Pada Maret 2016, algoritma komputer AlphaGo DeepMind mampu mengalahkan Lee Sedol, yang saat itu menjadi pemain puzzle go terbaik dunia. Peristiwa ini menjadi salah satu momen menentukan dalam sejarah industri teknologi, yang sekaligus menjadi kemenangan komputer Deep Blue oleh IBM atas juara catur dunia Garry Kasparov, dan kemenangan superkomputer Watson dari IBM yang sama dalam kuis Jeopardy pada tahun 2011.
Namun, terlepas dari kemenangan ini, meski mungkin mengesankan, ini lebih tentang melatih algoritme dan penggunaan daya komputasi mentah daripada tentang kecerdasan buatan yang sebenarnya. Mantan profesor robotika MIT Rodney Brooks, yang ikut mendirikan iRobot dan kemudian Rethink Robotics, mengatakan mempelajari algoritme untuk memainkan teka-teki strategi yang kompleks bukanlah kecerdasan. Setidaknya bukan seperti yang kita bayangkan untuk seseorang.
Ahli menjelaskan bahwa sekuat apapun AlphaGo terbukti dapat menyelesaikan tugas yang diberikan kepadanya, pada kenyataannya dia tidak mampu melakukan hal lain. Terlebih lagi, dia diatur untuk hanya bermain Go di lapangan standar 19 x 19. Dalam sebuah wawancara dengan TechCrunch, Brooks berbicara tentang bagaimana dia baru-baru ini mendapat kesempatan untuk mengobrol dengan tim DeepMind dan mencari tahu detail yang menarik. Ditanya apa yang akan terjadi jika penyelenggara mengubah ukuran go board dan meningkatkannya menjadi 29 x 29 persegi, tim AlphaGo mengaku kepadanya bahwa bahkan sedikit perubahan lapangan permainan akan mengarah pada fakta bahwa "kita sudah selesai".
“Saya pikir orang-orang melihat seberapa baik suatu algoritme melakukan satu hal, dan mereka tampaknya langsung berpikir algoritme dapat melakukan hal lain dengan sama efektifnya. Tapi intinya, dia tidak bisa,”komentar Brooks.
Kecerdasan kotor
Pada Mei tahun ini, dalam sebuah wawancara dengan Davin Coldway di TechCrunch Disrupt, Kasparov mencatat bahwa mengembangkan komputer yang mampu bermain catur di tingkat global adalah satu hal, tetapi menyebut komputer semacam itu sebagai kecerdasan buatan murni, karena sebenarnya tidak demikian, adalah hal lain. Itu hanyalah sebuah mesin yang mengerahkan semua kekuatan komputasinya untuk memecahkan masalah yang biasanya digunakannya untuk melakukan yang terbaik.
“Dalam catur, mesin menang karena kekuatan komputasi yang dalam. Mereka bisa menjadi benar-benar tak terkalahkan dengan database yang besar, perangkat keras yang sangat cepat, dan algoritme yang lebih logis. Namun, mereka kurang pengertian. Mereka tidak mengenali pola strategis. Mesin tidak memiliki tujuan,”kata Kasparov.
Video promosi:
Gil Pratt, CEO Toyota Institute, divisi AI dan AI Toyota di robot rumahan dan mobil self-driving, juga berbicara kepada TechCrunch di Sesi Robotika. Menurut pendapatnya, ketakutan yang kita dengar dari banyak orang, termasuk Elon Musk, yang baru-baru ini menyebut kecerdasan buatan sebagai "ancaman eksistensial bagi umat manusia", tidak lebih dari deskripsi distopia tentang dunia yang ditawarkan fiksi ilmiah kepada kita.
“Sistem pembelajaran mendalam kami saat ini hanya bagus dalam melakukan tugas yang ditugaskan seperti yang telah kami rancang. Namun kenyataannya, mereka sangat terspesialisasi dan dalam skala kecil. Oleh karena itu, saya menganggap penting setiap kali dalam konteks topik ini untuk menyebutkan seberapa baik mereka dan seberapa tidak efektif sebenarnya mereka. Dan juga seberapa jauh kita dari titik di mana sistem ini dapat mulai menimbulkan ancaman yang dibicarakan oleh Elon Musk dan lainnya,”kata Pratt.
Brooks, pada gilirannya, di TechCrunch Robotics Session mencatat bahwa ada kecenderungan di antara orang-orang pada umumnya untuk percaya bahwa jika suatu algoritme mampu mengatasi tugas "X", maka algoritme tersebut tampaknya sama cerdasnya dengan seseorang.
“Saya pikir alasan orang, termasuk Elon Musk, melakukan kesalahan ini adalah ini. Ketika kami melihat seseorang melakukan pekerjaan yang sangat baik dengan tugas yang diberikan kepadanya, kami memahami bahwa dia memiliki kompetensi yang tinggi dalam hal ini. Menurut saya, orang mencoba menerapkan model yang sama ke pembelajaran mesin. Dan di situlah letak kesalahan terbesar, kata Brooks.
CEO Facebook Mark Zuckerberg mengadakan siaran langsung Minggu lalu, di mana dia juga mengkritik komentar Elon Musk, menyebut mereka "agak tidak bertanggung jawab." Menurut Zuckerberg, AI akan mampu meningkatkan kehidupan kita secara signifikan. Musk, pada gilirannya, memutuskan untuk tidak tinggal diam dan menjawab kepada Zuckerberg bahwa dia memiliki "pemahaman terbatas" tentang AI. Topiknya belum ditutup, dan Musk berjanji sebentar lagi akan menanggapi lebih detail serangan dari rekan-rekan di industri TI.
Ngomong-ngomong, Musk bukan satu-satunya yang percaya bahwa AI bisa menjadi ancaman potensial. Fisikawan Stephen Hawking dan filsuf Nick Bostrom juga mengungkapkan keprihatinan mereka tentang potensi kecerdasan buatan untuk menembus cara hidup umat manusia. Tapi, kemungkinan besar, mereka berbicara tentang kecerdasan buatan yang lebih umum. Tentang apa yang sedang dipelajari di laboratorium seperti Facebook AI Research, DeepMind dan Maluuba, daripada AI yang lebih terspesialisasi, permulaan pertama yang bisa kita lihat hari ini.
Brooks juga mencatat bahwa banyak kritikus AI bahkan tidak bekerja di bidang ini, dan menyarankan agar orang-orang ini tidak memahami betapa sulitnya menemukan solusi untuk setiap masalah individu di bidang ini.
“Faktanya, tidak banyak orang yang menganggap AI sebagai ancaman eksistensial. Stephen Hawking, ahli astrofisika dan astronom Inggris Martin Rees … dan beberapa lainnya. Ironisnya, kebanyakan dari mereka memiliki satu kesamaan - mereka bahkan tidak bekerja di bidang kecerdasan buatan,”kata Brooks.
"Bagi kami yang bekerja dengan AI, sangat jelas terlihat betapa sulitnya mendapatkan sesuatu untuk bekerja pada tingkat produk jadi."
Representasi AI yang keliru
Sebagian masalah juga berasal dari fakta bahwa kita menyebut semua ini "kecerdasan buatan". Yang benar adalah bahwa "kecerdasan" ini sama sekali tidak menyerupai kecerdasan manusia, yang biasanya dijelaskan dalam buku referensi dan kamus kosakata sebagai "kemampuan untuk belajar, memahami dan beradaptasi dengan situasi baru."
Pascal Kaufman, CEO Starmind, sebuah perusahaan rintisan yang membantu perusahaan lain menggunakan kecerdasan manusia kolektif untuk menemukan solusi atas masalah bisnis, telah mempelajari ilmu saraf selama 15 tahun. Otak manusia dan komputer, catat Kaufman, bekerja sangat berbeda, dan akan menjadi kesalahan yang jelas untuk membandingkan keduanya.
“Analoginya - otak bekerja seperti komputer - sangat berbahaya dan menghalangi kemajuan AI,” kata Kaufman.
Pakar juga percaya bahwa kita tidak akan maju dalam memahami kecerdasan manusia jika kita mempertimbangkannya dalam istilah teknologi.
“Ini adalah kesalahpahaman bahwa algoritma bekerja seperti otak manusia. Orang-orang menyukai algoritme, jadi mereka mengira otak dapat dijelaskan dengan bantuan mereka. Saya pikir ini secara fundamental salah,”tambah Kaufman.
Jika terjadi kesalahan
Ada banyak contoh di mana algoritme AI tidak sepintar yang kita pikirkan sebelumnya. Dan salah satu yang mungkin paling terkenal adalah algoritma AI Tay, yang dibuat oleh tim pengembangan sistem AI Microsoft dan tidak terkendali tahun lalu. Butuh waktu kurang dari sehari untuk mengubah bot menjadi rasis nyata. Para ahli mengatakan ini dapat terjadi pada sistem AI apa pun saat dihadapkan dengan model peran yang buruk. Dalam kasus Tay, dia berada di bawah pengaruh bentuk kosakata rasis dan ofensif lainnya. Dan karena itu diprogram untuk "belajar" dan "mencerminkan perilaku", itu segera lepas kendali para peneliti.
Penelitian luas dari Cornell dan Wyoming menemukan bahwa sangat mudah mengelabui algoritme yang dilatih untuk mengidentifikasi gambar digital. Mereka menemukan bahwa gambar yang tampak seperti "omong kosong acak" bagi orang-orang diidentifikasi oleh algoritme sebagai gambar dari beberapa objek sehari-hari seperti "bus sekolah".
Menurut sebuah artikel yang diterbitkan di MIT Tech Review yang menjelaskan proyek ini, tidak sepenuhnya jelas mengapa algoritme dapat ditipu dengan cara yang dilakukan para peneliti. Apa yang ditemukan adalah bahwa orang telah belajar untuk mengenali apa yang ada di depan mereka - baik gambar yang mencukupi diri sendiri, atau semacam gambar yang tidak bisa dipahami. Algoritme, pada gilirannya, menganalisis piksel, lebih mudah untuk dimanipulasi dan ditipu.
Sedangkan untuk mobil self-driving, semuanya ternyata jauh lebih rumit. Ada beberapa hal yang dipahami seseorang saat bersiap menghadapi situasi tertentu. Akan sangat sulit untuk mengajari mesin untuk melakukan ini. Sebuah artikel besar yang diterbitkan di salah satu blog otomotif oleh Rodney Brooks pada bulan Januari tahun ini mengutip beberapa contoh situasi seperti itu, termasuk satu artikel yang menggambarkan mobil tanpa pengemudi yang mendekati tanda berhenti yang terletak di sebelah penyeberangan pejalan kaki di kota. di awal dimana seorang dewasa dan seorang anak berdiri dan berkomunikasi.
Algoritme kemungkinan besar akan disetel untuk menunggu pejalan kaki menyeberang jalan. Tetapi bagaimana jika para pejalan kaki ini bahkan tidak berpikir untuk menyeberang jalan, karena mereka berdiri dan menunggu, katakanlah, bus sekolah? Dalam kasus ini, seorang pengemudi manusia dapat membunyikan klakson pejalan kaki, yang dapat melambai kepadanya sebagai tanggapan, memberi tahu dia bahwa dia dapat lewat. Kendaraan tak berawak dalam situasi seperti itu dapat dengan mudah terjebak, tanpa henti menunggu orang untuk menyeberang jalan, karena algoritme tidak memiliki pemahaman tentang sinyal manusia yang unik, tulis Brooks.
Masing-masing contoh ini menunjukkan kepada kita sejauh mana kita masih harus maju dalam pengembangan algoritme kecerdasan buatan. Seberapa baik pengembang AI yang digeneralisasi dapat berhasil masih menjadi pertanyaan. Ada hal-hal yang dapat dengan mudah diatasi seseorang, tetapi akan sangat menyiksa untuk mempelajari algoritme. Mengapa? Karena kita manusia tidak dibatasi dalam pembelajaran kita pada serangkaian tugas tertentu.
Nikolay Khizhnyak
