Malaysian Buzz

(SeaPRwire) –   Seperti yang dapat diramalkan layaknya burung layang-layang yang kembali ke Capistrano, terobosan terkini di bidang AI juga diiringi dengan gelombang ketakutan baru akan beberapa versi “singularitas”, titik inovasi teknologi yang tak terkendali ketika komputer lepas dari kendali manusia. Akan tetapi, mereka yang khawatir bahwa  AI akan menghempaskan manusia ke tempat sampah dapat melihat ke alam untuk mendapatkan perspektif mengenai apa yang dapat dan tidak dapat AI lakukan saat ini. Ambil contoh sotong. Sotong yang hidup saat ini merupakan keajaiban evolusi—mereka dapat membentuk diri mereka menjadi hampir semua bentuk dan dilengkapi dengan gudang senjata dan penyamaran siluman, serta kemampuan yang nyata untuk memutuskan mana yang akan digunakan tergantung pada tantangannya. Namun, terlepas dari upaya puluhan tahun, robotika belum mampu menduplikasi rangkaian kemampuan ini (tidak mengherankan karena sotong modern adalah produk adaptasi selama lebih dari 100 juta generasi). Robotik masih jauh dari menciptakan Hal.

Sotong adalah moluska, tetapi sotong lebih dari sekadar mainan berputar yang rumit, dan kesadaran lebih dari sekadar mengakses basis data yang sangat besar. Mungkin pandangan paling revolusioner tentang kesadaran hewan berasal dari Donald Griffin, mendiang pelopor studi kognisi hewan. Puluhan tahun lalu, Griffin memberi tahu saya bahwa ia berpikir bahwa sangat banyak spesies memiliki tingkat kesadaran tertentu hanya karena hal tersebut efisien secara evolusi (pernyataan yang ia ulangi di sejumlah konferensi). Semua spesies yang masih hidup mewakili solusi sukses terhadap masalah kelangsungan hidup dan reproduksi. Griffin merasa bahwa, mengingat kompleksitas dan sifat campuran ancaman dan peluang yang selalu berubah, lebih efisien bagi seleksi alam untuk memberikan bahkan makhluk paling primitif dengan sejumlah kemampuan untuk mengambil keputusan, dibandingkan dengan menguatkan setiap spesies untuk setiap kemungkinan. 

Ini masuk akal, tetapi memerlukan peringatan: argumen Griffin (belum) menjadi konsensus dan perdebatan tentang kesadaran hewan tetap kontroversial seperti yang terjadi selama beberapa dekade. Terlepas dari itu, anggapan Griffin memberikan kerangka kerja yang berguna untuk memahami keterbatasan AI karena hal tersebut menggarisbawahi ketidakmungkinan respons penguatan dalam dunia yang kompleks dan berubah.

Kerangka kerja Griffin juga memberikan sebuah tantangan: bagaimana respons acak terhadap suatu tantangan di lingkungan dapat mendorong pertumbuhan kesadaran? Sekali lagi, lihatlah sotong untuk mendapatkan jawabannya. Cephalopoda telah beradaptasi dengan lautan selama lebih dari 300 juta tahun. Mereka adalah moluska, tetapi seiring waktu, mereka kehilangan cangkangnya, mengembangkan mata yang canggih, tentakel yang sangat cekatan, dan sistem yang canggih yang memungkinkan mereka untuk mengubah warna dan bahkan tekstur kulit mereka dalam sepersekian detik. Jadi, ketika seekor sotong menghadapi pemangsa, sotong tersebut memiliki alat sensorik untuk mendeteksi ancaman dan harus memutuskan apakah akan melarikan diri, menyamarkan diri, atau membingungkan pemangsa atau mangsa dengan awan tinta. Tekanan selektif yang meningkatkan masing-masing kemampuan ini, juga mendukung sotong dengan kontrol yang lebih tepat atas tentakel, warna, dsb., dan juga mendukung sotong dengan otak yang memungkinkan sotong memilih sistem atau kombinasi sistem mana yang akan digunakan. Tekanan selektif ini mungkin menjelaskan mengapa otak sotong adalah yang terbesar dari semua invertebrata dan jauh lebih besar serta lebih canggih dibandingkan kerang.

Ada konsep lain yang berperan di sini. Itu disebut “surplus kemampuan ekologis.” Artinya adalah bahwa keadaan yang mendukung adaptasi tertentu, misalnya, tekanan selektif yang mendukung pengembangan sistem penyamaran sotong, mungkin juga mendukung hewan dengan neuron tambahan yang memungkinkan kontrol sistem tersebut. Sebaliknya, kesadaran yang memungkinkan kontrol kemampuan tersebut mungkin melampaui kegunaannya dalam berburu atau menghindari pemangsa. Ini adalah cara kesadaran dapat muncul dari asal yang sepenuhnya praktis, bahkan mekanis.

Meskipun terdengar biasa saja, jumlah informasi yang masuk untuk menghasilkan sotong modern mengerdilkan kapasitas kolektif semua komputer di dunia, bahkan jika semua komputer tersebut didedikasikan untuk menghasilkan sotong yang mampu mengambil keputusan. Spesies sotong saat ini adalah produk sukses dari milyaran percobaan yang melibatkan setiap kombinasi tantangan yang bisa dibayangkan. Masing-masing dari milyaran makhluk itu menghabiskan hidup mereka untuk memproses dan bereaksi terhadap jutaan bit informasi setiap menit. Selama 300 juta tahun, hal itu menambah jumlah eksperimen coba-coba yang sangat besar.

Tetap saja, jika kesadaran dapat muncul dari kemampuan yang murni bermanfaat, dan dengan itu, kemungkinan kepribadian, karakter, moralitas, dan perilaku Machiavellian, mengapa kesadaran tidak dapat muncul dari berbagai algoritme AI bermanfaat yang diciptakan saat ini? Sekali lagi, paradigma Griffin memberikan jawabannya: meskipun alam mungkin telah bergerak menuju kesadaran dalam memungkinkan makhluk menghadapi situasi baru, para arsitek AI telah memilih untuk menerapkan pendekatan yang diperkuat. Berbeda dengan sotong, AI saat ini adalah mainan yang diperkuat yang sangat canggih.

Ketika saya menulis, pada tahun 2001, para peneliti telah mencoba membuat cephalopoda robot selama bertahun-tahun. Menurut Roger Hanlon, seorang ahli terkemuka tentang biologi dan perilaku sotong, yang berpartisipasi dalam pekerjaan itu, mereka belum terlalu jauh. Lebih dari 20 tahun kemudian, berbagai proyek telah membuat bagian-bagian sotong seperti lengan robot lunak yang memiliki banyak fitur tentakel, dan saat ini terdapat sejumlah proyek yang mengembangkan robot lunak seperti sotong untuk keperluan khusus yang dirancang untuk tugas-tugas seperti eksplorasi laut dalam. Namun sotong robot sejati tetap menjadi mimpi yang jauh.

Pada jalur yang ditempuh AI saat ini, sotong robot akan tetap menjadi impian. Dan, bahkan jika para peneliti menciptakan sotong robot sejati, sotong tersebut, meskipun merupakan keajaiban alam, bukanlah Bart atau Harmony dari Beacon 23, atau Samantha, sistem operasi yang memikat dalam Her, atau bahkan Hal dari 2001 karya Stanley Kubrick. Sederhananya, model yang diperkuat yang diadopsi AI dalam beberapa tahun terakhir adalah jalan buntu dalam hal komputer yang menjadi sadar.

Untuk menjelaskan alasannya diperlukan perjalanan kembali ke masa kejayaan AI sebelumnya. Pada pertengahan 1980-an, saya berkonsultasi dengan Intellicorp, salah satu perusahaan pertama yang mengkomersialkan AI. Thomas Kehler, seorang ahli fisika yang ikut mendirikan Intellicorp serta beberapa perusahaan AI berikutnya, telah menyaksikan perkembangan aplikasi AI dari sistem ahli yang membantu maskapai penerbangan menetapkan harga kursi secara dinamis, hingga model pembelajaran mesin yang menggerakkan Chat GPT. Kariernya adalah sejarah hidup AI. Ia mencatat bahwa pionir AI menghabiskan banyak waktu untuk mencoba mengembangkan model dan teknik pemrograman yang memungkinkan komputer mengatasi masalah seperti yang dilakukan manusia. Kunci dari komputer yang dapat menunjukkan akal sehat, menurut pemikiran tersebut, adalah memahami pentingnya konteks. Para pionir AI seperti Marvin Minsky di MIT menemukan cara untuk menggabungkan berbagai objek dari konteks tertentu ke dalam sesuatu yang dapat diinterogasi dan dimanipulasi oleh komputer. Faktanya, paradigma pengemasan data dan informasi sensorik ini mungkin mirip dengan apa yang terjadi di otak sotong ketika harus memutuskan cara berburu atau melarikan diri. Kehler mencatat bahwa pendekatan pemrograman ini telah menjadi bagian dari tatanan pengembangan perangkat lunak—tetapi belum menghasilkan AI yang sadar.

Salah satu alasannya adalah pengembang AI kemudian beralih ke arsitektur yang berbeda. Ketika kecepatan dan memori komputer berkembang pesat, begitu pula jumlah data yang dapat diakses. AI mulai menggunakan apa yang disebut model bahasa besar, algoritma yang dilatih pada kumpulan data yang sangat banyak, dan menggunakan analisis berdasarkan probabilitas untuk “mempelajari” bagaimana data, kata-kata, dan kalimat bekerja bersama sehingga aplikasi kemudian dapat memberikan respons yang sesuai terhadap pertanyaan. Singkatnya, ini adalah pipa ledeng ChatGPT. Keterbatasan arsitektur ini adalah “rapuh”, artinya hal itu sepenuhnya bergantung pada kumpulan data yang digunakan dalam pelatihan. Seperti yang dikatakan Rodney Brooks, pionir AI lainnya, dalam sebuah artikel di Technology Review, jenis pembelajaran mesin ini bukanlah pembelajaran layaknya spons atau akal sehat. ChatGPT tidak memiliki kemampuan untuk melampaui data pelatihannya, dan dalam hal ini ChatGPT hanya dapat memberikan tanggapan yang diperkuat. Pada dasarnya ini adalah teks prediktif di st