Kecerdasan buatan: antara janji ilusi dan distopia yang nyata

‍

Kecerdasan buatan telah melalui banyak siklus kegembiraan dan kekecewaan. Saat ini, kita berada dalam fase peningkatan, berkat pengembangan model bahasa besar (LLM) berdasarkan arsitektur Transformer. Arsitektur ini sangat cocok untuk GPU, sehingga memungkinkan untuk menggunakan data dan daya komputasi yang sangat besar untuk melatih model dengan miliaran parameter, konsekuensi yang paling signifikan adalah terciptanya antarmuka pengguna yang baru untuk komputer: bahasa manusia.

Sama seperti antarmuka pengguna grafis yang membuat komputer pribadi dapat diakses oleh jutaan pengguna pada tahun 1980-an, antarmuka bahasa alami yang baru telah membuat AI dapat diakses oleh ratusan juta pengguna di seluruh dunia pada tahun lalu.

‍

Mitos tentang demokratisasi yang sesungguhnya

‍

Terlepas dari aksesibilitas yang jelas ini, 'demokratisasi' yang dijanjikan oleh solusi SaaS masih belum sempurna dan parsial, sehingga menciptakan bentuk-bentuk ketidaksetaraan yang baru.

‍

AI masih membutuhkan keterampilan khusus:

- Literasi AI dan memahami batasan sistem

- Kemampuan untuk mengevaluasi hasil secara kritis

- Keterampilan integrasi dalam proses bisnis

‍

Efek AI dan paradoks perbatasan

John McCarthy menciptakan istilah AI pada tahun 1950-an, namun ia sendiri mengeluh: "Begitu berhasil, tidak ada yang menyebutnya AI lagi". Fenomena ini, yang dikenal sebagai 'efek AI', terus mempengaruhi kita hingga saat ini.

‍

Sejarah AI dipenuhi dengan keberhasilan yang, setelah menjadi cukup andal, tidak lagi dianggap cukup 'cerdas' untuk mendapatkan julukan aspiratif.

‍

Contoh teknologi yang dulunya dianggap sebagai AI mutakhir dan sekarang dianggap biasa saja:

‍

- Visi mesin sekarang terpasang di setiap ponsel cerdas

- Pengenalan suara, sekarang hanya 'dikte'

- Penerjemahan bahasa dan analisis sentimen Sistem rekomendasi (Netflix, Amazon) dan pengoptimalan rute (Google Maps)

Ini adalah bagian dari fenomena yang lebih luas yang dapat kita sebut sebagai 'paradoks perbatasan'.

‍

Ketika kita mengaitkan manusia dengan batas di luar penguasaan teknologi kita, batas ini akan selalu tidak terdefinisi dengan baik. Kecerdasan bukanlah sesuatu yang dapat kita tangkap, tetapi sebuah cakrawala yang terus mendekat yang kita ubah menjadi alat yang berguna.

‍

‍

AI dan informasi yang berlebihan

‍

Penyebaran AI generatif telah secara drastis mengurangi biaya produksi dan pengiriman informasi, dengan efek paradoksal sehubungan dengan tujuan partisipasi masyarakat.

‍

Krisis konten sintetis

Kombinasi dari AI generatif dan media sosial telah tercipta:

- Beban kognitif yang berlebihan dan penguatan prasangka yang sudah ada sebelumnya

- Polarisasi sosial yang lebih besar

- Kemudahan memanipulasi opini publik

- Penyebaran konten yang dipalsukan

‍

Masalah 'kotak hitam'

‍

Antarmuka yang disederhanakan menyembunyikan cara kerja AI:Pemahaman yang buruk tentang proses pengambilan keputusan otomatisKesulitan dalam mengidentifikasi bias algoritmik

‍

Terbatasnya penyesuaian model yang mendasari Pentingnya kecerdasan otomatis yang dipimpin oleh manusia AI hanya dapat membawa kita 90% dari perjalanan ke sana.

‍

Mesin sangat baik dalam menganalisis data dalam jumlah besar, tetapi kesulitan dalam menangani kasus-kasus yang jarang terjadi. Algoritme dapat dilatih untuk menangani lebih banyak pengecualian, tetapi di luar titik tertentu, sumber daya yang dibutuhkan lebih besar daripada manfaatnya. Manusia adalah pemikir yang tepat yang menerapkan prinsip-prinsip pada kasus-kasus di luar batas, sementara mesin adalah penduga yang membuat keputusan berdasarkan data sebelumnya.

‍

Dari sensasi hingga kekecewaan: siklus AI

Seperti yang dijelaskan oleh Gartner dalam siklus hype teknologi, antusiasme yang liar selalu diikuti oleh kekecewaan - 'lembah kekecewaan'.

‍

Para pendiri mendapatkan keuntungan dalam jangka pendek dari pemasaran yang menarik perhatian, tetapi dengan biaya yang mahal, Alan Kay, pionir ilmu komputer dan pemenang Turing Prize, mengatakan: 'Teknologi adalah teknologi hanya untuk mereka yang lahir sebelum teknologi itu ditemukan'. Para profesional Machine Learning adalah ilmuwan dan insinyur, namun upaya mereka selalu tampak seperti sulap - sampai suatu hari nanti ternyata tidak.

‍

Homogenisasi dan hilangnya keunggulan kompetitif Pengadopsian yang meluas dari solusi SaaS yang sama yang telah dibuat sebelumnya menyebabkan:Konvergensi menuju proses bisnis yang serupaKesulitan diferensiasi melalui AIInovasi dibatasi oleh kemampuan platformKetahanan data dan risikonya

‍

Dengan aksesibilitas platform AI generatif:Data bertahan dari waktu ke waktu dalam infrastruktur digitalPoin data dapat digunakan kembali dalam konteks yang berbeda

Siklus berbahaya tercipta ketika generasi AI di masa depan dilatih dengan konten sintetis.

‍

Kesenjangan digital yang baru

‍

Pasar AI terbagi menjadi:

- AI Komoditas: solusi terstandardisasi yang tersedia bagi banyak orang

- AI berpemilik tingkat lanjut: kemampuan canggih yang dikembangkan oleh beberapa organisasi besar

‍

Kebutuhan akan kosakata yang lebih tepat

Sebagian dari masalahnya terletak pada definisi 'Kecerdasan Buatan'.

‍

Jika kita menguraikan istilah ini secara rekursif, kita akan menemukan bahwa setiap cabang dari definisi tersebut mengacu pada 'manusia' atau 'orang'. Menurut definisi, kita menganggap AI sebagai peniruan dari manusia, tetapi begitu sebuah kemampuan dengan tegas memasuki ranah mesin, kita kehilangan titik referensi manusia dan berhenti menganggapnya sebagai AI.

‍

Akan lebih berguna jika kita berfokus pada teknologi spesifik yang dapat digunakan, seperti transformer untuk model bahasa atau difusi untuk menghasilkan gambar. Hal ini membuat kemampuan kita untuk mengevaluasi sebuah perusahaan menjadi lebih eksplisit, nyata, dan nyata.

‍

Kesimpulan: Dari perbatasan ke teknologi

‍

Paradoks batas berarti bahwa AI berakselerasi dengan sangat cepat sehingga tidak lama lagi AI akan menjadi teknologi, dan batas baru akan menjadi AI. Menjadi 'teknologi' harus dilihat sebagai pengakuan atas ide yang sebelumnya berada di ujung tombak yang memungkinkan, artikel ini terinspirasi sebagian oleh refleksi Sequoia Capital tentang paradoks AI.

Untuk informasi lebih lanjut: https://www.sequoiacap.com/article/ai-paradox-perspective/

‍

Janji nyata dari AI yang dapat diakses tidak hanya sekadar menyediakan teknologi, tetapi juga menciptakan ekosistem di mana inovasi, kontrol, dan manfaatnya benar-benar terdistribusi.

Kita harus menyadari adanya ketegangan antara akses ke informasi dan risiko kelebihan beban dan manipulasi.

‍

Hanya dengan mempertahankan elemen manusia yang kuat dalam kecerdasan buatan dan mengadopsi bahasa yang lebih tepat, kita dapat mewujudkan potensinya sebagai kekuatan untuk inklusi dan inovasi yang benar-benar terdistribusi.