Telset.id – Efisiensi pembelajaran bahasa menjadi pembeda utama antara bayi manusia dan AI chatbot. Seorang ilmuwan kognitif dari Stanford University, Michael C. Frank, mengungkapkan bahwa bayi jauh lebih unggul dalam menyerap bahasa dibandingkan model bahasa besar (LLM) yang menjadi dasar teknologi AI chatbot saat ini.
Dalam wawancara dengan MIT Technology Review, Frank menjelaskan bahwa meskipun industri teknologi telah membuat kemajuan luar biasa dalam beberapa tahun terakhir, cara kerja AI chatbot dalam belajar bahasa masih sangat boros. “Kami masih harus membakar hutan dan mengeruk seluruh pengetahuan manusia untuk menciptakan kembali pencapaian yang terjadi di ruang tamu kami selama satu tahun,” ujarnya.
Perbandingan ini muncul di tengah diskusi tentang keterbatasan AI chatbot dalam hal penalaran dan produktivitas. Meskipun mampu menghasilkan kalimat yang tampak seperti tulisan manusia, AI chatbot masih tertinggal jauh dari kemampuan dasar manusia, termasuk dalam hal mempelajari bahasa.
Baca Juga:
Perbedaan Data yang Dibutuhkan
Frank menjelaskan bahwa balita dapat mulai menghasilkan kalimat yang legible setelah menyerap sekitar 10 hingga 30 juta kata dari lingkungan sekitarnya. Jumlah ini sangat kecil jika dibandingkan dengan kebutuhan data AI chatbot untuk mencapai tingkat kemahiran yang serupa.
“Jika Anda melatih GPT-2 dengan 30 juta kata, yang Anda dapatkan hanyalah generator omong kosong, bukan anak kecil,” kata Frank. Pernyataan ini menegaskan bahwa model bahasa besar membutuhkan data dalam jumlah yang tidak masuk akal untuk mencapai kemampuan yang setara dengan manusia.
Ketidakmampuan AI chatbot untuk belajar secara efisien ini menjadi masalah besar bagi industri. Perusahaan teknologi yang berharap dapat menciptakan AI setara manusia melalui penskalaan model bahasa menghadapi tantangan yang signifikan. Banyak pakar AI yang meragukan pendekatan ini dapat berhasil.
Para ahli menyebut kemampuan adaptasi bayi dalam mempelajari bahasa sebagai sesuatu yang “sungguh ajaib”. Bayi mampu menangkap aturan linguistik dan kosakata dengan sangat cepat, seperti spons kecil yang menyerap segala sesuatu di sekitarnya. Kemampuan ini belum dapat ditiru oleh teknologi AI chatbot meskipun dengan data yang jauh lebih besar.
Ketidakefisienan ini menjadi fokus utama penelitian dalam pengembangan AI. Beberapa perusahaan mencoba pendekatan alternatif untuk meningkatkan efisiensi pembelajaran model bahasa, termasuk dengan mengembangkan perangkat wearable yang dapat mengumpulkan data secara lebih kontekstual.
Perbandingan antara bayi dan AI chatbot ini juga menyoroti perbedaan mendasar dalam cara belajar. Bayi belajar bahasa melalui interaksi sosial, konteks, dan pengalaman langsung, sementara AI chatbot hanya mengandalkan pola statistik dari data teks yang sangat besar.
Frank menekankan bahwa kemajuan industri AI dalam beberapa tahun terakhir memang mengesankan. Namun, kesenjangan efisiensi antara pembelajaran manusia dan mesin menunjukkan bahwa masih ada pekerjaan rumah besar yang harus diselesaikan sebelum AI chatbot dapat mendekati kemampuan kognitif manusia.
Pakar lain yang diwawancarai MIT Technology Review juga menyoroti bahwa meskipun AI chatbot dapat menghasilkan teks yang tampak manusiawi, kemampuan penalaran dan produktivitasnya masih jauh dari standar kecerdasan tingkat manusia. Ini menjadi pengingat bahwa metrik keberhasilan AI tidak hanya dilihat dari kemampuan menghasilkan teks.
Seiring dengan terus berkembangnya teknologi, pertanyaan tentang apakah AI chatbot akan pernah mencapai efisiensi belajar seperti manusia tetap menjadi perdebatan. Beberapa pakar menyatakan skeptis terhadap kemungkinan ini, terutama jika pendekatan yang digunakan masih mengandalkan penskalaan model bahasa secara konvensional.
Implikasi dari temuan ini cukup luas. Jika industri AI ingin menciptakan sistem yang benar-benar cerdas, mungkin perlu mempelajari lebih dalam bagaimana manusia, khususnya bayi, belajar. Pendekatan yang terinspirasi dari cara kerja otak manusia bisa menjadi kunci untuk mengatasi masalah efisiensi ini.
Bagi pengguna teknologi, perbedaan ini berarti AI chatbot saat ini masih memiliki keterbatasan fundamental. Meskipun berguna untuk berbagai tugas, AI chatbot belum dapat menggantikan kemampuan kognitif manusia dalam memahami dan menggunakan bahasa secara alami. Perkembangan teknologi terkini mungkin akan terus mendorong batas kemampuan AI, tetapi jalan menuju kecerdasan setara manusia masih panjang.
Perbandingan yang diungkapkan Frank ini menjadi bahan refleksi bagi industri teknologi. Daripada terus menambah data dalam jumlah besar, mungkin sudah waktunya untuk memikirkan ulang pendekatan dalam mengembangkan AI chatbot yang lebih efisien dan adaptif, sebagaimana yang telah dilakukan bayi manusia sejak lahir.
Ketidakefisienan AI chatbot dalam belajar bahasa juga berdampak pada biaya operasional. Perusahaan yang mengembangkan model bahasa besar harus mengeluarkan sumber daya komputasi yang sangat besar untuk melatih model mereka, sementara hasil yang dicapai masih belum setara dengan kemampuan manusia.
Frank menyimpulkan bahwa pencapaian bayi dalam belajar bahasa adalah sesuatu yang “sungguh ajaib”. Pernyataan ini menegaskan bahwa meskipun teknologi AI telah maju pesat, masih ada aspek-aspek kecerdasan manusia yang belum dapat ditiru oleh mesin. Ini menjadi tantangan sekaligus peluang bagi para peneliti AI untuk mengembangkan pendekatan baru yang lebih efisien.
Diskusi tentang efisiensi belajar ini juga membuka pertanyaan tentang arah pengembangan AI di masa depan. Apakah industri akan terus mengandalkan data dalam jumlah besar, atau mulai mencari inspirasi dari cara kerja otak manusia? Jawaban atas pertanyaan ini akan menentukan bagaimana perkembangan teknologi AI chatbot dalam beberapa tahun ke depan.
Komentar
Belum ada komentar.