Bisakah 'AI' Memiliki Akal Sehat?

Munculnya LLM telah membuka kembali perdebatan tentang batasan kecerdasan mesin dan membutuhkan tolok ukur baru tentang apa yang dimaksud dengan penalaran. Melalui LLM, teknologi ini diharapkan mesin dapat memiliki akal sehat seperti manusia.

Sejak dirilis ke publik kurang dari dua tahun lalu, model bahasa besar (large language models/LLM) seperti yang mendasari ChatGPT telah menghasilkan kemajuan yang menarik dan provokatif dalam kecerdasan mesin.

LLM adalah model bahasa berskala besar yang terkenal karena kemampuannya untuk mencapai tujuan umum dalam pemahaman dan pembangkitan bahasa.

Beberapa peneliti dan komentator telah berspekulasi bahwa alat-alat ini dapat mewakili langkah yang menentukan menuju mesin yang menunjukkan artificial general intelligence atau kecerdasan umum buatan. Kecerdasan umum buatan merupakan berbagai kemampuan yang terkait dengan kecerdasan manusia. Dengan demikian hal tersebut dapat memenuhi pencarian selama 70 tahun dalam penelitian kecerdasan buatan (artificial intelligence/AI).

"Salah satu tonggak dalam perjalanan itu adalah demonstrasi akal sehat mesin (machine common sense). Bagi manusia, akal sehat adalah hal yang jelas tentang orang-orang dan kehidupan sehari-hari," tulis Mayank Kejriwal, Henrique Santos, Alice M Mulvehill, Ke Shen, Deborah L McGuinness dan Henry Lieberman dalam artikel yang diterbitkan di nature.com.

Manusia tahu dari pengalaman bahwa benda kaca itu rapuh atau bahwa tidak sopan menyajikan daging saat seorang teman vegan berkunjung. Seseorang dikatakan kurang memiliki akal sehat saat melakukan kesalahan yang biasanya tidak dilakukan kebanyakan orang. Dalam hal itu, generasi LLM saat ini sering kali gagal.

LLM biasanya berhasil dengan baik pada ujian yang melibatkan unsur hafalan. Misalnya, model GPT-4 pada ChatGPT dilaporkan dapat lulus ujian lisensi untuk dokter dan pengacara AS. Namun, model tersebut dan model serupa mudah dibuat bingung oleh teka-teki sederhana.

"Misalnya, saat kami bertanya kepada ChatGPT, 'Riley kesakitan. Bagaimana perasaan Riley setelahnya?', jawaban terbaiknya dari daftar pilihan ganda adalah 'sadar', bukan 'menyakitkan.'

Saat ini, pertanyaan pilihan ganda seperti ini banyak digunakan untuk mengukur akal sehat mesin mirip dengan SAT, ujian yang digunakan untuk penerimaan universitas AS. Namun, pertanyaan semacam itu hanya mencerminkan sedikit dari dunia nyata, seperti pemahaman intuitif manusia tentang hukum fisika yang berkaitan dengan panas atau gravitasi, dan konteks interaksi sosial.

"Akibatnya, mengukur seberapa dekat LLM dalam menampilkan perilaku seperti manusia masih menjadi masalah yang belum terpecahkan," tulis Kejriwal dan teman-temannya tersebut.

Di sisi lain, manusia pandai menghadapi situasi yang tidak pasti dan ambigu. Sering kali, orang puas dengan jawaban yang memuaskan alih-alih menghabiskan banyak kapasitas kognitif untuk menemukan solusi optimal misalnya dengan membeli sereal di rak supermarket yang cukup bagus, alih-alih menganalisis setiap pilihan.

Manusia dapat beralih dengan cekatan antara cara berpikir intuitif dan deliberatif, menangani skenario yang tidak mungkin muncul, dan merencanakan atau menyusun strategi seperti yang dilakukan orang saat mengalihkan rute yang sudah dikenal setelah menghadapi lalu lintas yang padat, misalnya.

"Apakah mesin akan mampu melakukan hal serupa? Dan bagaimana peneliti akan mengetahui secara pasti apakah sistem AI berada di jalur untuk memperoleh kemampuan tersebut?" ujar Kejriwal dan teman-teman.

Untuk menjawab pertanyaan-pertanyaan tersebut mengharuskan ilmuwan komputer untuk terlibat dengan disiplin ilmu seperti psikologi perkembangan dan filsafat pikiran. Pemahaman yang lebih baik tentang dasar-dasar kognisi juga diperlukan untuk merancang metrik yang lebih baik untuk menilai kinerja LLM. Saat ini, masih belum jelas apakah model AI bagus dalam meniru manusia dalam beberapa tugas atau apakah metrik pembandingnya sendiri buruk.