- Setelah ChatGPT mengumpulkan 100 juta pengguna hanya dalam 2 bulan, kemungkinan besar slogan penjualan “AI for X” akan makin banyak bermunculan, dan karena teknologi nyata bercampur dengan klaim berlebihan, penilaiannya jadi sulit
- Kemenangan AlphaGo pada 2016 dan makalah Transformers pada 2017 adalah kemajuan penting, tetapi ledakan AI saat ini tidak menjamin realitas teknis di balik setiap produk
- Di lapangan penjualan, ada kasus nama algoritme dipakai secara keliru atau kalimat if-then dikemas seolah AI, dan ada juga pekerjaan yang sebenarnya dikerjakan manusia dijual seolah NLP
- Saat menilai vendor, kita perlu langsung memeriksa kategori machine learning, algoritme, output prediksi, fungsi tujuan, metrik kinerja, siklus perubahan model, dan tingkat keterlibatan manusia
- Jika antarmuka untuk pengguna hanya pembungkus tipis di atas GPT API, itu bisa hanya menambah biaya dengan manfaat yang minim, sehingga yang penting bukan nama AI-nya melainkan cara kerjanya dan standar verifikasinya
Latar belakang makin maraknya slogan penjualan “AI for X”
- Generative AI sudah menunjukkan kemampuan yang sangat kuat dalam menjawab pertanyaan, pembelajaran, serta pembuatan gambar dan video, dan terus membaik dengan cepat
- Kemenangan AlphaGo di permainan Go pada 2016 memang mengesankan, tetapi itu adalah contoh penerapan kecerdasan mesin untuk menyelesaikan masalah yang terbatas
- Pada 2017, terbit Transformers paper
- Pada 2023, ChatGPT meraih 100 juta pengguna hanya dalam 2 bulan
- Seiring kemajuan teknologi, hype juga makin besar, sehingga dengan gelombang GPT, slogan penjualan “AI for X” bisa muncul lebih sering
- Menjelang dan sesudah IPO Uber, pitch startup “Uber for X” membanjir; sebagian berhasil, tetapi jauh lebih banyak yang gagal
- Setelah lesunya kripto, muncul juga arus cepat perubahan dari “crypto expert” menjadi “AI expert”
- Nama AI saja tidak menjamin adanya substansi teknis
- Ada pitch keahlian AI yang menuliskan nama algoritme secara keliru
- Ada kasus produk “AI driven” yang sebenarnya berjalan dengan kalimat if-then
- Ada kasus produk yang dijual dengan klaim memecah dan menyusun ulang dokumen serta pengetahuan menggunakan NLP, padahal pemrosesan nyatanya dilakukan manusia dengan keyboard di kantor Asia Tenggara
- Mengetahui nama bukanlah pengetahuan, dan menjual nama juga tidak selalu berarti menjual teknologi yang nyata
Pertanyaan untuk memeriksa kredibilitas vendor
- Perlu ditanyakan kategori machine learning yang luas apa yang digunakan di dalam produk
- Contoh: supervised learning, unsupervised learning, arsitektur neural network tertentu, dan sebagainya
- Perlu dipastikan nama algoritme di balik AI tersebut
- Contoh: XGBoost, BERT, dan sebagainya
- Perlu dipastikan apa yang diprediksi oleh model
- Kita perlu bertanya apakah output prediksinya sebenarnya berupa 1/0, yes/no, atau angka
- Perlu dipastikan fungsi tujuan yang dioptimalkan model
- Ini juga disebut loss function atau cost function, yakni pertanyaan tentang jenis kesalahan apa yang ingin dikurangi model
- Perlu dipastikan dengan metrik apa kegunaan model diukur
- Ini terkait dengan tolok ukur untuk menilai seberapa baik model melakukan generalisasi pada data yang belum pernah dilihat
- Perlu ditanyakan seberapa sering model diubah, dan alasannya
- Perlu dipastikan seberapa besar keterlibatan manusia dalam “solusi AI” tersebut
- Perlu dipastikan apakah GUI untuk pengguna hanyalah pembungkus tipis di atas GPT API
- Bentuk seperti ini bisa jadi sekadar “GPT as a service”, dan layanan tersebut mungkin hanya menambah biaya tanpa manfaat tambahan
Sikap agar tidak kewalahan oleh istilah
- Machine learning itu kuat, tetapi bersama produk AI yang baik, bisa juga muncul produk berkualitas rendah atau produk AI serigala berbulu domba
- Istilah-istilah besar di bidang AI juga bisa diurai menjadi penjelasan yang intuitif, jadi tidak perlu takut atau bingung oleh kata-kata yang terdengar teknis
- Orang yang benar-benar membangun sesuatu biasanya menyebutnya machine learning, dan pembeli perlu menanyakan cara kerjanya serta standar verifikasinya, bukan sekadar namanya
1 komentar
Opini Hacker News
Saya tidak tahu siapa yang mengatakannya, tetapi ada kutipan keren yang saya suka: “Itu disebut AI hanya sampai ia bekerja. Lihat autocomplete”
Ketika sebuah perusahaan bilang “kami mengerjakan AI”, bagi seorang software engineer itu terdengar seperti mereka hampir tidak tahu ke mana ingin pergi dengan AI itu, atau layanan apa yang akan mereka berikan
Karena itu saya jadi waspada terhadap pendekatan ala “tujuan menghalalkan cara” yang menyertai proyek AI. Tiap orang bisa saja berbeda
Perusahaan konsultasi saya memetakan ide-ide yang bisa diselesaikan atau dimanfaatkan dengan framework machine learning menjadi layanan atau solusi digital
Hasil akhirnya jarang disebut “AI”, tetapi pada akhirnya tetap memakai AI/machine learning. Kami sudah ada sedikit lebih lama daripada hype AI sekarang, dan ceruk ini cukup menarik
Sekarang mungkin akan disebut kumpulan if-else yang di-hardcode, tetapi 40 tahun lalu itu AI mutakhir, dan 20 tahun lalu masih layak masuk buku teks
Mereka berangkat dari AI sebagai solusi untuk mencari masalah yang bisa dipecahkan, padahal idealnya harus sebaliknya
Hampir pasti mereka akan mengulang-ulang pendekatan tak bermakna dengan panik sambil membakar banyak uang. Sepertinya ini terjadi setiap kali ada teknologi dasar baru, dan saya rasa banyak perusahaan seperti ini juga ada saat gelembung dot-com
Cocok dengan lelucon klasik: “machine learning biasanya ditulis dengan Python, sedangkan AI ditulis dengan PowerPoint”
“Menjelang IPO Uber pada 2019, venture capital dibanjiri pitch startup ‘Uber untuk X’. Misalnya Uber untuk tempat parkir”
Ugh. Presiden Prancis saat ini pernah terkenal mengusulkan agar ekonomi di-”uberize”, yang maksudnya adalah pekerjaan tidak stabil yang lebih murah bagi pemberi kerja
Para eksekutif C-level di tempat kerja saya juga sudah tanpa henti membicarakan hal-hal seperti AI generatif. Saya tidak menantikan akan mendengar lebih banyak omong kosong marketing tentang meng-AI-kan segala sesuatu dalam waktu dekat
Yang lucu, hal-hal yang disebut “AI” tampaknya telah bergeser dari apa yang sebenarnya kita maksud saat menyebut manusia “cerdas” ke hal-hal yang tidak pernah kita anggap sebagai bagian dari kecerdasan
Ambil contoh robot Boston Dynamics: kita tidak menganggap seseorang cerdas hanya karena bisa membedakan kucing dan kursi, berjalan tanpa jatuh, atau melakukan backflip
Tetapi jika ia bisa menggunakan data dan kemampuan fisiknya secara kreatif untuk memecahkan masalah, barulah kita menganggapnya cerdas
Saat kita kagum pada “AI” dalam sesuatu seperti robot, sejauh pemahaman saya AI itu umumnya ada pada persepsi (dari data sensor mentah menjadi model dunia berlabel) dan kontrol aktuasi (mengubah perintah seperti “maju 1 meter” atau “backflip” menjadi urutan gerakan aktuator nyata)
“Kecerdasan” yang sebenarnya—misalnya keputusan membuka pintu, pergi ke ruangan lain, lalu mengambil selai kacang dan roti untuk menyelesaikan tugas “buatkan sandwich selai kacang”—sebagian besar masih berupa logika if-then klasik atau diberikan oleh operator manusia
Saya melihat pola serupa pada hal seperti ChatGPT. Kemampuan seorang murid menghafal buku teks dan mengulanginya dengan sempurna bisa mengesankan, tetapi kita tidak menyebut murid seperti itu “cerdas”
Murid yang cerdas adalah yang, meskipun lupa bukti sebuah teorema atau definisi tepat suatu istilah, ketika menghadapi masalah baru bisa secara kreatif sampai pada solusi yang benar. “Murid beo” biasanya gagal total di sini
Dulu saya pernah melihat video lama di YouTube tentang sistem otomasi yang sangat primitif, sepertinya untuk menara kontrol bandara. Mungkin dari era 70-an, dan orang itu menyebutnya AI
Ia menjelaskan detail apa yang dilakukan software-nya dan bahkan menunjukkan kodenya, dan secara harfiah itu hanya tumpukan pernyataan if/else
Setelah kita terbiasa dengan hal seperti ChatGPT, mungkin itu juga tidak lagi disebut AI, atau orang akan memakai istilah “artificial general intelligence” secara lebih luas untuk target berikutnya
Sampai belakangan ini saya cenderung berpendapat bahwa jika bukan artificial general intelligence maka jangan disebut AI, tetapi jujur saja, siapa yang peduli. Kata hanyalah alat untuk menyampaikan pikiran
Jika kebanyakan orang ingin menyebut apa yang kita buat hari ini sebagai AI, tidak apa-apa, dan itu juga tidak salah. Ia tidak punya kesadaran, tetapi menurut kriteria tertentu bisa diklaim cerdas, dan jelas buatan. Selama kita saling memahami, itu cukup
Kecerdasan bukan hanya penalaran. Berjalan melintasi ruangan dan mengambil benda saja membutuhkan kemampuan otak yang cukup besar
Pada era 90-an saya punya penyedot debu yang memakai “fuzzy logic”, buzzword teknologi keren saat itu
Siapa tahu sebenarnya ia melakukan apa. Mungkin maksudnya cuma ada pengaturan daya menengah antara nyala dan mati
Tampaknya ada perbedaan kecil antara agak panas dan sangat panas, tetapi ada sakelar yang jelas antara agak sejuk dan agak panas
Kadang saya hanya ingin kipas menggerakkan udara suhu ruangan saja, tidak panas atau dingin
Menarik untuk dicatat bahwa Apple terus menyebutnya machine learning
AI memang selalu menjadi istilah konsumen. Misalnya dalam game pun banyak hal telah disebut “AI”
Pada dasarnya orang-orang selama ini puas menyebut apa saja sebagai AI[1], lalu ketika AI mulai benar-benar mahir di ranah seperti bahasa alami, barulah mereka menciptakan ulang bahasa untuk merendahkannya
Sepanjang hidup saya, AI merujuk pada software apa pun yang meniru sedikit saja aspek pengambilan keputusan mirip manusia
Lagi pula, apa poinnya? Menolak menyebutnya AI tidak mengubah kemampuannya, baik maupun buruk
Itu juga tidak mengubah fakta bahwa lab riset kemampuan terdepan selain FAIR benar-benar mencoba membuat kecerdasan umum yang nyata, dan bahkan FAIR pun bernama Fundamental AI Research lab karena suatu alasan
[1] Contoh: Ghost AI di Pacman — istilah yang sepenuhnya masuk akal untuk sesuatu yang bisa diringkas sebagai beberapa baris kode yang berjalan di Z80. Wikipedia: “Each of the four ghosts has its own unique artificial intelligence (A.I.), or "personality": ...”
Developer sering harus membuat AI game cukup bodoh agar terlihat adil bagi pemain, lalu menyeimbangkannya dengan memberi bonus
Misalnya AI game sering punya amunisi tak terbatas, tetapi pelurunya tidak memberi kerusakan besar pada pemain
Katanya ada AI yang ditaburkan di suatu tempat dalam TV Sony saya, tetapi saya sama sekali tidak tahu apa yang dilakukannya. Padahal saya cuma butuh layar bodoh berukuran besar
Tidak bisakah keduanya diselaraskan dan disebut “statistical learning”?
“Orang yang menulisnya dengan Python menyebutnya machine learning, sedangkan orang yang menulisnya dengan PowerPoint menyebutnya AI”
Orang membayar untuk lubang, bukan bor