Apa Itu AI ? Mengapa AI Perlu Dipahami, Bukan Hanya Dibicarakan

 

Oleh: David Hutasoit

KECERDASAN buatan atau Artificial Intelligence (AI) mendominasi perbincangan publik saat ini, tetapi sering kali diselimuti promosi berlebih, fiksi ilmiah dan jargon terlalu teknis.

Artikel ini menawarkan pengantar yang lugas untuk pembaca yang ingin memahami AI tanpa harus menjadi ahli. Ia membahas dasar-dasar kecerdasan mesin, menjelaskan mekanisme teknis di balik sistem yang dipakai saat ini dan secara jujur mengakui batas-batas pemahaman kita.

Artikel ini bukan ramalan dan bukan promosi. Tujuannya adalah membekali pembaca untuk menilai klaim tentang AI dan berpartisipasi secara bermakna dalam membentuk arah teknologinya.

Versi lengkap dalam bahasa Inggris, termasuk notebook Python yang mereproduksi setiap eksperimen, tersedia di https: // github. com/ davidteaching/no-nonsense_ intro_ ai/ .

Kecerdasan buatan adalah teknologi yang langka dalam satu hal: ia dibicarakan di mana-mana, tetapi jarang dijelaskan dengan memadai. Wacana publik bergerak antara dua kutub yang sama-sama tidak menyenangkan.

Di satu sisi, ada janji berlebihan: AI akan menyembuhkan penyakit, mempersonalisasi pendidikan, mempercepat penemuan ilmiah. Di sisi lain, ada peringatan tentang mesin yang suatu hari akan melampaui atau menggantikan manusia.

Di antara kedua kutub itu, ada kenyataan yang jauh lebih tenang: jutaan orang memakai sistem statistik yang mengklasifikasi gambar, menyusun hasil pencarian, menerjemahkan bahasa, merekomendasikan video dan membantu menulis, menggambar, serta menyusun kode.

Kesenjangan antara wacana dan kenyataan itu bukan soal tingkat. Ia adalah kesenjangan pemahaman tentang bagaimana sistem ini bekerja, apa yang bisa dan tidak bisa dilakukannya, dan mengapa. Artikel ini adalah usaha untuk menutup kesenjangan itu.

Rumor dan Kenyataan

Setiap generasi riset AI melahirkan gelombang kehebohan, disusul kekecewaan, disusul periode konsolidasi yang lebih tenang. Pola ini sebenarnya sudah pernah terjadi dan sudah punya nama, yaitu “musim dingin AI” (AI winter) dan sudah cukup tua sehingga para peneliti serius belajar bersikap skeptis terhadap janji maupun kepanikan.

Meskipun demikian, setiap gelombang membawa audiens baru yang belum pernah melihat polanya: jurnalis, pembuat kebijakan, mahasiswa, profesional di bidang yang berdekatan dan pembaca umum yang menemukan topik ini lewat berita dan peluncuran produk, bukan lewat makalah riset.

Masalahnya bukan bahwa pembaca-pembaca ini kurang informasi. Masalahnya adalah bahan bacaan yang tersedia cenderung jatuh ke dalam dua kategori yang sama-sama tidak memuaskan.

Di satu ujung, ada tulisan teknis yang mengandaikan matematika tingkat pascasarjana. Di ujung lain, ada tulisan populer yang menjelaskan AI lewat metafora, seperti “otak adalah jaringan saraf” atau “model ini belajar seperti anak kecil”, yang sering menyesatkan dan kadang-kadang sepenuhnya salah.

Tidak ada kategori yang melayani pembaca yang ingin memahami apa yang sebenarnya terjadi di dalam sistem ini, tanpa menyederhanakan sampai terdistorsi dan tanpa terlalu rumit dan tenggelam dalam notasi.

Artikel ini menempati ruang di antara kedua kategori itu. Ia mengandaikan keseriusan intelektual, tetapi tidak mengandaikan latar belakang teknis. Ia memakai matematika di tempat matematika menjelaskan dan memakai prosa di tempat prosa memadai. Ia jujur tentang apa yang sudah diketahui, apa yang masih berupa konvensi rekayasa dan apa yang benar-benar masih terbuka.

Mengapa Artikel ini Berbeda

Ada tiga hal yang membedakan artikel ini dari kebanyakan pengantar AI yangberedar.

Pertama, artikel ini tidak menjanjikan dan tidak menakut-nakuti. Ia tidak akan memberi tahu Anda bahwa AI akan menyelesaikan semua masalah manusia dan tidak akan memberi tahu Anda bahwa AI akan mengakhiri peradaban. Ia akan menjelaskan apa yang sedang terjadi dan membiarkan Anda menilai sendiri.

Kedua, artikel ini jujur tentang apa yang belum kita pahami. Ini jarang terjadi di tulisan populer tentang AI. Sebagian besar artikel populer menyajikan AI sebagai teknologi yang sudah mapan dan tinggal diterapkan. Kenyataannya berbeda.

Ada banyak hal tentang AI modern yang bekerja sangat baik tetapi tidak sepenuhnya bisa dijelaskan mengapa. Mungkin seiring waktu, manusia akan menemukan penjelasan yang lebih memuaskan. Tapi inilah gambaran sebenarnya saat ini.

Ketiga, artikel ini menyediakan alat. Ia tidak hanya memberi tahu anda fakta tentang AI; ia juga memberi anda cara untuk menilai klaim tentang AI yang akan anda temui setelah selesai membaca. Enam pertanyaan di Bagian 8 bisa anda pakai pada setiap berita, iklan, atau pernyataan pejabat tentang AI yang muncul di hadapan anda.

Untuk Siapa Artikel ini Ditulis

Artikel ini ditulis untuk pembaca yang serius tetapi bukan spesialis. Audiens yang saya bayangkan meliputi beberapa kelompok. Jurnalis yang harus meliput AI tanpa harus menjadi ahli dan yang membutuhkan

kerangka untuk menilai klaim yang datang dari perusahaan teknologi atau narasumber lain. Profesional non-teknis, seperti dokter, pengacara, guru dan pegawai pemerintah, yang pekerjaannya akan bersinggungan dengan sistem AI dan yang perlu tahu apa yang sedang mereka hadapi. Pembuat kebijakan dan pejabat publik yang perlu memahami implikasi teknologi ini tanpa harus membaca literatur teknis penuh. Dan pembaca umum yang penasaran: ibu rumah tangga, siswa, atau siapa saja yang ingin memahami topik ini dengan lebih baik daripada yang ditawarkan oleh berita utama.

Pembaca tidak perlu punya latar belakang matematika. Beberapa konsep dalam artikel ini memiliki akar teknis, tetapi semuanya bisa dijelaskan dalam bahasa sehari-hari. Di mana sebuah istilah teknis tidak bisa dihindari, saya menjelaskannya sekali dan memakainya secara konsisten setelah itu.

Satu catatan tentang kedalaman. Artikel ini bukan pengganti artikel bahasa Inggris yang menjadi rujukannya. Artikel bahasa Inggris menjelaskan mekanisme dengan lebih rinci, menyertakan persamaan, dan disertai notebook Python yang mereproduksi setiap eksperimen. Artikel ini adalah pintu masuknya.

Di akhir setiap bagian, saya menunjukkan ke bagian mana dari artikel bahasa Inggris pembaca bisa merujuk jika ingin pembahasan lebih dalam.

Bagian berikutnya mulai dari tempat yang paling dasar: menyepakati apa yang kita maksud ketika kita mengatakan “AI”.

 Apa Itu AI dan Apa yang Bukan

Istilah “kecerdasan buatan” sudah dipakai begitu luas sehingga hampir kehilangan makna. Ia muncul di iklan produk, dokumen regulasi, debat filsafat, dan percakapan sehari-hari dan sering kali berarti hal yang berbeda di masing-masing tempat.

Sebelum kita bisa membicarakan apa yang AI dapat dan tidak dapat lakukan, kita perlu menyepakati apa yang sedang kita bicarakan. Bagian ini menyusun kosakata dasar, membedakan beberapa istilah yang sering dicampuradukkan dan meluruskan beberapa kesalahpahaman yang sudah sering terjadi.

Istilah yang Bersarang, Bukan Sinonim

Empat istilah yang paling sering dipakai, yaitu AI, machine learning, deep learning dan AI generatif, sebenarnya bersarang, bukan bersinonim. Masing-masing adalah bagian dari yang lain.

Kecerdasan buatan (AI). Istilah paling luas. Ia merujuk pada setiap usaha membuat mesin menjalankan tugas yang, jika dilakukan manusia, dianggap memerlukan kecerdasan: pengenalan gambar, penerjemahan bahasa, permainan catur, perencanaan, dan sebagainya. Istilah ini didefinisikan oleh ambisinya, bukan oleh metodenya.

Ia sudah dipakai untuk sistem yang sangat berbeda, dari pembuktian teorema di tahun 1950-an sampai model bahasa di tahun 2020-an.

Pembelajaran mesin (machine learning). Bagian dari AI. Mesin pembelajar dirancang untuk tidak diprogram dengan aturan eksplisit, melainkan belajar pola dari data.

Kebiasaan itu menyamarkan fakta bahwa AI juga mencakup pendekatan yang tidak berbasis pembelajaran, misalnya sistem berbasis aturan logika yang mendominasi bidang ini sampai dasawarsa 1980-an.

Pembelajaran mendalam (deep learning). Bagian dari pembelajaran mesin. Ia menggunakan artificial neural network, atau “jaringan saraf tiruan”, dengan banyak lapisan.

Kata “mendalam” merujuk pada kedalaman komposisi: setiap lapisan mengubah keluaran lapisan sebelumnya dan lapisan-lapisan akhir mewakili fitur yang semakin abstrak. Deep learning menjadi dominan sekitar tahun 2012, ketika ia jauh mengungguli metode sebelumnya dalam pengenalan gambar dan sejak itu ia menyebar ke hampir setiap bidang AI.

AI generatif. Kategori yang didefinisikan oleh keluarannya, bukan oleh metodenya. Sistem ini menghasilkan konten baru, seperti teks, gambar dan kode, bukan hanya mengklasifikasi atau memprediksi. Model bahasa besar, model difusi dan pembuat gambar adalah contoh utamanya.

Tetapi AI generatif bukan keluarga algoritma tersendiri: model generatif dapat dibangun dari blok yang sama dengan pengklasifikasi dan batas antara keduanya sering kabur.

Yang membedakannya adalah apa yang dihasilkan, bukan bagaimana ia dibangun. Mengapa perbedaan ini penting? Karena pernyataan tentang “AI” sering kali hanya berlaku untuk salah satu bagiannya. Klaim tentang deep learning belum tentu berlaku untuk AI simbolik; klaim tentang model bahasa belum tentu berlaku

untuk reinforcement learning. Ketepatan di sini sangat penting. Ia adalah perbedaan antara klaim yang bermakna dan slogan belaka. (Penulis adalah seorang fisikawan alumni ITB Bandung)