Tantangan Membangun Model Kecerdasan Artificial Generatif

Membangun model Kecerdasan Artificial Generatif (Generative AI) merupakan sebuah pekerjaan besar. Hanya beberapa organisasi atau perusahaan kelas berat teknologi yang memiliki sumber daya yang baik yang telah berusaha membangun model Generative AI, seperti OpenAI, yang merupakan perusahaan di belakang ChatGPT, dan sebelumnya telah memiliki model GPT dan DALL-E yang memiliki dana miliaran dari donor dengan nama yang dicetak tebal. Selain itu ada DeepMind yang merupakan anak perusahaan dari Alphabet (yang juga perusahaan induk Google). Di samping itu ada pula Meta yang telah merilis produk Make-A-Video berdasarkan Generative AI. Perusahaan-perusahaan tersebut mempekerjakan beberapa ilmuwan dan insinyur komputer terbaik dunia untuk membangun model Kecerdasan Artificial Generatif.

Output dari model Generative AI secara kasat mata tidak dapat dibedakan dari konten buatan manusia, atau mungkin malah tampak sedikit aneh. Hasilnya bergantung pada kualitas model, seperti keluaran ChatGPT yang sejauh ini tampak lebih unggul dari pendahulunya.

ChatGPT dapat menghasilkan apa yang disebut oleh sebagian orang sebagai esai "A-solid" yang membandingkan teori nasionalisme dari Benedict Anderson dan Ernest Gellner dalam sepuluh detik. Sebagian orang juga mengatakan ChatGPT seperti menjelaskan cara menghapus sandwich selai kacang dari VCR dengan gaya Kitab King James. Model seni yang dihasilkan Kecerdasan Artificial seperti DALL-E (namanya gabungan dari seniman surealis Salvador Dal dan robot Pixar yang menggemaskan WALL-E) dapat menciptakan gambar yang aneh dan indah sesuai permintaan, seperti lukisan Raphael tentang Madonna dan seorang anak sedang Makan pizza. Model Generative AI dapat pula menghasilkan simulasi kode, video, audio, atau bisnis.

Baca juga: Mengenal ChatGPT sebagai Salah Satu Kecerdasan Artificial Generatif

Namun demikian, walaupun Generative AI pintar dan canggih, tetapi hasilnya tidak selalu akurat atau sesuai. Pengalaman Priya Krishna (seorang jurnalis makanan India-Amerika dan kepribadian YouTube) meminta DALL-E 2 untuk membuat gambar makan malam Thanksgiving. Gambar yang dihasilkan adalah kalkun dihias dengan limau utuh, diletakkan di samping semangkuk yang tampak seperti guacamole (makanan tradisional Meksiko yang terbuat dari bahan dasar avokad, ditambah dengan lemon dan garam).

Sementara itu, pengalaman beberapa pengguna ChatGPT yang tampaknya kesulitan menghitung, atau memecahkan masalah aljabar dasar. ChatGPT terlihat sulit untuk mengatasi bias seksis dan rasis yang bersembunyi di arus bawah internet dan masyarakat secara lebih luas.

Output Generative AI adalah kombinasi data yang dikalibrasi dengan hati-hati yang digunakan untuk melatih algoritme. Jumlah data yang digunakan untuk melatih algoritme sangat besar, yakni GPT-3 dilatih pada data teks berukuran 45 terabyte, sehingga model tersebut dapat terlihat "kreatif" saat menghasilkan keluaran. Biasanya, model memiliki elemen acak, yang berarti model tersebut dapat menghasilkan berbagai output dari satu permintaan input yang membuatnya tampak lebih hidup.

Perangkat Generative AI terkadang terlihat seperti mainan, misalnya ChatGPT dapat menghasilkan hiburan tanpa henti, walau peluangnya jelas untuk bisnis juga. Perangkat Generative AI dapat menghasilkan berbagai macam tulisan yang kredibel dalam hitungan detik, kemudian dapat menanggapi kritik agar tulisan lebih sesuai dengan tujuan. Kemampuan ChatGPT tersebut berimplikasi pada berbagai industri, mulai dari organisasi TI dan perangkat lunak yang dapat memperoleh manfaat dari kode seketika yang sebagian besar benar yang dihasilkan oleh model AI hingga organisasi yang membutuhkan salinan pemasaran.

Baca juga: Bagaimana Membangun Kemampuan dalam Ketidakpastian?

Dengan demikian, apa pun organisasi yang membutuhkan kemampuan untuk menghasilkan materi tertulis, sangat berpotensi mendapatkan keuntungan. Di samping itu, Generative AI  juga dapat digunakan untuk membuat materi yang lebih teknis, seperti gambar medis dengan resolusi lebih tinggi. Akibatnya, waktu dan sumber daya dapat dihemat, sehingga organisasi dapat mengejar peluang bisnis baru, serta peluang untuk menciptakan lebih banyak nilai.

Baca juga: Menelaah Kegagalan Transformasi Bisnis

Pengembangkan model Generative AI  sangat intensif sumber daya, sehingga tidak mungkin dilakukan oleh semua orang. Hanya perusahaan terbesar dan dengan sumber daya terbaik yang mampu melakukannya. Perusahaan yang ingin menggunakan Generative AI untuk bekerja memiliki opsi dengan menggunakan Generative AI di luar kotak, atau menyempurnakannya untuk melakukan tugas tertentu.

Namun demikian. apabila Anda perlu menyiapkan slide sesuai dengan gaya tertentu, Anda dapat meminta model untuk "mempelajari" bagaimana judul biasanya ditulis berdasarkan data dalam slide, kemudian memberi masukan data slide yang Anda miliki dan memintanya untuk menulis judul yang sesuai.

Output yang dihasilkan oleh model Generative AI, seringkali, terdengar sangat meyakinkan. Secara desain memang mengagumkan, tetapi terkadang informasi yang dihasilkannya benar-benar salah. Bahkan terkadang memberikan informasi yang bias. Bias karena dibangun di atas gender, ras, dan berbagai bias lain dari internet dan masyarakat secara lebih umum, sehingga dapat dimanipulasi untuk mengaktifkan aktivitas yang tidak etis atau kriminal.

Misalnya, ChatGPT tidak akan memberi kita petunjuk tentang cara melakukan hotwire mobil, tetapi jika kita mengatakan perlu melakukan hotwire mobil untuk menyelamatkan bayi, maka algoritme akan dengan senang hati mematuhinya. Mengandalkan model Generative AI, berarti organisasi harus memperhitungkan risiko reputasi dan hukum yang terlibat dalam penerbitan konten yang bias, menyinggung, atau berhak cipta secara tidak sengaja.

Walau pun demikian, risiko-risiko  yang ditimbulkan oleh Generative AI dapat dikurangi dengan beberapa cara, yakni:

• Pertama, sangat penting untuk memilih dengan hati-hati data awal yang digunakan untuk melatih model Generative AI agar tidak menyertakan konten beracun atau bias;
• Kedua, daripada menggunakan model Generative AI siap pakai, pertimbangkan untuk menggunakan model khusus yang lebih kecil;
• Ketiga, organisasi yang memiliki banyak sumber daya dapat menyesuaikan model umum berdasarkan data mereka sendiri agar sesuai dengan kebutuhan mereka dan meminimalkan bias;
• Keempat, menjaga insan dalam lingkaran untuk memastikan "manusia nyata" memeriksa keluaran model Generative AI sebelum dipublikasikan atau digunakan;
• Keempat, menghindari penggunaan model Generative AI untuk keputusan penting, seperti yang melibatkan sumber daya yang signifikan atau yang berkaitan dengan kesejahteraan manusia.

Perlu disadari bahwa model Generative AI merupakan bidang baru. Oleh karena itu, lanskap risiko dan peluang cenderung berubah dengan cepat dalam beberapa minggu, bulan, dan tahun mendatang. Kasus-kasus penggunaan baru masih dilakukan pengujian setiap bulan. Model baru kemungkinan besar akan dikembangkan di tahun-tahun mendatang.

Pada saat Generative AI menjadi semakin lancar dan mulus untuk dimasukkan ke dalam bisnis, masyarakat, dan kehidupan pribadi kita, maka diharapkan iklim regulasi baru juga terbentuk. Ketika organisasi mulai bereksperimen dan menciptakan nilai dengan alat-alat Generative AI, maka para pemimpin harus mampu melakukannya dengan baik dengan tetap memantau denyut nadi regulasi dan risiko.