– 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”
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”
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?
Pertanyaan ini menjadi semakin penting ketika AI berkembang menuju Agentic AI, yaitu sistem yang bukan lagi sekadar menghasilkan respons terhadap prompt, tetapi mulai mampu merencanakan tindakan, menggunakan berbagai perangkat digital, berinteraksi dengan sistem AI lain, serta menjalankan rangkaian keputusan secara relatif mandiri. Di antara berbagai pemikir semiotika kontemporer, Umberto Eco menawarkan salah satu kerangka konseptual yang paling kaya untuk menjelaskan perubahan tersebut. Oleh karena itu, serial tulisan ini tidak dimaksudkan sebagai pengantar mengenai semiotika Eco, melainkan sebagai upaya membaca kembali perkembangan AI modern melalui berbagai gagasan yang pernah dikembangkannya beberapa dekade yang lalu.
Dalam beberapa tahun terakhir, hampir seluruh pembicaraan mengenai kecerdasan buatan selalu berpusat pada satu tema yang sama, yaitu kecerdasan. Kemajuan AI diukur melalui semakin besarnya jumlah parameter model, semakin luasnya korpus data pelatihan, semakin cepatnya kemampuan komputasi, atau semakin tingginya akurasi sistem dalam menyelesaikan berbagai tugas. Setiap kali muncul model baru, perhatian publik segera diarahkan pada pertanyaan yang hampir selalu sama: apakah model tersebut lebih pintar daripada model sebelumnya? Apakah ia sudah mampu menalar dengan lebih baik? Apakah ia semakin mendekati kecerdasan manusia?
Cara pandang semacam ini dapat dipahami karena AI memang lahir dari perkembangan ilmu komputer, matematika, statistika, dan berbagai disiplin yang berhubungan dengan komputasi. Tidak mengherankan apabila diskusi mengenai AI kemudian lebih banyak dipenuhi oleh istilah-istilah seperti deep learning, Transformer, attention mechanism, reinforcement learning, atau scaling law. Hampir seluruh narasi besar mengenai AI modern dibangun di atas keyakinan bahwa peningkatan kemampuan komputasi pada akhirnya akan menghasilkan peningkatan kecerdasan.
Akan tetapi, cara membaca perkembangan AI semata-mata melalui perspektif komputasi mulai memperlihatkan keterbatasannya. Semakin berkembang AI generatif, semakin jelas bahwa persoalan yang kita hadapi tidak lagi berhenti pada bagaimana mesin melakukan komputasi, tetapi pada bagaimana hasil komputasi tersebut memasuki kehidupan sosial sebagai sesuatu yang bermakna. Ketika AI mulai menulis artikel, menjelaskan teori ilmiah, menyusun argumentasi hukum, menghasilkan ilustrasi, menerjemahkan bahasa, atau berdialog dengan manusia menggunakan bahasa alami, persoalan yang muncul perlahan bergeser dari wilayah komputasi menuju wilayah komunikasi. Yang sedang berubah bukan lagi sekadar kemampuan mesin menghitung, tetapi cara manusia membangun dan mendistribusikan makna melalui teknologi.
Pergeseran inilah yang belum memperoleh perhatian yang memadai. Kita terlalu sering bertanya apakah AI benar-benar memahami makna, tetapi jauh lebih jarang bertanya mengapa manusia justru memperlakukan keluaran AI sebagai sesuatu yang bermakna. Padahal kedua pertanyaan tersebut memiliki konsekuensi teoritis yang sangat berbeda.
Pertanyaan pertama berusaha menilai keadaan internal AI, sesuatu yang hingga kini masih menjadi perdebatan panjang dalam filsafat pikiran maupun ilmu kognitif. Sebaliknya, pertanyaan kedua berusaha memahami suatu fenomena komunikasi, yaitu mengapa representasi simbolik yang dihasilkan oleh sistem komputasi dapat memasuki ruang sosial, diperdebatkan, dipercaya, ditolak, dikutip, bahkan memengaruhi berbagai keputusan manusia. Justru pertanyaan kedua inilah yang lebih mendesak untuk dijawab oleh ilmu komunikasi.
Apabila kita melihat sejarah perkembangan teknologi komunikasi, sesungguhnya perubahan semacam ini bukanlah sesuatu yang sama sekali baru. Mesin cetak tidak hanya mempercepat reproduksi buku, tetapi juga mengubah cara pengetahuan diproduksi dan disebarkan. Radio tidak sekadar memperluas jangkauan suara, tetapi melahirkan pengalaman kolektif yang sebelumnya tidak pernah dikenal. Televisi mengubah hubungan masyarakat dengan realitas melalui dominasi citra. Internet kemudian membangun ruang komunikasi global yang menghapus berbagai batas geografis dalam pertukaran informasi. Pada setiap fase tersebut, teknologi tidak hanya menghadirkan perangkat baru, tetapi juga mengubah struktur komunikasi masyarakat.
Namun demikian, seluruh perubahan tersebut masih mempertahankan satu asumsi ontologis yang hampir tidak pernah dipersoalkan, yaitu bahwa manusia tetap menjadi pusat komunikasi. Teknologi memang menjadi medium yang semakin canggih, tetapi manusialah yang menghasilkan pesan, menginterpretasikan pesan, serta membangun makna dari keseluruhan proses komunikasi tersebut. Dengan kata lain, teknologi mengubah cara komunikasi berlangsung, tetapi tidak mengubah siapa yang sesungguhnya berkomunikasi.
Asumsi inilah yang mulai digoyahkan oleh AI generatif. Ketika seseorang meminta AI menyusun sebuah artikel ilmiah, membuat rancangan pidato, merangkum hasil penelitian, atau menjelaskan teori komunikasi, AI tidak sekadar memindahkan informasi sebagaimana mesin pencari mengambil dokumen dari suatu basis data. AI menghasilkan representasi baru yang sebelumnya belum pernah ada dalam bentuk yang persis sama.
Representasi tersebut kemudian dibaca oleh manusia, diinterpretasikan, diperbaiki, dikritik, atau dijadikan dasar untuk menghasilkan pengetahuan baru. Dengan demikian, AI tidak lagi sekadar menjadi saluran komunikasi, tetapi mulai mengambil bagian di dalam proses produksi tanda yang selama ini hampir selalu diasosiasikan dengan aktivitas manusia.
Perubahan ini menjadi semakin nyata ketika perkembangan AI bergerak menuju Agentic AI. Dalam paradigma baru tersebut, AI tidak lagi hanya menunggu instruksi pengguna, tetapi mulai mampu menyusun tujuan, memilih strategi, menggunakan berbagai aplikasi digital, mengevaluasi hasil tindakannya, kemudian mengambil keputusan berikutnya berdasarkan evaluasi tersebut. Dalam satu rangkaian pekerjaan, sebuah sistem AI bahkan dapat berinteraksi dengan beberapa sistem AI lain tanpa campur tangan manusia pada setiap tahapnya. Akibatnya, komunikasi tidak lagi hanya berlangsung antara manusia dengan manusia melalui bantuan teknologi, tetapi juga melibatkan berbagai entitas komputasional yang saling menghasilkan dan saling memproses representasi simbolik.
Perkembangan tersebut membawa konsekuensi yang jauh lebih besar daripada sekadar kemajuan teknologi. Selama ini, ilmu komunikasi hampir selalu berangkat dari asumsi bahwa komunikasi merupakan aktivitas antarmanusia. Perbedaan di antara berbagai teori komunikasi lebih banyak terletak pada cara menjelaskan proses komunikasi, bukan pada siapa pelaku komunikasi tersebut. Model matematis Shannon dan Weaver menitikberatkan pada transmisi informasi. Interaksionisme simbolik menekankan pembentukan makna melalui interaksi sosial. Habermas berbicara mengenai tindakan komunikatif yang rasional. Niklas Luhmann memandang komunikasi sebagai operasi dasar sistem sosial. Meskipun sangat berbeda satu sama lain, seluruh perspektif tersebut masih bertumpu pada horizon yang sama, yaitu manusia sebagai sumber sekaligus penafsir tanda.
Kini kita mulai berhadapan dengan situasi yang berbeda. AI memang bukan manusia. AI juga tidak memiliki pengalaman hidup sebagaimana manusia. Akan tetapi, AI menghasilkan teks yang dibaca manusia, menghasilkan argumen yang diperdebatkan manusia, menghasilkan ilustrasi yang dimaknai manusia, bahkan mulai menghasilkan keputusan-keputusan operasional yang memengaruhi tindakan manusia. Dengan kata lain, AI telah memasuki ruang komunikasi, bukan lagi sekadar sebagai medium, tetapi sebagai produsen representasi simbolik. Persoalannya kemudian bukan lagi apakah AI memiliki kesadaran, melainkan bagaimana perubahan tersebut memengaruhi cara kita memahami komunikasi itu sendiri.
Di sinilah, teori komunikasi memasuki sebuah persimpangan penting. Selama AI dipandang hanya sebagai perangkat komputasi, ilmu komputer memang menyediakan penjelasan yang sangat memadai. Akan tetapi, ketika keluaran AI mulai menjadi bagian dari sirkulasi makna di dalam masyarakat, kita memerlukan perangkat konseptual lain yang mampu menjelaskan bagaimana tanda bekerja, bagaimana makna muncul, dan bagaimana proses interpretasi berlangsung. Dengan kata lain, kita memerlukan sebuah teori yang tidak berhenti pada persoalan informasi, tetapi bergerak menuju persoalan semiosis.
Pada titik inilah pemikiran Umberto Eco kembali memperoleh relevansinya. Eco memang tidak pernah menulis mengenai Large Language Models, Transformer, ataupun Agentic AI. Akan tetapi, hampir seluruh proyek intelektualnya berusaha menjawab satu pertanyaan yang kini justru kembali menjadi sangat aktual, yaitu bagaimana tanda menghasilkan makna melalui proses interpretasi yang terus berlangsung di dalam kebudayaan.
Perkembangan AI bukan membuat pemikiran Eco menjadi usang, melainkan justru memperlihatkan betapa jauhnya jangkauan konseptual yang dimilikinya. Untuk memahami relevansi tersebut, kita perlu memulai dari salah satu gagasan Eco yang paling mendasar, yaitu kritiknya terhadap cara pandang yang memandang makna sebagai sesuatu yang melekat secara tetap pada sebuah tanda.
Dari Informasi Menuju Interpretasi
Apabila tesis pada bagian sebelumnya dapat diterima, maka muncul satu pertanyaan yang tidak kalah penting. Mengapa perubahan tersebut baru terasa ketika AI generatif berkembang? Bukankah sejak awal komputer juga memproses informasi? Bukankah internet telah lama mempertemukan manusia dengan berbagai bentuk representasi digital? Mengapa baru sekarang kita mulai berbicara mengenai perubahan ontologis dalam komunikasi?
Jawabannya terletak pada perbedaan yang sangat mendasar antara memproses informasi dan menghasilkan interpretasi. Selama beberapa dekade perkembangan teknologi digital, komputer terutama dipahami sebagai mesin pengolah informasi. Semakin besar kapasitas penyimpanan data, semakin tinggi kecepatan komputasi, dan semakin efisien algoritma yang digunakan, semakin baik pula kualitas sistem tersebut. Dalam paradigma ini, informasi diperlakukan sebagai sesuatu yang dapat direpresentasikan, dikodekan, dikirimkan, disimpan, dan diproses secara matematis. Perspektif inilah yang menjadi fondasi hampir seluruh perkembangan teknologi informasi modern.
Cara pandang tersebut memperoleh dasar teoretis yang sangat kuat melalui teori informasi Claude Shannon. Dalam teori ini, persoalan utama komunikasi bukanlah makna, melainkan bagaimana suatu sinyal dapat ditransmisikan secara efisien dari pengirim kepada penerima melalui suatu saluran komunikasi. Keberhasilan komunikasi diukur berdasarkan seberapa akurat informasi dapat diterima, bukan berdasarkan bagaimana informasi tersebut dipahami. Shannon sendiri sebenarnya tidak pernah bermaksud menjelaskan makna. Teori yang dikembangkannya merupakan teori matematis mengenai transmisi informasi, bukan teori mengenai interpretasi. Namun karena keberhasilannya yang luar biasa dalam pengembangan teknologi komunikasi digital, paradigma informasi kemudian menjadi sangat dominan, bahkan sering kali dianggap cukup untuk menjelaskan komunikasi secara keseluruhan.
Selama komputer hanya berfungsi sebagai alat pengolah data, paradigma tersebut tidak menimbulkan persoalan yang berarti. Mesin menerima masukan, menjalankan serangkaian instruksi, kemudian menghasilkan keluaran sesuai aturan yang telah ditentukan. Yang diproses adalah informasi dalam pengertian sintaktis, yaitu hubungan formal antarsimbol, bukan makna simbol-simbol tersebut. Dalam situasi seperti itu, tidak terlalu penting apakah komputer memahami arti dari data yang diprosesnya. Yang penting adalah sistem bekerja secara benar sesuai dengan logika yang dirancang oleh pemrogram.
AI generatif memperlihatkan situasi yang berbeda. Ketika seseorang meminta AI menjelaskan demokrasi, menafsirkan sebuah puisi, menyusun argumentasi hukum, atau membandingkan dua teori komunikasi, pengguna tidak sedang meminta AI memindahkan informasi dari satu tempat ke tempat lain. Yang diharapkan adalah sebuah penjelasan yang relevan dengan konteks pertanyaan. Dengan kata lain, yang dinilai bukan lagi keberhasilan mentransmisikan informasi, melainkan keberhasilan membangun interpretasi yang dapat diterima oleh manusia.
Perbedaan ini tampak sederhana, tetapi sesungguhnya mengubah seluruh orientasi pembahasan. Dalam paradigma informasi, sebuah pesan dianggap berhasil apabila sampai kepada penerima tanpa gangguan. Dalam paradigma interpretasi, keberhasilan komunikasi tidak berhenti pada sampainya pesan, tetapi bergantung pada bagaimana pesan tersebut dipahami. Sebuah kalimat yang secara sintaktis sempurna belum tentu menghasilkan makna yang sama bagi dua orang yang berbeda. Pengalaman hidup, pengetahuan, latar budaya, bahasa, bahkan situasi sosial dapat menghasilkan interpretasi yang berbeda terhadap rangkaian kata yang sama. Dengan demikian, makna tidak pernah sepenuhnya berada di dalam pesan, tetapi lahir melalui hubungan antara pesan, konteks, dan penafsir.
Di sinilah letak persoalan menjadi sangat penting bagi perkembangan AI. AI tidak bekerja langsung terhadap dunia sebagaimana manusia mengalaminya. AI bekerja terhadap representasi mengenai dunia. Seluruh proses pelatihannya berlangsung melalui miliaran dokumen, gambar, suara, kode program, maupun bentuk-bentuk simbolik lainnya yang merupakan representasi pengalaman manusia. Ketika AI menjelaskan konsep demokrasi, misalnya, sistem tersebut tidak memiliki pengalaman hidup dalam suatu negara demokratis. AI membangun respons melalui hubungan yang dipelajarinya dari berbagai representasi simbolik mengenai demokrasi. Yang diolah bukan dunia itu sendiri, melainkan tanda-tanda mengenai dunia.
Konsekuensi dari kenyataan ini sangat menarik. Semakin berkembang AI, semakin jelas bahwa persoalan utamanya bukan bagaimana mesin mengenali benda, tetapi bagaimana mesin membangun hubungan antartanda sehingga menghasilkan respons yang oleh manusia dipahami sebagai sesuatu yang bermakna. Dengan kata lain, AI bekerja pada wilayah yang selama ini menjadi perhatian utama semiotika. Persoalan yang kita hadapi bukan lagi sekadar persoalan komputasi, melainkan persoalan mengenai bagaimana makna dimungkinkan.
Pada titik inilah mengapa pemikiran Umberto Eco layak dibaca kembali. Selama ini Eco sering diperkenalkan sebagai seorang semiolog yang menaruh perhatian pada tanda dan kebudayaan. Pengenalan semacam itu memang benar, tetapi belum sepenuhnya menggambarkan keluasan proyek intelektualnya. Eco sesungguhnya tidak hanya berusaha menjelaskan apa itu tanda, melainkan bagaimana seluruh kebudayaan manusia dapat dipahami sebagai jaringan proses interpretasi yang tidak pernah berhenti. Fokusnya bukan pada tanda sebagai objek yang berdiri sendiri, melainkan pada mekanisme yang memungkinkan tanda-tanda tersebut saling berhubungan sehingga menghasilkan makna.
Di sinilah letak perbedaan penting antara Eco dan cara pandang yang melihat makna sebagai sesuatu yang sudah melekat pada sebuah simbol. Dalam perspektif Eco, sebuah kata tidak pernah memiliki arti karena kamus memberikan definisi tertentu kepadanya. Sebaliknya, kata tersebut memperoleh arti karena berhubungan dengan kata-kata lain, pengalaman lain, teks lain, dan berbagai praktik kebudayaan yang terus berkembang. Makna bukanlah benda yang tersimpan di dalam sebuah tanda, tetapi efek yang muncul dari jaringan hubungan yang sangat kompleks.
Apabila perspektif ini dibawa ke dalam konteks AI generatif, muncul sebuah cara pandang yang jauh lebih produktif. Kita tidak lagi bertanya apakah AI memahami makna sebagaimana manusia memahaminya. Pertanyaan tersebut memang menarik secara filosofis, tetapi sulit memperoleh jawaban yang memuaskan. Yang lebih penting adalah memahami bagaimana AI membangun hubungan-hubungan antartanda sehingga mampu menghasilkan interpretasi yang dianggap relevan oleh manusia. Pergeseran fokus inilah yang memungkinkan dialog yang lebih kaya antara semiotika dan kecerdasan buatan.
Namun penjelasan tersebut masih menyisakan satu pertanyaan yang sangat mendasar. Jika makna memang lahir dari hubungan antartanda, bagaimana hubungan tersebut tersusun? Apakah hubungan itu berbentuk daftar definisi sebagaimana kamus? Ataukah ia membentuk suatu jaringan pengetahuan yang terus berkembang mengikuti pengalaman komunikasi manusia? Pertanyaan inilah yang menjadi salah satu pusat pemikiran Umberto Eco. Untuk menjawabnya, Eco memperkenalkan sebuah konsep yang bukan saja penting bagi semiotika, tetapi juga sangat relevan untuk memahami cara kerja AI generatif, yaitu konsep Encyclopedia.
Encyclopedia: Ketika Makna Tidak Pernah Tinggal di Dalam Kamus
Di antara berbagai gagasan yang dikembangkan Umberto Eco, tidak ada konsep yang lebih menarik untuk dibaca kembali pada era AI generatif selain konsep Encyclopedia. Ironisnya, konsep ini justru tidak selalu memperoleh perhatian sebesar gagasan-gagasan Eco yang lain seperti Open Work atau Limits of Interpretation. Padahal, apabila tujuan kita adalah memahami bagaimana AI membangun makna, Encyclopedia merupakan salah satu pintu masuk yang paling penting.
Untuk memahami gagasan tersebut, pertama-tama kita perlu melepaskan diri dari cara berpikir yang selama ini sangat dipengaruhi oleh model kamus (dictionary model). Ketika seseorang bertanya mengenai arti suatu kata, respons pertama kita biasanya adalah membuka kamus. Di sana setiap kata memperoleh definisi tertentu yang dianggap mewakili maknanya. Cara berpikir semacam ini begitu melekat dalam kehidupan sehari-hari sehingga kita sering menganggap makna memang tersimpan di dalam definisi-definisi tersebut. Kamus seolah menjadi tempat tinggal makna.
Eco menolak cara pandang yang terlalu sederhana itu. Baginya, kamus memang penting, tetapi tidak pernah cukup untuk menjelaskan bagaimana manusia sesungguhnya memahami bahasa. Ketika seseorang membaca kata demokrasi, misalnya, pemahamannya tidak berhenti pada definisi formal mengenai sistem pemerintahan. Kata tersebut segera memanggil berbagai pengalaman sejarah, praktik politik, perdebatan ideologis, pengalaman pribadi, pemberitaan media, hingga berbagai simbol budaya yang pernah ditemuinya. Demikian pula ketika seseorang membaca kata rumah, yang hadir dalam pikirannya bukan hanya bangunan fisik, tetapi juga keluarga, rasa aman, kenangan masa kecil, kehilangan, atau bahkan kerinduan. Makna lahir bukan karena sebuah definisi, melainkan karena sebuah kata terhubung dengan jaringan pengalaman dan pengetahuan yang jauh lebih luas daripada yang mampu dijelaskan oleh kamus.
Inilah yang oleh Eco dipahami sebagai Encyclopedia. Yang dimaksud bukan ensiklopedia dalam pengertian buku referensi yang disusun menurut urutan alfabet, melainkan keseluruhan jaringan pengetahuan yang dimiliki suatu kebudayaan dan digunakan ketika manusia melakukan interpretasi. Jaringan tersebut tidak pernah benar-benar selesai. Ia terus bertambah, berubah, dan membentuk hubungan-hubungan baru setiap kali manusia berinteraksi dengan dunia maupun dengan sesamanya. Oleh karena itu, memahami sebuah teks sesungguhnya berarti mengaktifkan sebagian dari jaringan pengetahuan tersebut agar tanda-tanda yang kita baca memperoleh konteks yang memungkinkan lahirnya makna.
Perbedaan antara kamus dan Encyclopedia sesungguhnya mencerminkan dua cara pandang yang sangat berbeda mengenai bahasa. Dalam model kamus, makna dipandang relatif stabil. Sebuah kata memiliki definisi tertentu, kemudian definisi tersebut digunakan untuk memahami teks. Sebaliknya, dalam model Encyclopedia, makna selalu bersifat relasional. Sebuah kata memperoleh arti karena posisinya di dalam jaringan hubungan dengan kata-kata lain, pengalaman lain, teks lain, dan berbagai praktik sosial yang melingkupinya. Dengan demikian, makna tidak pernah berdiri sendiri. Ia selalu merupakan hasil dari hubungan yang terus bergerak.
Apabila kita berhenti sampai di sini, mungkin konsep Encyclopedia masih tampak sebagai teori semiotika yang menarik, tetapi belum tentu memiliki hubungan dengan AI. Namun justru pada titik inilah relevansi yang sangat kuat. Salah satu kesalahpahaman yang paling sering muncul dalam pembahasan mengenai Large Language Models adalah anggapan bahwa model bahasa bekerja seperti kamus digital raksasa yang menyimpan seluruh definisi mengenai dunia. Pandangan ini mudah dipahami karena keluaran AI sering kali tampak seperti jawaban yang diambil dari suatu sumber pengetahuan yang telah tersedia sebelumnya. Padahal, cara kerja LLM jauh lebih kompleks daripada sekadar mengambil definisi dari suatu basis data.
Model bahasa tidak menyimpan makna dalam bentuk daftar definisi yang siap dipanggil setiap kali dibutuhkan. Selama proses pelatihan, model membangun representasi matematis mengenai hubungan antarkata, antarkalimat, dan antarberbagai pola penggunaan bahasa. Hubungan-hubungan tersebut kemudian membentuk suatu ruang representasi yang memungkinkan model menghasilkan respons yang sesuai dengan konteks percakapan. Ketika pengguna mengajukan pertanyaan, model tidak membuka “kamus internal” untuk mencari arti yang benar. Sebaliknya, model menelusuri jaringan hubungan yang telah dipelajarinya, kemudian membangun respons berdasarkan konfigurasi hubungan yang paling relevan dengan konteks tersebut.
Tentu saja saya tidak bermaksud mengatakan bahwa konsep Encyclopedia identik dengan embedding, ruang vektor, atau mekanisme perhatian (attention mechanism) pada Transformer. Keduanya lahir dari tradisi keilmuan yang sama sekali berbeda. Encyclopedia merupakan konsep semiotika yang berusaha menjelaskan bagaimana manusia membangun makna di dalam kebudayaan, sedangkan representasi vektor merupakan konstruksi matematis yang digunakan untuk memungkinkan mesin mengenali pola hubungan antarsimbol. Menyamakan keduanya secara harfiah akan menjadi penyederhanaan yang berlebihan.
Namun demikian, kita bisa melihat adanya kemiripan pada tingkat arsitektur konseptual. Keduanya sama-sama berangkat dari penolakan terhadap gagasan bahwa makna tersimpan sebagai definisi yang tetap. Dalam kedua perspektif tersebut, makna justru muncul karena suatu tanda berada di dalam jaringan hubungan dengan tanda-tanda lain. Semakin kaya hubungan tersebut, semakin besar pula kemungkinan interpretasi yang dapat dibangun. Jika Eco menjelaskan hubungan itu melalui konsep Encyclopedia, maka AI modern merealisasikannya melalui representasi matematis yang memungkinkan hubungan-hubungan tersebut dihitung secara komputasional. Dengan kata lain, keduanya sama-sama meninggalkan model kamus dan bergerak menuju model jaringan.
Di sinilah letak salah satu ironi paling menarik dalam perkembangan AI. Teknologi yang selama ini dipandang sebagai hasil kemajuan matematika dan statistika ternyata justru memperlihatkan struktur konseptual yang mengingatkan kita pada salah satu gagasan terpenting dalam semiotika kontemporer. AI tentu tidak “menerapkan” teori Eco. Para pengembang Transformer tidak merancang arsitektur model bahasa berdasarkan A Theory of Semiotics. Akan tetapi, ketika AI berkembang hingga mampu menghasilkan representasi yang semakin kaya, kita justru memerlukan teori seperti yang dikembangkan Eco untuk memahami mengapa representasi tersebut dapat diperlakukan sebagai sesuatu yang bermakna oleh manusia.
Pengamatan ini sekaligus memperlihatkan bahwa hubungan antara semiotika dan AI tidak bersifat kausal, melainkan heuristik. Semiotika tidak menjelaskan bagaimana algoritma bekerja, tetapi membantu menjelaskan mengapa keluaran algoritma dapat berfungsi sebagai tanda di dalam komunikasi manusia. Sebaliknya, AI tidak membuktikan kebenaran teori Eco, tetapi menghadirkan konteks baru yang membuat teori tersebut memperoleh relevansi yang tidak pernah dibayangkan ketika pertama kali dikembangkan.
Akan tetapi, konsep Encyclopedia masih menyisakan satu persoalan yang belum terjawab. Jika makna selalu bergantung pada jaringan pengetahuan yang begitu luas, mengapa dua orang dapat memberikan interpretasi yang berbeda terhadap teks yang sama? Mengapa satu pembaca melihat ironi, sementara pembaca lain melihat kritik sosial? Mengapa AI dapat menghasilkan jawaban yang berbeda terhadap pertanyaan yang hampir identik? Untuk menjawab persoalan tersebut, Eco memperkenalkan konsep lain yang tidak kalah penting, yaitu Model Reader. Melalui konsep inilah Eco menjelaskan bahwa setiap teks selalu mengandaikan suatu cara tertentu untuk dibaca, tanpa pernah sepenuhnya menentukan bagaimana pembacaan itu harus dilakukan.
Mengapa AI Membuat Umberto Eco Kembali Aktual
Sampai pada titik ini, saya ingin kembali kepada pertanyaan yang diajukan pada awal tulisan ini. Apakah perkembangan AI generatif benar-benar menuntut kita membaca ulang teori komunikasi? Menurut hemat saya, jawabannya adalah ya. Namun alasannya bukan karena AI telah menjadi “manusia digital” sebagaimana sering digambarkan dalam berbagai narasi populer, melainkan karena AI memperlihatkan bahwa persoalan komunikasi ternyata jauh lebih kompleks daripada sekadar perpindahan informasi dari satu pihak kepada pihak lain.
Selama beberapa dekade terakhir, perkembangan teknologi digital mendorong kita melihat komunikasi terutama sebagai persoalan informasi. Semakin cepat informasi diproduksi, didistribusikan, dan diproses, semakin maju pula suatu sistem komunikasi dianggap bekerja. Perspektif tersebut berhasil menjelaskan berbagai perkembangan internet, telekomunikasi, dan komputasi modern. Akan tetapi, AI generatif menghadapkan kita pada situasi yang berbeda. Yang menjadi pusat perhatian bukan lagi perpindahan informasi, melainkan bagaimana sistem komputasi mampu menghasilkan representasi simbolik yang dipahami manusia sebagai sesuatu yang bermakna.
Perubahan orientasi tersebut membawa konsekuensi yang tidak sederhana. Selama AI dipahami hanya sebagai mesin pengolah data, persoalan utamanya memang berada pada wilayah algoritma, kapasitas komputasi, dan efisiensi pemrosesan. Namun ketika AI mulai menghasilkan teks, gambar, suara, dan berbagai bentuk representasi lain yang memasuki ruang komunikasi manusia, kita tidak lagi cukup menjelaskannya melalui teori komputasi. Kita mulai memerlukan teori yang mampu menjelaskan bagaimana tanda bekerja, bagaimana makna terbentuk, dan bagaimana interpretasi berlangsung. Dengan kata lain, persoalan AI secara perlahan bergeser dari ranah teknik menuju ranah semiotika dan ilmu komunikasi.
Di sinilah relevansi pemikiran Umberto Eco. Selama ini Eco lebih banyak dibaca sebagai semiolog, kritikus sastra, novelis, atau filsuf kebudayaan. Tidak banyak orang yang menghubungkan karya-karyanya dengan perkembangan kecerdasan buatan. Bahkan pada pandangan pertama, hubungan tersebut tampak agak dipaksakan. Eco hidup pada masa ketika Large Language Models, Transformer, dan Agentic AI bahkan belum menjadi bagian dari imajinasi teknologi. Akan tetapi, justru karena Eco memusatkan perhatian pada mekanisme yang memungkinkan tanda menghasilkan makna, berbagai konsep yang dikembangkannya menawarkan perspektif yang sangat kaya untuk membaca perubahan komunikasi yang sedang kita alami saat ini.
Inilah salah satu ironi yang menarik dalam sejarah ilmu pengetahuan. Sering kali sebuah teori menemukan relevansi terbesarnya bukan pada zaman ketika teori itu dilahirkan, melainkan beberapa dekade kemudian ketika dunia menghadapi persoalan yang sama sekali baru. Pemikiran Charles Darwin memperoleh dimensi baru ketika biologi molekuler berkembang. Gagasan Alan Turing memperoleh makna baru ketika komputasi modern mencapai kematangannya. Demikian pula berbagai pemikiran Marshall McLuhan, Niklas Luhmann, maupun Gregory Bateson yang justru semakin banyak dibicarakan pada era digital. Umberto Eco berada dalam posisi yang serupa. AI tidak menjadikan teori Eco usang, tetapi justru memperlihatkan betapa jauh jangkauan konseptual yang dimilikinya.
Akan tetapi, membaca AI melalui Eco juga menuntut kita berhati-hati. Tujuan utama tulisan ini bukanlah mengatakan bahwa Eco telah “meramalkan” AI. Klaim semacam itu bukan saja berlebihan, tetapi juga tidak produktif secara akademik. Yang jauh lebih penting adalah menyadari bahwa teori yang baik sering kali memiliki kemampuan menjelaskan fenomena yang bahkan belum hadir ketika teori tersebut pertama kali dirumuskan. Relevansi sebuah teori tidak ditentukan oleh kemampuannya memprediksi masa depan, melainkan oleh kemampuannya membantu kita memahami fenomena baru dengan cara yang lebih kaya daripada sebelumnya. Dalam pengertian inilah semiotika Eco kembali memperoleh aktualitasnya.
Karena itu, perdebatan mengenai AI tidak seharusnya hanya menjadi wilayah ilmu komputer. AI memang dibangun melalui matematika, statistika, dan komputasi. Namun ketika hasil komputasi tersebut memasuki ruang sosial dan mulai membentuk cara manusia memahami realitas, persoalannya segera melampaui batas-batas disiplin tersebut. Di titik itulah ilmu komunikasi, semiotika, filsafat bahasa, sosiologi pengetahuan, hingga teori sistem memperoleh ruang dialog yang sama pentingnya. AI bukan hanya persoalan teknologi, tetapi juga persoalan bagaimana kebudayaan manusia mengorganisasikan makna.
Kesadaran inilah yang perlu menjadi titik berangkat ketika kita mencoba memahami AI generatif maupun perkembangan Agentic AI. Terlalu lama kita terpesona oleh besarnya jumlah parameter model, kemampuan komputasi, atau kecepatan perkembangan teknologi. Semua itu memang penting. Namun di balik seluruh kemajuan tersebut terdapat pertanyaan yang jauh lebih mendasar: bagaimana mungkin suatu sistem komputasi dapat menghasilkan rangkaian tanda yang kemudian diperlakukan manusia sebagai sesuatu yang bermakna? Pertanyaan itu bukan lagi pertanyaan mengenai perangkat keras atau algoritma, melainkan pertanyaan mengenai komunikasi.
Di sinilah serial tulisan ini akan dilanjutkan. Jika pada tulisan pertama ini berusaha menunjukkan mengapa AI sebaiknya dibaca sebagai tantangan terhadap teori komunikasi, maka langkah berikutnya adalah memasuki salah satu konsep paling penting dalam keseluruhan bangunan pemikiran Umberto Eco, yaitu Encyclopedia. Konsep tersebut menyediakan jembatan konseptual yang sangat menarik antara semiotika dan cara kerja Large Language Models. Melalui konsep inilah kita akan melihat bahwa makna tidak pernah lahir dari definisi yang berdiri sendiri, melainkan dari jaringan hubungan antartanda yang terus berkembang. Dan justru pada titik itulah, secara tidak terduga, pemikiran Umberto Eco mulai beresonansi dengan salah satu teknologi paling revolusioner pada abad ke-21.
Tangerang Selatan, 11 Juli 2026