Artificial Intelligence : Apa bukan Siapa
Dalam fenomenologi Edmund Husserl, "Noema" adalah makna yang kita berikan pada objek suatu pemikiran melalui "rasa" persepsi yang terarah yang mewakili realitas dalam pikiran kita.
Istilah ini merujuk pada aspek mental atau intelektual dari pengalaman atau persepsi subjektif seseorang. Noema adalah apa yang ada dalam pikiran atau kesadaran seseorang ketika mereka mengalami atau mempersepsi objek atau fenomena di dunia.
Untuk lebih memahaminya, pertimbangkan contoh sederhana, ketika Anda melihat sebuah Apel, Noema adalah apa yang ada dalam pikiran Anda tentang Apel tsb. Ini bisa mencakup berbagai aspek seperti warna, bentuk, tekstur, rasa, dan semua informasi lain yang Anda peroleh dari pengalaman visual dan sensorik Anda terhadap Apel tsb. Dengan kata lain, Noema adalah cara pikiran Anda merespons dan memahami objek atau fenomena tertentu.
Dalam fenomenologi, Noema adalah konsep yang berkaitan dengan pengalaman subjektif, sehingga setiap individu dapat memiliki Noema yang berbeda-beda meskipun mereka mengalami objek yang sama. Konsep ini membantu dalam memahami bagaimana individu memproses dan menginterpretasikan dunia di sekitar mereka melalui lensa kesadaran subjektif mereka.
Tindakan mental yang penuh niat ini, untuk mengambil apa yang kita ketahui dan menerapkannya pada pengalaman yang terungkap baginya, adalah inti dari kesadaran.
Untuk mengeksplorasi lebih jauh gagasan tsb dalam konteks kontemporer apakah dan bagaimana cara manusia memahami dunia di sekitarnya dapat menjadi mesin berkualitas melalui mesin kecerdasan buatan.
Sudah cukup banyak esai yang ditulis oleh para ahli teknologi dan filsuf terkemuka yang menunjukkan kemajuan kita dalam mencapai Artficial Intelligence atau Kecerdasan Buatan atau AI secara umum, setidaknya sejauh kita memahami apa yang telah kita temukan tentang apa yang membedakan pikiran kita dengan kecerdasan buatan kita sendiri.
Inti dari perdebatan ini, menurut Yann LeCun, kepala ilmuwan AI di Meta, dan Jacob Browning, seorang peneliti post doctoral di NYU, ada dua visi berbeda mengenai peran simbol dalam kecerdasan, baik biologis maupun mekanis. Ada yang berpendapat penalaran simbolik harus dikodekan sejak awal, dan pihak lain berpendapat hal itu dapat dipelajari melalui pengalaman oleh mesin dan manusia. Oleh karena itu, taruhannya bukan hanya pada cara yang paling praktis ke depan, namun juga bagaimana kita harus memahami kecerdasan manusia, dan dengan demikian, bagaimana kita harus mencapai kecerdasan buatan pada tingkat manusia.
Dari Jaringan Neural Hingga Penalaran Simbolik
Teknik dominan dalam AI kontemporer adalah jaringan saraf pembelajaran mendalam (DL -- Deep Learning), yaitu algoritma pembelajaran mandiri yang sangat besar yang unggul dalam membedakan dan memanfaatkan pola dalam data.
Kritik terhadap pendekatan ini bahwa "insurmountable wall" atau dinding pembatas, sebuah istilah yang mengacu pada sebuah halangan atau rintangan yang begitu sulit atau tidak mungkin untuk diatasi sehingga tampaknya tidak ada cara untuk melewati atau mengatasinya. Istilah dinding pembatas ini digunakan untuk menggambarkan situasi di mana seseorang menghadapi tantangan yang sangat besar atau sulit sehingga tampaknya tidak ada solusi atau jalan keluar yang memungkinkan. Dalam konteks ini, "insurmountable wall" menjadi simbol dari ketidakmampuan untuk mengatasi hambatan tsb.
Istilah ini juga sering digunakan dalam konteks metafora untuk menggambarkan perasaan putus asa atau kesulitan yang sangat besar dalam menghadapi suatu situasi atau masalah. Misalnya, seseorang mungkin mengatakan mereka merasa menghadapi "insurmountable wall" ketika mereka merasa tidak dapat mengatasi tekanan atau kesulitan yang mereka hadapi.
"Insurmountable wall" adalah penalaran simbolis, kemampuan untuk memanipulasi simbol dengan cara yang lazim dalam aljabar atau logika. Seperti yang kita pelajari semasa kanak-kanak, menyelesaikan soal matematika melibatkan manipulasi simbol langkah demi langkah sesuai dengan aturan yang ketat, misalnya, mengalikan kolom paling kanan, memindahkan nilai tambahan ke kolom paling kiri, dll.
Penalaran seperti itu akan memungkinkan kesimpulan logis yang dapat menerapkan apa yang telah dipelajari pada kemungkinan-kemungkinan yang tidak terprogram, sehingga menyelesaikan pola dengan menghubungkan titik-titik. LeCunn dan Browning berpendapat, seperti halnya evolusi pikiran manusia itu sendiri, seiring berjalannya waktu dan melalui berbagai pengalaman, kemampuan ini mungkin juga muncul dari jaringan saraf kecerdasan buatan.
Model bahasa besar kontemporer seperti GPT-3 dan LaMDA Â menunjukkan potensi pendekatan ini, demikian LeCunn dan Browning. GPT-3 dan LaMDA adalah dua model bahasa yang dikembangkan oleh Google (LaMDA) dan OpenAI (GPT-3) yang menggunakan kecerdasan buatan dan pemrosesan bahasa alami untuk menghasilkan teks yang sangat realistis dan informatif -- Lih Nathan Gardel noemamag.com dalam https://tinyurl.com/2a9eucey
GPT-3 (Generative Pre-trained Transformer 3) adalah salah satu model bahasa berbasis transformer yang paling canggih yang dikembangkan oleh OpenAI. Model ini terlatih dengan berbagai macam teks dari internet, sehingga memiliki pemahaman yang luas tentang bahasa Inggeris. GPT-3 dapat digunakan untuk berbagai tugas pemrosesan bahasa alami, seperti penerjemahan bahasa, menjawab pertanyaan, dan banyak lagi. Model ini terkenal karena kemampuannya menghasilkan teks yang sangat realistis dan seringkali sulit dibedakan dari teks yang ditulis oleh manusia.
LaMDA (Language Model for Dialogue Applications) adalah proyek yang dikembangkan oleh Google dan diumumkan pada tahun 2021 sebagai model bahasa generatif untuk aplikasi percakapan. Tujuan utama LaMDA adalah membuat dialog dengan AI menjadi lebih alami dan mendalam. Google ingin LaMDA dapat menghasilkan jawaban dan interaksi yang lebih kontekstual dan responsif. Google berfokus untuk memastikan LaMDA dapat menjawab pertanyaan dengan lebih baik dan lebih tahu kapan untuk "tidak tahu" daripada model bahasa sebelumnya. Meskipun masih dalam pengembangan, LaMDA menunjukkan potensi besar dalam meningkatkan interaksi manusia dengan AI melalui percakapan yang lebih cerdas dan alami.
Kedua model ini adalah contoh kemajuan dalam bidang pemrosesan bahasa alami dan kecerdasan buatan yang memiliki potensi besar untuk mengubah cara kita berinteraksi dengan komputer dan sistem AI dalam berbagai konteks.
Keduanya memiliki kemampuan yang mengesankan untuk memanipulasi simbol, menunjukkan tingkat penalaran yang masuk akal, komposisionalitas, kompetensi multibahasa, beberapa kemampuan logis dan matematis, dan bahkan kemampuan menyeramkan untuk meniru orang mati. Jika Anda cenderung menganggap penalaran simbolis sebagai sesuatu yang tinggi derajatnya, ini sangat menarik.
Kecerdasan Hibrid
Penulis "The Algebraic Mind" Gary Marcus adalah orang yang paling meragukan pendekatan pembelajaran mendalam. Dia berpendapat bahwa LeCunn dan Browning dalam esai mereka sampai pada sudut pandangnya bahwa mencapai AI umum hanya dapat diwujudkan sebagai gabungan  jaringan saraf dan penalaran simbolik.
Hal yang membuat mereka terus tidak setuju adalah bagaimana penalaran simbolis muncul.
Manipulasi simbol itu sendiri merupakan bawaan lahir, atau sesuatu yang lain -- sesuatu yang belum kita temukan - dan sesuatu yang lain secara tidak langsung memungkinkan terjadinya manipulasi simbol. Semua upaya kita harus difokuskan untuk menemukan dasar yang mungkin tidak langsung tsb -- Lih McAllester dalam https://tinyurl.com/22a5gjpd
Pada tahun 2010-an, manipulasi simbol adalah kata kotor di kalangan pendukung deep learning. Di tahun 2020-an, pemahaman dari mana hal ini berasal harus menjadi prioritas utama kita. Bahkan dengan para pendukung jaringan saraf yang paling bersemangat kini menyadari pentingnya manipulasi simbol untuk mencapai AI, kita akhirnya dapat fokus pada masalah nyata yang ada, yang merupakan masalah yang selalu menjadi fokus komunitas neurosimbolik, bagaimana Anda bisa mendapatkan data pembelajaran yang digerakkan oleh pembelajaran dan representasi abstrak dan simbolis untuk bekerjasama secara harmonis dalam satu kecerdasan yang lebih kuat?
Dongeng dan verbalism ke budaya tertulis
Selain bersifat spekulatif, ada persamaan menarik yang dikemukakan oleh perdebatan ini dengan para pemikir yang telah merenungkan asal usul apa yang disebut Karl Jaspers sebagai "Zaman Aksial," ketika semua agama dan filsafat besar lahir lebih dari dua milenium yang lalu -- Konfusianisme di China, Upanishad dan Budha di India, Yunani karya Homer dan para Nabi Ibrani.
Filsuf Charles Taylor mengaitkan terobosan kesadaran pada era tsb dengan kedatangan bahasa tertulis. Dalam pandangannya, akses ke memori yang tersimpan dari teknologi cloud pertama ini memungkinkan interioritas refleksi berkelanjutan yang menjadi asal mula evolusi kompetensi simbolik.
"Transendensi" di luar mitos narasi lisan yang secara sempit didasarkan pada keadaan dan pengalaman langsung seseorang memunculkan apa yang oleh sosiolog Robert Bellah disebut sebagai "budaya teoretis" -- sebuah organisasi mental dunia secara luas ke dalam abstraksi simbol-simbol. Universalisasi abstraksi, pada gilirannya dan dalam jangka waktu yang panjang, memungkinkan munculnya sistem pemikiran mulai dari agama monoteistik hingga penalaran ilmiah pencerahan.
Berbeda dengan transisi dari budaya lisan ke budaya tertulis, mungkinkah AI bisa menjadi bidan dalam langkah evolusi berikutnya? Seperti diketahui, kita hanya menyadari perubahan iklim melalui komputasi planet yang secara abstrak memodelkan organisme di Bumi melebihi apa yang dapat kita bayangkan berdasarkan pengetahuan atau pengalaman langsung kita yang tidak mencakup banyak hal.
Proyeksi Antropomorfik
Dalam esai lain, filsuf Benjamin Bratton dan Blaise Agera y Arcas , wakil presiden penelitian Google, memperingatkan kita untuk tidak terlalu terburu-buru melalui apa yang mereka sebut "proyeksi antropomorfik termotivasi" yang - seperti penulis skenario fiksi ilmiah Hollywood yang membayangkan alien - ditugaskan ke jenis kecerdasan yang sama sekali berbeda dari yang kita miliki.
Refleksi mereka muncul setelah pernyataan baru-baru ini oleh insinyur Google lainnya, Blake Lemoine, bahwa chatbot LaMDA, yang dibangun di atas model bahasa besar, adalah "sadar, berakal, dan manusiawi." Mereka setuju bahwa AI mungkin memiliki kesadaran dalam beberapa hal, namun hal itu tidak membuat "a apa" menjadi "a siapa" seperti kita. Sensor cahaya tidak sama dengan penglihatan manusia, misalnya.
Bagi Bratton dan Agera y Arcas, bahasa pada akhirnya menjadi "infrastruktur kognitif" yang dapat memahami pola, konteks referensial, dan relasionalitas di antara pola-pola tsb ketika menghadapi peristiwa baru.
Bahasa sudah banyak macamnya. Ada bahasa internal yang mungkin tidak berhubungan dengan komunikasi eksternal. Ada nyanyian burung, partitur musik, dan notasi matematika, tidak ada satupun yang memiliki kesamaan dengan referensi dunia nyata.
Sebagai terjemahan bahasa manusia yang dapat dieksekusi, kode tidak menghasilkan jenis kecerdasan yang sama dengan yang muncul dari kesadaran manusia, namun tetap merupakan kecerdasan. Apa yang paling mungkin muncul dalam pandangan mereka bukanlah kecerdasan buatan ketika mesin menjadi lebih manusiawi, namun kecerdasan "sintetik", yang menggabungkan keduanya.
Ketika AI semakin berkembang melalui dorongan manusia atau kemampuan untuk memandu evolusinya sendiri dengan memahami dirinya sendiri di dunia, yang jelas bagi kita sekarang adalah AI sedang dalam proses untuk mengambil tempat berdampingan, mungkin bergabung dan disintesis dengan kecerdasan lainnya, dari homo sapiens, serangga, hutan, hingga organisme planet itu sendiri.
Artificial Intelligence atau AI atau kecerdasan buatan mengambil tempat di antara dan mungkin bergabung dengan kecerdasan majemuk lainnya.
Sadarlah AI sudah tidur di sebelah kita, sudah mandi bersama kita dan sarapan pagi bersama kita. Yang belum dilakukannya hanya tinggal minum dan merokok.
Joyogrand,Malang, Sat', Sept' 23, 2023.
