– Arief Prihantoro –
Dalam beberapa tahun terakhir, dunia telah dihebohkan oleh kemampuan luar biasa dari Large Language Models (LLM) atau Model Bahasa Besar. Sistem ini dapat menghasilkan esai yang koheren, menulis kode program, bahkan mendiskusikan teori-teori filosofis yang rumit. Kualitas output yang sangat tinggi dan kontekstual ini sering kali menciptakan apa yang disebut sebagai “ilusi pemahaman”.
Ketika sebuah mesin mampu merespons pertanyaan dengan bijaksana, menulis puisi yang menyentuh, atau memberikan nasihat yang terstruktur, wajar jika masyarakat awam berasumsi bahwa mesin itu memiliki pikiran, kesadaran, atau setidaknya, intensionalitas (tujuan). Namun, di sinilah letak paradoks sentral teknologi AI modern: meskipun secara fungsional (performatif) AI menunjukkan perilaku cerdas, ia tidak memiliki komponen kognitif yang kita anggap sebagai kecerdasan sejati.
๐ช๐๐๐ ๐๐ ๐ญ๐๐๐๐๐๐๐๐๐, ๐ฒ๐๐๐๐๐ ๐ญ๐๐๐๐๐๐๐๐๐๐๐๐
Inti dari perdebatan ini adalah pemisahan antara kecerdasan operasional dan kecerdasan fenomenologis. AI modern adalah contoh dari kecerdasan yang sangat cerdas dalam fungsiโia sangat cepat, akurat, dan dapat bekerja dalam skala besar. AI unggul dalam kemampuan komputasional. Namun, terlepas dari kehebatan ini, AI tidak memiliki kesadaran diri (kecerdasan eksistensial), tujuan pribadi, pengalaman subjektif (seperti rasa sakit atau kebahagiaan), atau kehendak bebas.
Kualitas simulasi AI yang canggih secara otomatis memicu kecenderungan manusia untuk menganggap mesin itu hidup (anthropomorphization). Karena kita secara alami sering mengaitkan interaksi yang cerdas dengan kesadaran, kinerja AI yang semakin baik justru meningkatkan risiko kebingungan publikโmembuat sebagian publik percaya bahwa mesin tersebut memiliki perasaan atau niat intrinsik.
Mengapa penting untuk membedakan secara tegas antara alat yang fungsional dengan makhluk yang berniat?
Hal ini krusial untuk menentukan bagaimana kita mengintegrasikan AI ke dalam masyarakat. Jika kita keliru menganggap AI memiliki intensionalitas atau kesadaran etis, kita mungkin menyerahkan tanggung jawab dan kendali atas tujuan hidup kita kepada sebuah sistem yang secara fundamental tidak memiliki nilai pribadi. Para pakar menyarankan bahwa meskipun AI tidak berpikir atau merasa, ia dapat memprediksi dan mengikuti instruksi. Memahami bahwa ia hanya alat yang cerdas secara performatif mengharuskan manusia untuk tetap memegang kendali penuh atas tujuan akhir dan etika penggunaan teknologi ini.
Untuk memahami mengapa kita menggunakan istilah “Artificial Intelligence” (Kecerdasan Buatan) meskipun AI tidak memiliki kecerdasan sejati, kita harus kembali ke sejarah penciptaan istilah tersebut.
๐๐ค๐ฃ๐๐๐ง๐๐ฃ๐จ๐ ๐ฟ๐๐ง๐ฉ๐ข๐ค๐ช๐ฉ๐ 1956
Istilah “Artificial Intelligence” secara resmi lahir pada sebuah lokakarya yang diadakan di Dartmouth College, New Hampshire, pada tahun 1956. Konferensi yang digagas oleh para pionir seperti John McCarthy dan Marvin Minsky ini menandai kelahiran formal bidang penelitian AI. Para peserta saat itu, yang menjadi pemimpin penelitian AI selama beberapa dekade, optimis bahwa mesin secerdas manusia akan terwujud dalam satu generasi.
Optimisme ini, yang kemudian terbukti meremehkan kesulitan penciptaan AGI (Artificial General Intelligence), menjadi salah satu penyebab utama kebingungan terminologi yang kita alami saat ini. Ekspektasi yang salah ini memicu pendanaan besar dari pemerintah AS dan Inggris, dan yang paling penting, menghasilkan istilah yang sangat ambisius.
Gagasan yang diusung oleh John McCarthy dan Marvin Minsky pada Konferensi Dartmouth tahun 1956 mengenai Kecerdasan Buatan (AI) sebenarnya memiliki hubungan yang kompleks dan disengaja dijauhkan dari konsep Siberneitika yang digagas oleh Norbert Wiener.
Berikut adalah penjelasan mendalam mengenai pengaruh dan pemisahan tersebut:
1. Akar Konseptual dari Siberneitika
Sebelum istilah “Artificial Intelligence” (AI) diciptakan pada tahun 1956, bidang studi tentang “mesin berpikir” dikenal dengan berbagai nama, termasuk Sibernetika dan Teori Automata.
Norbert Wiener, yang merupakan pionir utama Sibernetika, memiliki peran penting dalam meletakkan dasar pemikiran bahwa perilaku cerdas dapat diwujudkan dalam mesin. Wiener berteori bahwa semua perilaku cerdas adalah hasil dari mekanisme umpan balik (feedback mechanisms) yang dapat disimulasikan oleh mesin. Konsep feedback loop (seperti yang terlihat pada termostat atau sistem kontrol) ini adalah langkah awal yang sangat penting menuju pengembangan AI modern.
2. Keputusan Sadar untuk Memisahkan Diri
Meskipun Sibernetika adalah pendahulu yang kuat, John McCarthy, sebagai penyelenggara utama Konferensi Dartmouth, secara sadar mengambil langkah untuk menjauhkan bidang barunyaโyang ia sebut Artificial Intelligenceโdari Sibernetika Wiener.
Alasannya adalah strategi dan filosofis:
Netralitas dan Arah Baru: McCarthy memilih nama ‘Artificial Intelligence’ sebagian karena netralitasnya. Ia ingin menghindari fokus Sibernetika yang saat itu sangat terpusat pada mekanisme umpan balik analog (berlawanan dengan fokus McCarthy pada logika digital/matematika).
3. Menghindari Dominasi Wiener: Alasan lain yang lebih pribadi adalah McCarthy ingin menghindari potensi keharusan “menerima Norbert Wiener yang asertif sebagai guru atau harus berdebat dengannya”.
4. Penekanan Konseptual: McCarthy percaya bahwa logika matematika harus menjadi dasar bagi bidang baru tersebut.
Sebagai hasilnya, ketidakhadiran Norbert Wiener di lokakarya Dartmouth sangat mencolok, dan proposal konferensi tersebut sengaja tidak menyebutkan Sibernetika.
Singkatnya, gagasan John McCarthy dan Marvin Minsky secara historis tidak terinspirasi secara langsung oleh Sibernetika Wiener, meskipun Sibernetika adalah konteks ilmiah yang melahirkan ide tentang mesin berpikir yang telah menjadi bahasan jauh sebelum McCarthy menyelenggarakan lokakarya ilmiah tersebut. McCarthy mencoba menihilkan gagasan tentang mesin yang berfikir yang saat ini sedang berkembang bersama tumbuhnya ilmu neurosains. Mesin berfikir secara neural tersebut adalah cikal bakal dari Artificial Intelligence dengan mendasarkan pada prinsip-prinsip sibernetika.
Para pendiri AI secara sadar menciptakan istilah baru (“Artificial Intelligence”) untuk menegaskan kemandirian bidang studi mereka dan untuk menjauh dari fokus filosofis dan teknis Sibernetika yang dominan pada masa itu.
๐ฟ๐๐๐๐ฃ๐๐จ๐ ๐๐ฅ๐๐ง๐๐จ๐๐ค๐ฃ๐๐ก, ๐ฝ๐ช๐ ๐๐ฃ ๐๐๐ก๐ค๐จ๐ค๐๐๐จ
Istilah “AI” yang dicanangkan pada tahun 1956 memiliki definisi yang sangat pragmatis dan operasional, berbeda dari definisi filosofis tentang kecerdasan. Dalam ilmu komputer, “kecerdasan” didefinisikan secara sederhana sebagai kemampuan sistem untuk melakukan tugas yang biasanya memerlukan kecerdasan manusia.
Contoh tugas operasional ini mencakup: mengenali wajah, menerjemahkan bahasa, menjawab pertanyaan, memecahkan masalah, dan membuat rencana.
Dengan definisi yang bersifat teknis ini, AI modern seperti LLM secara jelas memenuhi kriteria tersebut: ia belajar dari data, beradaptasi, dan menghasilkan bahasa yang koherenโsemua merupakan perilaku yang dinilai “cerdas” secara fungsional. Oleh karena itu, secara teknis, sistem ini adalah AI.
๐๐๐ง๐๐๐๐๐๐ฃ ๐๐๐ ๐ฃ๐๐จ ๐ซ๐๐ง๐จ๐ช๐จ ๐๐๐ก๐ค๐จ๐ค๐๐๐จ
Penting untuk membedakan dua arti kata “intelligence” yang digunakan dalam konteks ini:
1. Intelligence (Teknis/Ilmiah): Mengacu pada kemampuan mengerjakan tugas-tugas kompleks melalui algoritma dan pembelajaran mesin. AI modern masuk kategori ini.
2. Intelligence (Filosofis/Psikologis): Mengacu pada kesadaran, pemahaman sejati, intensionalitas, dan penalaran kausal. AI modern tidak masuk kategori ini.
“๐ผ๐” ๐จ๐๐๐๐๐๐ ๐๐ง๐๐๐๐จ๐ ๐๐๐ฃ ๐๐๐ข๐๐จ๐๐ง๐๐ฃ
Jika istilah “AI” menimbulkan kerancuan, mengapa para ilmuwan tidak menggunakan nama yang lebih akurat? Secara konseptual, sistem modern ini seharusnya disebut Artificial Reasoning Systems, Statistical Language Models, atau bahkan Probabilistic Cognition Engines.
Namun, istilah “AI” terlanjur menjadi tradisi ilmiah, dan lebih pendek, serta lebih menarik untuk pemasaran. Sama seperti kelahiran istilah “cyber” yang populer dalam perkembangan teknologi ‘www’ (worl wide web), yang sebetulnya tidak tepat secara terminologi teknis, namun lebih menarik untuk pemasaran teknologi baru tersebut dan kemudian secara salah kaprah digunakan untuk digunakan sebagai istilah pengganti untuk ruang internet. Dengan demikian, istilah “AI” hari ini tidak mencerminkan realitas teknis saat ini (yang didominasi oleh kecerdasan sempit dari mesin), melainkan mewarisi janji ambisius dari masa depan yang belum terwujud, sehingga memperburuk kebingungan publik.
๐๐๐ฃ๐๐ช๐ฅ๐๐จ ๐๐๐จ๐๐ฃ ๐ฝ๐๐๐๐จ๐: ๐ฝ๐ช๐ ๐๐ฃ ๐๐๐ ๐๐ง๐๐ฃ, ๐๐๐ฃ๐ฎ๐ ๐๐ง๐๐๐๐ ๐จ๐ ๐๐ฉ๐๐ฉ๐๐จ๐ฉ๐๐
Untuk menghilangkan mitos bahwa AI memiliki pemahaman sejati, kita harus melihat cara kerja inti dari Model Bahasa Besar (LLM).
Model Bahasa Besar dan Tugas Utamanya
LLM (seperti ChatGPT) adalah model yang dilatih pada dataset teks yang sangat besar, mencakup miliaran kata dari buku, situs web, kode program, dan forum. Mereka menggunakan arsitektur neural network canggih, terutama transformer, untuk mempelajari hubungan statistik antara kata, frasa, dan struktur kalimat dalam konteks yang sangat luas.
Tugas inti mereka, sesederhana kedengarannya, adalah memprediksi token (kata atau potongan kata) yang paling mungkin muncul berikutnya. Model ini bekerja seperti manusia yang hafal pola. Misalnya, ketika Anda diminta melengkapi lirik lagu anak-anak, “Merah, kuning, hijau, di langit yang…” Anda tahu kata berikutnya adalah “biru.” LLM melakukan hal yang sama, tetapi dengan probabilitas yang jauh lebih kompleks dan data yang sangat masif.
Mereka adalah model persepsi buatan yang sangat canggih. Beberapa peneliti berpendapat bahwa yang dilakukan LLM hanyalah melihat pola input (persepsi) dan bukan kecerdasan sejati (kecerdasan eksistensial). Kecerdasan sejati memerlukan tujuan yang dicapai melalui persepsi itu. Karena LLM hanya memprediksi token tanpa tujuan intrinsik, peningkatan kemampuannya saat ini hanyalah peningkatan fidelitas persepsi, bukan peningkatan tingkat kesadaran. Kecerdasan AI hanyalah kecerdasan fungsional, bukan kecerdasan eksistensial.
Tangerang Selatan, 22 November 2025