan AI generatif, lalu tradisi semiotika manakah yang paling mampu menjelaskan fenomena tersebut secara sistematis?

Continue reading Membaca AI melalui Umberto Eco (I)

– Arief Prihantoro –

Ketika Sains Disamakan dengan Ideologi

Salah satu ironi terbesar dalam komunikasi publik adalah bahwa semakin banyak informasi tersedia, semakin mudah pula manusia membangun keyakinan yang keliru. Penyebabnya bukan semata-mata karena informasi yang beredar tidak benar, melainkan karena fakta-fakta yang benar sering kali disusun ke dalam hubungan logis yang terlalu sederhana. Akibatnya, representasi yang terbentuk tampak masuk akal, padahal telah kehilangan sebagian konteks yang justru menentukan makna keseluruhan peristiwa. Dalam banyak kasus, misinformasi tidak lahir karena ketiadaan evidence, melainkan karena cara evidence tersebut dihubungkan menjadi suatu kesimpulan. Persoalan utama bukan terletak pada data historis yang digunakan, melainkan pada kualitas inferensi yang menghubungkan data-data tersebut menjadi suatu representasi.

Fenomena semacam ini semakin mudah dijumpai pada era komunikasi digital. Arus informasi yang sangat cepat mendorong berbagai persoalan yang kompleks untuk disederhanakan menjadi narasi yang ringkas, mudah dipahami, dan mudah dibagikan. Penyederhanaan semacam itu pada dasarnya merupakan konsekuensi yang hampir tidak dapat dihindari dalam proses komunikasi. Tidak mungkin seluruh kompleksitas suatu peristiwa sejarah dipindahkan secara utuh ke dalam sebuah artikel, unggahan media sosial, ataupun percakapan sehari-hari. Persoalan mulai muncul ketika yang mengalami penyederhanaan bukan lagi cara penyampaiannya, melainkan struktur penalarannya. Hubungan antarperistiwa yang semula kaya nuansa dipersempit menjadi hubungan sebab-akibat yang linear, sementara konsep-konsep yang sesungguhnya memiliki ruang lingkup berbeda diperlakukan seolah-olah identik. Pada titik inilah sejarah perlahan kehilangan kompleksitasnya dan berubah menjadi narasi yang lebih mencerminkan preferensi pembacanya daripada keseluruhan fakta yang tersedia.

Continue reading SAINS, IDEOLOGI, DAN FANATISME EPISTEMIK: PELAJARAN DARI SEJARAH UNI SOVIET

– Arief Prihantoro –

Tulisan melanjutkan tulisan sebelumnya

Mengapa Kekacauan Komunikasi Publik Tidak Pernah Benar-Benar Acak?

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.

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

– Arief Prihantoro –

Memahami Arsitektur Sistem Komunikasi Publik melalui Analogi Dinamika Partikel dalam Perspektif Fisika Statistik

Pada tulisan sebelumnya saya mengajukan sebuah analogi bahwa komunikasi publik di era digital memiliki karakteristik yang menyerupai gerak Brown (Brownian Motion). Sebagaimana sebuah partikel kecil di dalam fluida bergerak secara acak akibat dihantam oleh jutaan molekul yang tidak tampak, demikian pula opini publik bergerak melalui jutaan interaksi mikro berupa percakapan, komentar, unggahan media sosial, meme, video pendek, hingga potongan informasi yang saling bertabrakan setiap detik.

Chaos Komunikasi Publik di Era Digital Dalam Perspektif Gerak Brown, Termodinamika Partikel dan Teori Komunikasi Niklas Luhmann

Dari kejauhan, lintasan partikel tampak acak. Demikian pula lanskap komunikasi digital tampak penuh kekacauan.

Namun semakin lama analogi tersebut saya renungkan, semakin muncul pertanyaan yang justru lebih mendasar.

Apakah komunikasi publik benar-benar bergerak secara acak?

Ataukah “keacakan” yang kita lihat hanyalah fenomena permukaan dari suatu keteraturan statistik yang lebih dalam?

Pertanyaan inilah yang membawa kita melangkah lebih jauh, dari gerak Brown menuju teori sistem stokastik, bahkan hingga teori collision dalam mekanika kuantum yang dikembangkan Paul A. M. Dirac.

Continue reading Mengapa Kekacauan Komunikasi Publik Tidak Pernah Benar-Benar Acak?

– Arief Prihantoro –

AI Kini Membawa Kita Kembali kepada Pertanyaan Tertua: Apakah Bahasa Sekadar Mengekspresikan Logika?

Dalam sebuah percakapan di Grup WA Masyarakat Informatika Sosial Indonesia, muncul pernyataan dari saudara Wawan Setiawan:

“Language adalah express the logic and mathematic behind it.”

Kalimat itu muncul dalam sebuah diskusi yang awalnya membahas sejarah bahasa pemrograman, evolusi komputasi, hingga perkembangan Large Language Model (LLM). Sekilas, saya menganggapnya sebagai pernyataan yang lazim dalam tradisi ilmu komputer. Selama puluhan tahun, kita memang memahami bahwa bahasa pemrograman hanyalah media untuk menuliskan algoritma, sementara algoritma dibangun di atas logika dan matematika.

Namun semakin lama saya memikirkannya, saya menyadari bahwa kalimat tersebut sesungguhnya bukan sekadar pernyataan teknis tentang pemrograman.

Ia adalah sebuah klaim filosofis.

Sebab ketika seseorang mengatakan bahwa “bahasa mengekspresikan logika dan matematika,” ia sebenarnya sedang menyatakan sesuatu mengenai hubungan ontologis antara bahasa, logika, dan matematika.

Dan di sinilah diskusi menjadi jauh lebih menarik.

Continue reading Ketika Industri AI Mulai Menemukan Semiotika

Tulisan ini lebih ditujukan ke para anggota Masyarakat Informatika Sosial Indonesia namun isinya barangkali bisa dipikirkan juga oleh siapa saja yang punya perhatian pada kasus-kasus korupsi di Indonesia

Friends, topik korupsi sepertinya akan terus mengisi group-group chat di Indonesia. Kita perlu rem sejenak kegiatan forward berita-berita dan ulasan korupsi ke group chat ini apa lagi yang disertai dengan bahasa kasar: “Hindari kecelakaan dengan rem, bukan klakson.” Sudah waktunya kita coba susun pemikiran apa yang bisa dilakukan MISI untuk mengurai permasalahan korupsi.

Sebagai pengantar, saya pikir hampir semua kasus korupsi besar di Indonesia (yang nilainya mencapai orde triliun rupiah) tidak terjadi melalui pencurian sederhana. Ia bekerja melalui mekanisme yang jauh lebih canggih: manipulasi sistem pemerintahan melalui rekayasa peraturan perundang-undangan. Mas @Arief Prihantoro sering menyebutnya dengan “state-sponsored corruption” atau state captured corruption kata KPK. Oligarki mensponsori lahirnya regulasi yang menguntungkan mereka, dan karena partai politik yang mengendalikan akses ke jabatan publik juga dikendalikan oleh kelompok yang sama, lingkaran ini menutup diri dengan rapi.

Continue reading Kalkulasi Nilai Pilihan Pemilu