Akhir tahun 2022 tidak hanya membawa angka penjualan liburan. Ini membawa gempa digital.
ChatGPT meledak di tempat kejadian. Tidak ada peluncuran bertahap. Tidak ada pengujian beta yang berbisik. Suatu hari, hal itu menjadi catatan kaki di blog teknologi; berikutnya, ia berbicara kepada semua orang.
Reaksinya langsung dan terpolarisasi. Media tidak bisa berhenti mengagumi percakapan yang lancar. Itu menulis artikel. Itu bertukar pikiran tentang ide-ide. Ia bahkan terjun ke dalam fiksi kreatif. Namun di samping rasa kagum itu muncullah kecemasan yang mendalam dan meresahkan. Orang-orang menyadari bahwa alat ini tidak hanya menjawab pertanyaan. Hal ini melanggar satu hal yang dibanggakan manusia: kemampuan intelektual.
Perjudian Miliaran Dolar
Untuk memahami bot, Anda harus melihat uang di baliknya.
OpenAI didirikan pada bulan Desember 2015 dengan tujuan tunggal dan agresif: mendorong kecerdasan buatan sejauh mungkin. Wajah dari misi ini adalah Sam Altman. Anda mungkin tahu namanya dari pintu keluar lain. Dia ikut mendirikan Airbnb. Dia membantu mendanai raksasa seperti Reddit, Twitch, dan Dropbox melalui Y Combinator.
Altman awalnya bermitra dengan Elon Musk untuk meluncurkan OpenAI. Sejak hari pertama, potnya sangat besar. Startup ini mendapatkan putaran pendanaan $1 miliar.
Namun Microsoft melihat tulisan di dinding. Mereka bergabung sebagai investor pada 2019. Lalu pada Januari 2023, mereka all-in. Microsoft menginvestasikan beberapa miliar lebih banyak ke dalam OpenAI.
Mengapa? Untuk memeriksa Google.
Kedua raksasa teknologi tersebut berlomba untuk mendominasi AI. Suntikan besar-besaran yang dilakukan Microsoft bukan sekadar dukungan. Ini merupakan serangan strategis untuk melawan penelitian lanjutan Google.
Pendanaan ini tidak hanya membeli server. Itu membawa hasil. Penelitian OpenAI telah menghasilkan DALL-E, alat pembuat gambar yang membuat terobosan pada musim semi 2022 dengan rilis versi 2. ChatGPT adalah langkah logis berikutnya. Pembuat teks. Pembicara.
Mesin di Bawah Kap
ChatGPT bukanlah keajaiban. Itu matematika. Matematika yang berat.
Teknologi inti mengandalkan Large Language Modeling (LLM). Tujuannya sederhana di atas kertas: memahami struktur bahasa manusia. Eksekusinya sangat rumit. Tugas utama algoritme adalah memprediksi kata berikutnya dalam sebuah kalimat. Dengan merangkai prediksi ini, menghasilkan teks yang koheren.
Namun Anda tidak bisa begitu saja memasukkan skrip ke server dan berharap yang terbaik. Anda membutuhkan pelatihan. Jumlahnya sangat besar.
ChatGPT menyerap kumpulan data 500 miliar dokumen. Kita membicarakan keseluruhan web hingga tahun 2021. Ditambah ratusan ribu buku. Artikel ilmiah. Semuanya.
Ia harus belajar mempertimbangkan pentingnya setiap istilah dalam sebuah frasa untuk mengekstraksi konsep inti.
Skalanya sulit untuk divisualisasikan.
- 500 miliar dokumen dianalisis.
- 175 miliar parameter dalam model.
- $2 juta biaya pelatihan (dalam Euro).
- $100.000 per hari untuk biaya operasional agar tetap berjalan.
Dibutuhkan prototipe ChatGPT-3 untuk menunjukkan kepada dunia apa yang mungkin terjadi. Diluncurkan pada 30 November 2022.
Tanggapannya merusak internet.
Satu juta pendaftaran pengguna dalam lima hari.
Ini Bukan Sekadar Bilah Pencarian
Orang-orang ingin tahu apa yang bisa dilakukannya.
Pada intinya, ChatGPT adalah antarmuka percakapan. Namun perilakunya tidak seperti database dan lebih seperti asisten peneliti yang tak kenal lelah dan terlalu bersemangat untuk menyenangkan.
Kami mengujinya. Kami mengerahkan segalanya untuk itu.
Fakta ensiklopedis? Ditangani.
Resep masakan? Diurutkan.
Filmografi? Diurutkan.
Kualitas sintesis umumnya tinggi. Ketika diminta untuk menjelaskan perbedaan antara dua topik yang kompleks, ternyata kinerjanya sangat baik.
Namun di sinilah hal itu menjadi rumit.
ChatGPT tidak hanya mengambil data. Itu berimprovisasi. Setiap kali Anda mengajukan pertanyaan, itu menghasilkan respons baru berdasarkan probabilitas. Itu tidak menarik jawaban statis dari rak. Ini membangun jawabannya secara real-time.
Dan itu mengingatnya.
Ini melacak konteks percakapan. Ia mendengarkan.
Selama pengujian, kami menanyakan pertanyaan geografi dasar.
“Apa sungai terpanjang di dunia?”
ChatGPT menjawab: “Sungai Nil.”
Kami mendorong kembali.
“Bukankah Amazon lebih panjang dari Sungai Nil?”
Bot segera mengoreksi dirinya sendiri.
“Saya minta maaf. Saya membuat kesalahan dalam tanggapan saya sebelumnya. Amazon memang merupakan sungai terpanjang di dunia.”
Kemampuan untuk mengoreksi diri sendiri dalam jendela konteks inilah yang membedakan LLM modern dari algoritma pencarian lama. Ini bukan sekedar mencari fakta. Ini mempertahankan dialog.
Tapi apakah itu membuatnya lebih pintar? Atau hanya lebih baik dalam mensimulasikan percakapan?
Itulah pertanyaan yang menghantui setiap pekerja teknologi, pelajar, dan pengguna yang ingin tahu apakah mereka sedang mencari alat atau pesaing.
Kemampuan pembuatan konten
Kegunaannya lebih dari sekedar tanya jawab sederhana. Kami menguji sistem dengan perintah yang spesifik dan sedikit kacau. Satu permintaannya sangat jelas: berikan contoh komentar pada artikel kontroversial, lengkap dengan emoji. Outputnya adalah tarif internet standar. Ekspresi umum keterkejutan yang dipadukan dengan wajah sedih. Khas.
Tapi kami mendorong lebih jauh. Model tersebut menghasilkan postingan Facebook. Ia menyusun tip negosiasi untuk mobil bekas. Itu menyarankan perangkat lunak pengedit gambar. Jangkauannya luas. Kami ingin melihat langit-langitnya, jadi kami meminta garis besar plot untuk novel detektif. Hasilnya ternyata sangat koheren. Itu memetakan misteri dengan struktur sebenarnya.
Namun, ada batasannya. Tugas menulis kreatif tersendat. Kami minta lagu rap sekitar tahun 2023. Hasilnya hampa. Sebuah puisi cinta bernasib tidak lebih baik. Iramanya tidak aktif. Emosinya hilang. Rasanya mekanis.
Model ini kurang terinspirasi ketika mencoba menangkap emosi manusia yang mentah atau nuansa budaya.
Ketidakkonsistenan ini mungkin melegakan. Hal ini membuktikan bahwa AI tidak mahakuasa dalam bidang artistik. Namun pertanyaannya masih tetap ada. Kenyamanan itu bersifat sementara. Kesenjangan antara alur cerita yang logis dan ayat yang menyentuh hati kemungkinan besar akan semakin dekat. Hanya saja belum.
Saat AI Menulis untuk Anda
Peringkasan adalah salah satu fitur yang menjadikan ChatGPT benar-benar berguna, bukan sekadar trik pesta. Saya mengujinya dengan memberinya artikel panjang tentang generator gambar AI dari Futura Sciences. Hasilnya tidak hanya akurat; itu singkat.
Artikel ini membahas penggunaan kecerdasan buatan untuk menghasilkan gambar dari teks. Beberapa aplikasi menggunakan fitur ini, seperti Dall-e 2, Stable Diffusion, dan MidJourney. Operasi mereka terdiri dari memasukkan teks dan menghasilkan gambar yang sesuai, dengan kualitas artistik tingkat tinggi. Artikel tersebut juga menyebutkan OpenAI, sebuah organisasi nirlaba yang menciptakan Dall-e 2 dan bertujuan untuk mendorong batas-batas AI dengan etika yang menjaga keselamatan manusia.
Ini menangkap esensi Dall-e 2, Difusi Stabil, dan MidJourney tanpa terjebak dalam jargon teknis. Ia bahkan dengan tepat mengidentifikasi status nirlaba OpenAI dan tujuan etisnya. Hal ini merupakan lompatan signifikan dari model AI awal yang sering berhalusinasi konteks atau mengabaikan hutan dibandingkan pepohonan.
Pembuatan Kode sebagai Pintasan
Jika peringkasan adalah solusi cepat, coding adalah tempat peningkatan utilitas. ChatGPT dapat menghasilkan cuplikan kode fungsional yang sebenarnya dapat Anda salin-tempel ke dalam sebuah proyek. Saya memintanya untuk membuat formulir kontak. Hasilnya adalah HTML dan CSS yang valid, siap untuk diterapkan.
Tapi inilah yang menarik: ia juga dapat menghasilkan kode yang dirancang khusus untuk WordPress. Bagi pengembang dan pemilik situs yang tidak menulis PHP dari awal setiap hari, hal ini menghemat waktu pengembangan secara signifikan. Ini tidak hanya memberi Anda sintaksisnya; ia memahami konteks lingkungan CMS.
Sisi Gelap: Penipuan Akademik dan Konten
Tentu saja, tidak semua orang melihat ini sebagai asisten yang berguna. Beberapa orang memandangnya sebagai alat jalan pintas yang melemahkan integritas. Guru telah memperhatikan siswa menggunakannya untuk menulis esai.
Perhatikan pertanyaan yang diajukan oleh seorang profesor di Universitas Lyon: Sejauh mana sang pahlawan bertanggung jawab atas tindakannya?
Saya memberikan perintah persis itu ke ChatGPT. Tanggapannya bersifat filosofis, terstruktur, dan sepenuhnya masuk akal:
Pahlawan bertanggung jawab atas tindakannya karena mereka sadar akan apa yang mereka lakukan dan menanggung konsekuensinya. Mereka mampu mengambil keputusan dan melaksanakannya, baik secara positif maupun negatif. Mereka juga bertanggung jawab atas tindakan mereka karena mereka harus bertanggung jawab kepada pihak berwenang dan masyarakat, serta mampu mengenali dan bertobat atas kesalahan mereka. Terakhir, pahlawan bertanggung jawab atas tindakannya karena mereka adalah individu yang bebas dan otonom yang harus bertanggung jawab kepada dirinya sendiri dan orang yang dicintainya.
Saat saya menindaklanjutinya, meminta esai 500 kata tentang tema tersebut, ChatGPT menyampaikannya. Nadanya akademis. Strukturnya bagus. Itu akan lolos sebagai penyerahan siswa yang kompeten. Di sinilah janji “kode yang dapat digunakan” berubah menjadi mesin curang.
Dimana AI Tersandung
Meskipun memiliki kesempurnaan, ChatGPT bukannya sempurna. Itu berhalusinasi. Lebih penting lagi, hal ini menghasilkan fakta yang salah, terkadang sangat buruk.
Misalnya René Descartes. Pada awal Januari, jika Anda bertanya kepada ChatGPT di mana sang filsuf tinggal, ia mengaku menghabiskan waktu di Amerika Selatan. Hal itu secara historis salah. Descartes meninggal di Swedia dan terutama tinggal di Perancis dan Belanda. Sebulan kemudian, model tersebut mengoreksi dirinya sendiri. Saat ditanya secara spesifik mengenai Amerika Selatan, pihaknya membantahnya.
Model tersebut tampaknya mempelajari atau menyesuaikan bobotnya dari waktu ke waktu, namun tidak ada transparansi tentang bagaimana model tersebut memperbaiki kesalahan ini. Berbeda dengan Wikipedia yang mengutip sumbernya, ChatGPT memberi Anda jawaban tanpa jejak kutipan. Jika Anda menggunakannya untuk penelitian, Anda mempercayai kotak hitam. Jika Anda perlu memverifikasi suatu fakta, Anda tetap harus kembali ke sumber utama.
Masalah Prediksi
Mari kita perjelas: ChatGPT tidak berpura-pura memiliki bola kristal. Ketika didesak tentang pemilihan presiden Prancis tahun 2027, model tersebut menyimpang. Ketika ditanya tanggal spesifik kapan manusia akan menginjakkan kaki di Mars, mereka menolak menebak. Kami memvariasikan ungkapannya. Kami mendorong batas tersebut. Itu tidak mau bergerak.
Sebagian dari hal ini bersifat struktural. ChatGPT 3 dibangun di atas reservoir data yang terhenti pada tahun 2021. Apa pun setelahnya tidak akan terlihat olehnya. Namun keheningan ini lebih mendalam daripada data yang hilang.
Menolak Memihak
Kami meminta pendapat. Banyak dari mereka. Tanggapan yang diberikan benar-benar tepat sasaran secara politis. Setiap jawaban terasa seperti siaran pers yang dikalibrasi dengan cermat.
Ambil contoh perbandingan antara Joe Biden dan Donald Trump. Model tersebut mencatat bahwa mereka memiliki posisi yang berbeda. Dinyatakan bahwa menentukan siapa yang “lebih baik” bergantung pada kriteria individu. Itu tidak memilih pemenang.
Tanyakan apakah tenaga nuklir bersifat ekologis. Model ini mencantumkan argumen yang mendukung dan menentang. Itu terletak di pagar.
Tapi ada satu pengecualian. Satu garis keras.
Garis Merah Iklim
Setiap kali topik “skeptis iklim” muncul, nadanya berubah. Modelnya menjadi tegas. Ia menolak pilihan alternatif. Tidak ada perbedaan yang ditawarkan terkait pemanasan global.
Hal ini menimbulkan pertanyaan yang mengganggu. Apakah pemrogram memprogram bias mereka sendiri ke dalam kode?
Kita tidak boleh mengabaikan kemungkinan bahwa pengembang mempengaruhi model pada topik yang sangat mereka minati.
Perlu ditanyakan apakah kekakuan ini merupakan fitur data pelatihan atau pagar pembatas yang disengaja. Model tersebut tidak akan berspekulasi. Itu hanya menegakkan konsensus.
Mengapa leluconnya gagal
Humor adalah titik buta. Saat diminta membuat lelucon, model tersebut tidak menghasilkan apa pun yang menarik. Bukan hanya karena mereka buruk; mereka secara struktural tidak koheren atau sangat jelas terlihat. AI tidak memiliki lompatan intuitif yang diperlukan untuk kecerdasan. Ini mensimulasikan bentuk lucunya tanpa memahami waktu atau subteksnya.
Penopang klise
Ada juga kecenderungan ke arah pengisi. Outputnya sering kali berlarut-larut, diisi dengan frasa bertele-tele yang tidak banyak bicara. Anda mendapatkan kalimat yang panjang dan berliku yang dapat dipotong menjadi dua tanpa kehilangan makna. Lebih buruk lagi, ini sangat bergantung pada frase saham. Transisi yang sama muncul berulang kali, hanya dengan sedikit pertukaran kata. Itu adalah pola keragu-raguan yang disamarkan sebagai prosa. Jika model tidak mengetahui jawabannya, model tidak akan berhenti sejenak. Itu hanya berbicara lebih banyak.
