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.
Dua Orang, Dua Level Abstraksi
Dalam diskusi tersebut saya tidak pernah merasa berbeda pendapat dengan saudara Wawan Setiawan mengenai bagaimana komputer bekerja.
Justru saya sepakat.
Kalau pertanyaannya adalah:
Bagaimana komputer melakukan komputasi?
Maka jawabannya jelas.
Komputer hanyalah mesin komputasi.
Ia memanipulasi bit.
Ia menjalankan operasi logika.
Ia melakukan switching elektronik.
Ia tidak memiliki kesadaran.
Ia tidak memahami makna sebagaimana manusia memahami makna.
Saya tidak pernah membantah satu pun dari penjelasan tersebut.
Masalahnya, itu bukan pertanyaan yang sedang saya ajukan.
Saya merasa kami sedang berbicara mengenai dua objek kajian yang berbeda.
Saudara Wawan menjelaskan mekanisme komputasi di dalam komputer dari perspektif computer science dan software engineering.
Sedangkan saya sedang mencoba melihat persoalan yang sama dari perspektif semiotika, filsafat bahasa, dan ilmu kognitif.
Keduanya memang saling berkaitan.
Tetapi berada pada lapisan analisis yang berbeda.
Kalkulator Tidak Pernah Mengenal Angka
Misalkan kita mengambil contoh paling sederhana.
Sebuah kalkulator menghitung:
2 + 3 = 5
Kalkulator menghasilkan jawaban yang benar.
Tetapi apakah kalkulator mengetahui apa itu angka 2?
Tidak.
Apakah ia memahami bahwa simbol + berarti penjumlahan?
Tidak.
Apakah ia mengetahui bahwa tanda = berarti kesetaraan nilai?
Juga tidak.
Kalkulator hanya menjalankan rangkaian logika yang telah dirancang oleh manusia.
Pada titik ini saya sepenuhnya setuju dengan perspektif ilmu komputer.
Tetapi pertanyaan saya berbeda.
Saya tidak sedang bertanya:
Bagaimana kalkulator menghitung?
Saya justru bertanya:
Mengapa manusia sepakat bahwa simbol “+” merepresentasikan operasi penjumlahan?
Pertanyaan tersebut tidak lagi berada pada wilayah arsitektur komputer.
Ia telah berpindah ke wilayah representasi simbolik.
Dan di situlah semiotika mulai berbicara.
Lampu Merah Tidak Pernah Mengandung Makna Berhenti
Contoh lain mungkin lebih mudah dipahami.
Lampu lalu lintas.
Bagi komputer, lampu merah hanyalah data.
Misalnya:
RGB = (255,0,0)
atau sekumpulan bit digital.
Tidak ada makna “berhenti” di dalam angka-angka tersebut.
Yang ada hanyalah representasi numerik suatu warna.
Namun bagi manusia, lampu merah berarti:
Berhenti.
Pertanyaannya adalah:
Dari mana makna “berhenti” itu berasal?
Bukan dari warna merah itu sendiri.
Melainkan dari sistem tanda yang dibangun melalui kesepakatan sosial.
Charles Sanders Peirce menyebut hubungan ini sebagai proses semiosis, yaitu proses ketika suatu tanda memperoleh makna melalui hubungan antara sign, object, dan interpretant.
Makna tidak melekat pada objek.
Makna lahir melalui proses interpretasi.
Dari Google Translate Hingga Large Language Model
Fenomena serupa juga terjadi pada Google Translate maupun Large Language Model.
Ketika sistem menerjemahkan:
Saya lapar.
menjadi:
I’m hungry.
Komputer tidak pernah merasa lapar.
Ia tidak memiliki pengalaman biologis mengenai rasa lapar.
Yang dilakukan hanyalah transformasi representasi simbol.
Namun manusia membaca hasil transformasi tersebut sebagai sesuatu yang bermakna.
Di sinilah menurut saya mulai menarik.
Yang menarik bagi saya bukan bagaimana komputer melakukan komputasi.
Yang menarik justru pertanyaan berikut:
Bagaimana manipulasi simbol secara komputasional dapat menghasilkan keluaran yang oleh manusia dipersepsi sebagai bermakna?
Inilah pertanyaan yang melahirkan dua tulisan saya sebelumnya mengenai semiotika sebagai teori kognitif tersembunyi di balik AI serta kemunculan makna dari komputasi statistik.
Apakah Bahasa Sekadar Mengekspresikan Logika?
Kembali kepada pernyataan awal.
“Language adalah express the logic and mathematic behind it”.
Itu adalah klaim filosofis.
Dalam konteks software engineering, saya memahami maksud pernyataan tersebut.
Algoritma QuickSort tetap merupakan QuickSort apakah ditulis dalam Pascal, C, Java, Python, Rust, maupun bahasa komputasi kuantum di masa depan.
Routing tetap menggunakan konsep graph theory dan algoritma Dijkstra meskipun Cisco, Juniper, atau MikroTik memiliki sintaks konfigurasi yang berbeda.
Pada level implementasi komputasi, bahasa memang berfungsi sebagai media ekspresi.
Tetapi sebagai klaim filosofis, menurut saya kalimat saudara Wawan agak problematis, karena menimbulkan dua asumsi yang layak dipertanyakan.
Asumsi Pertama: Logika Sudah Ada Sebelum Bahasa
Kalimat tersebut secara implisit menempatkan logika sebagai sesuatu yang telah eksis secara independen, sementara bahasa hanya menjadi wadah untuk mengungkapkannya.
Namun dalam ilmu kognitif modern, hubungan keduanya jauh lebih kompleks.
Seorang bayi tidak mempelajari logika formal sejak lahir.
Ia terlebih dahulu belajar mengenali objek.
Kemudian mengenali simbol.
Lalu memahami kata.
Baru setelah itu berkembang kemampuan melakukan inferensi dan penalaran yang semakin abstrak.
Dengan kata lain, representasi simbolik mendahului logika formal dalam perkembangan kognitif manusia.
Logika bukan muncul di ruang hampa.
Ia tumbuh melalui kemampuan manusia membangun dan menginterpretasikan sistem simbol.
Asumsi Kedua: Matematika Bukan Bahasa
Asumsi kedua bahkan lebih menarik.
Dalam banyak literatur matematika sendiri kita menemukan pernyataan:
Mathematics is a formal language.
atau
Mathematics is the language of patterns.
Artinya matematika sendiri merupakan suatu bahasa.
Bukan bahasa alami seperti Bahasa Indonesia atau Inggris, melainkan bahasa formal yang memiliki kosakata simbolik, tata bahasa yang ketat, aturan inferensi, serta struktur pembuktian.
Simbol-simbol matematika adalah vocabulary.
Aksioma merupakan grammar.
Inference rules adalah syntax.
Sedangkan proof merupakan bentuk discourse dalam bahasa matematika.
Kalau demikian, muncul pertanyaan yang cukup menarik.
Apabila matematika sendiri adalah bahasa formal, maka bagaimana kita memahami pernyataan:
Language expresses mathematics?
Bukankah secara konseptual maknanya bisa berubah menjadi sesuatu yang mendekati:
Bahasa mengekspresikan bahasa?
Menurut saya, persoalannya bukan salah atau benar.
Melainkan karena kata language dipakai dalam dua pengertian yang berbeda tanpa dibedakan secara eksplisit.
Dari Semiotika Menuju AI
Justru perkembangan AI modern memperlihatkan sesuatu yang menarik.
Selama bertahun-tahun kita beranggapan bahwa logika berada di atas bahasa.
Seolah urutannya adalah:
Logika → Bahasa.
Seolah manusia menguasai logika dulu baru menguasai bahasa.
Namun Large Language Model memperlihatkan fenomena yang berbeda.
Model-model seperti GPT, Claude, Gemini, maupun Llama tidak pernah diajarkan silogisme Aristoteles secara eksplisit. Mereka juga tidak dibekali daftar aturan logika formal.
Yang mereka pelajari terlebih dahulu adalah relasi statistik antar simbol (token) dalam bahasa.
Dari relasi simbol tersebut kemudian muncul kemampuan melakukan inferensi, analogi, abstraksi, bahkan bentuk-bentuk penalaran yang semakin kompleks.
Fenomena ini tidak membuktikan bahwa logika tidak penting.
Namun ia menunjukkan bahwa secara filosofi hubungan antara bahasa dan logika mungkin jauh lebih erat daripada yang selama ini diasumsikan dalam tradisi rekayasa perangkat lunak.
Bahasa bukan sekadar media untuk membawa logika.
Bahasa dapat menjadi ruang tempat logika tumbuh melalui representasi simbolik.
Mengapa Perusahaan Teknologi Kini Membutuhkan Filsuf?
Beberapa hari lalu, Sabtu 27 Juni 2026, harian Kompas memuat sebuah artikel internasional dengan judul yang cukup provokatif: “Bukan Ahli Koding, AI Butuh Ahli Filsafat.” Sekilas, judul tersebut terdengar paradoksal.
Selama beberapa dekade terakhir, kemajuan kecerdasan buatan selalu diasosiasikan dengan kemampuan pemrograman, matematika, algoritma, dan komputasi berperforma tinggi. Kini justru muncul narasi bahwa filsuf menjadi profesi yang semakin dicari oleh perusahaan-perusahaan AI.
Apakah dunia teknologi benar-benar sedang bergeser dari komputer menuju filsafat?
Menurut saya, jawabannya bukan demikian.
Yang sedang berubah bukanlah kebutuhan terhadap ahli komputer, melainkan cara kita memahami apa sebenarnya yang sedang dikerjakan oleh sistem AI modern.
Dalam dua tulisan sebelumnya mengenai Semiotika sebagai Teori Kognitif Tersembunyi di Balik Kemajuan AI dan Semantik Artificial Intelligence: Kemunculan Makna dari Komputasi Statistik, saya mengemukakan bahwa revolusi AI tidak lagi semata-mata terjadi pada tingkat komputasi, melainkan pada tingkat representasi makna. Artikel Kompas tersebut, tanpa disadari, justru menjadi konfirmasi empiris terhadap tesis tersebut.
Dari Komputasi Menuju Makna
Selama bertahun-tahun, kemajuan AI dipandang sebagai persoalan peningkatan daya komputasi. GPU yang lebih cepat, data yang lebih besar, parameter yang lebih banyak, serta algoritma optimisasi yang semakin efisien dianggap sebagai faktor utama yang menentukan kecerdasan sebuah model.
Pandangan ini tidak salah.
Namun, ia tidak lagi cukup.
Model-model seperti GPT, Claude, Gemini, maupun Llama telah memperlihatkan bahwa tantangan terbesar AI bukan lagi sekadar menghitung secara cepat, melainkan memahami konteks, membangun penalaran, menjaga konsistensi logika, mengenali ambiguitas bahasa, serta mengetahui kapan harus mengatakan “saya tidak tahu.”
Dengan kata lain, persoalan AI telah bergeser dari persoalan komputasi menuju persoalan makna.
Di sinilah perusahaan-perusahaan AI mulai menyadari bahwa persoalan tersebut tidak dapat diselesaikan hanya dengan menambah jumlah parameter model ataupun memperbesar kapasitas GPU.
Mereka membutuhkan disiplin ilmu yang sejak ribuan tahun lalu memang mempelajari persoalan makna.
Mengapa Filsafat?
Artikel Kompas menyebut bahwa berbagai perusahaan AI mulai merekrut filsuf, ahli etika, maupun ilmuwan humaniora untuk membantu proses pengembangan model bahasa.
Sebagian orang mungkin menganggap ini sekadar tren baru.
Padahal sesungguhnya yang sedang terjadi jauh lebih fundamental.
Masalah yang dihadapi AI modern bukan lagi sekadar bagaimana menghasilkan jawaban, melainkan bagaimana menghasilkan jawaban yang benar, relevan, dapat dipertanggungjawabkan, serta sesuai dengan konteks sosial manusia.
Pertanyaan-pertanyaan semacam itu sejak dahulu merupakan wilayah kajian filsafat.
Namun, bila kita telusuri lebih dalam, ternyata cabang filsafat yang paling banyak bekerja di balik layar AI bukan hanya etika.
Yang lebih mendasar justru adalah semiotika, semantik, logika, epistemologi, dan filsafat bahasa.
Semiotika sebagai Arsitektur Tak Terlihat
Ketika sebuah Large Language Model menerima kalimat dari pengguna, yang diproses bukanlah “makna” secara langsung.
Model terlebih dahulu mengubah bahasa menjadi representasi simbolik dalam ruang vektor berdimensi tinggi. Dari representasi statistik tersebut kemudian muncul hubungan antar konsep, asosiasi konteks, hingga pola inferensi yang menghasilkan respons.
Fenomena inilah yang dalam tulisan saya sebelumnya disebut sebagai kemunculan makna dari komputasi statistik.
Makna tidak diprogram secara eksplisit.
Makna muncul melalui proses representasi dan interpretasi.
Dalam perspektif semiotika Charles Sanders Peirce, proses ini sangat dekat dengan konsep semiosis, yaitu proses ketika sebuah tanda terus-menerus menghasilkan interpretan baru yang kemudian menjadi tanda berikutnya dalam suatu rantai penafsiran.
AI modern memang bukan manusia.
Ia tidak memiliki kesadaran.
Namun secara struktural, mekanisme inferensinya semakin menyerupai proses semiosis yang selama ini dipelajari dalam filsafat bahasa dan semiotika.
Inilah sebabnya mengapa teori semiotika tiba-tiba menjadi relevan kembali setelah sekian lama lebih banyak dipelajari di fakultas sastra, komunikasi, dan ilmu budaya.
Dari Statistik Menuju Kognisi
Kesalahan terbesar dalam memahami AI modern adalah menganggap bahwa model bahasa hanyalah mesin statistik.
Pernyataan tersebut benar, tetapi hanya benar pada tingkat implementasi komputasinya.
Pada tingkat perilaku, sistem AI telah membangun sesuatu yang lebih kompleks.
Ia mulai membentuk representasi konseptual.
Ia menghubungkan simbol dengan simbol lain.
Ia mengenali analogi.
Ia membangun hubungan sebab-akibat.
Ia memperkirakan maksud pembicara.
Ia melakukan inferensi.
Semua kemampuan tersebut tidak muncul karena model memahami dunia sebagaimana manusia memahami dunia, melainkan karena struktur statistik yang sangat kompleks ternyata mampu melahirkan perilaku yang menyerupai proses semantik.
Di sinilah lahir paradoks AI modern.
Komputasi statistik ternyata dapat menghasilkan fenomena yang selama ini dianggap hanya dimiliki oleh sistem kognitif.
Mengapa Industri Baru Menyadarinya Sekarang?
Selama AI digunakan untuk mengenali gambar atau mengklasifikasikan objek, persoalan filsafat hampir tidak terlihat.
Namun ketika AI mulai berdialog, berargumentasi, menulis, menjelaskan, memberikan nasihat, bahkan ikut membantu proses pengambilan keputusan, persoalan yang muncul bukan lagi persoalan algoritma.
Yang muncul justru persoalan makna.
Apa arti sebuah pernyataan?
Bagaimana membedakan fakta dengan opini?
Bagaimana menangani ambiguitas?
Bagaimana mengetahui bahwa suatu jawaban bersifat spekulatif?
Bagaimana menjaga konsistensi logika dalam percakapan yang panjang?
Seluruh persoalan tersebut merupakan persoalan klasik dalam filsafat bahasa, logika, dan epistemologi.
Tidak mengherankan apabila perusahaan-perusahaan AI akhirnya mulai mencari filsuf.
Bukan karena mereka kekurangan programmer.
Melainkan karena mereka mulai berhadapan dengan persoalan yang memang sejak awal merupakan wilayah filsafat.
AI Tidak Sedang Belajar Filsafat
Namun demikian, terdapat satu hal yang perlu diluruskan.
Ungkapan bahwa “AI belajar filsafat” sering kali disalahartikan.
AI tidak sedang menjadi seorang filsuf.
Yang sebenarnya terjadi adalah AI mempelajari pola bahasa, pola argumentasi, struktur logika, serta hubungan antar konsep yang terdapat dalam jutaan dokumen, termasuk karya-karya filsafat.
Dengan kata lain, AI tidak memiliki kesadaran filosofis.
Ia membangun representasi statistik terhadap struktur pengetahuan yang dihasilkan manusia.
Perbedaan ini sangat penting agar kita tidak terjebak pada antropomorfisme, yaitu kecenderungan memberikan sifat-sifat manusia kepada sistem komputasi.
Dari Coding Menuju Kolaborasi Multidisiplin
Karena itu, saya juga kurang sepakat apabila perkembangan ini dipahami sebagai pertentangan antara ahli koding dan ahli filsafat.
Yang sedang terjadi justru sebaliknya.
AI modern lahir dari kolaborasi yang semakin erat antara berbagai disiplin ilmu.
Ilmu komputer menyediakan fondasi komputasi.
Matematika menyediakan teori optimisasi.
Statistika menyediakan mekanisme pembelajaran.
Linguistik menjelaskan struktur bahasa.
Psikologi membantu memahami perilaku manusia.
Filsafat menyediakan teori mengenai logika, makna, pengetahuan, dan nilai.
Sementara semiotika menjelaskan bagaimana simbol dapat berubah menjadi representasi yang bermakna.
Semua disiplin tersebut kini bertemu dalam satu titik yang sama: kecerdasan tiruan.
Penutup
Artikel Kompas tersebut sebenarnya bukan sekadar berita mengenai perubahan strategi perekrutan perusahaan AI.
Lebih dari itu, ia merupakan indikator bahwa industri mulai bergerak ke arah yang selama ini telah diprediksi oleh perkembangan teori AI.
Semakin canggih AI, semakin besar pula kebutuhan untuk memahami bagaimana makna terbentuk, bagaimana bahasa bekerja, bagaimana inferensi dilakukan, dan bagaimana pengetahuan direpresentasikan.
Dalam konteks inilah semiotika tidak lagi sekadar menjadi teori komunikasi atau kajian budaya.
Ia perlahan menjelma menjadi salah satu fondasi konseptual yang membantu menjelaskan mengapa komputasi statistik dapat berkembang menjadi sistem yang mampu berinteraksi melalui bahasa, membangun penalaran, dan menghasilkan makna.
Mungkin inilah ironi terbesar revolusi AI.
Perkembangan Large Language Model memperlihatkan sesuatu yang menarik. Selama ini kita cenderung memandang bahasa sebagai medium untuk mengekspresikan logika dan matematika. Setelah puluhan tahun dunia berlomba membangun mesin yang semakin cepat menghitung, Namun ketika model-model AI justru menunjukkan bahwa kemampuan inferensi dapat muncul setelah mempelajari relasi antar simbol dalam bahasa, muncul pertanyaan filosofis yang jauh lebih mendasar. Kita akhirnya kembali pada pertanyaan yang telah diajukan para filsuf sejak ribuan tahun lalu:
Bagaimana sebenarnya makna lahir dari simbol?
Pertanyaan ini tidak lagi berada pada wilayah rekayasa perangkat lunak ataupun implementasi komputasi. Ia membawa kita kembali kepada perdebatan klasik dalam semiotika, filsafat bahasa, ilmu kognitif, hingga filsafat matematika mengenai hubungan ontologis antara bahasa, simbol, logika, dan makna. Dan mungkin, justru perkembangan AI modern memaksa kita untuk meninjau ulang asumsi-asumsi yang selama ini kita anggap sudah mapan.
Dan ternyata, pertanyaan itulah yang kini harus dijawab oleh industri kecerdasan tiruan. Dan mungkin, pertanyaan filosofis dari ranah semiotika itulah yang kini menjadi salah satu fondasi terpenting dalam memahami kecerdasan tiruan modern
Arief Prihantoro
Tangerang Selatan, 29 Juni 2026