CEO Scale AI Serukan Trump agar AS Harus Memenangkan Perang Artificial intelligence (AI) Melawan Tiongkok

SAN FRANCISCO - CEO Scale AI, Alexandr Wang menyerukan kepada Presiden Amerika Serikat Donald Trump agar pemerintah mengambil langkah lebih agresif untuk mempertahankan keunggulan AS dalam persaingan kecerdasan buatan (AI) dengan Tiongkok.

Dikutip dari Inc, seruan tersebut disampaikan Wang melalui surat terbuka yang dimuat bersamaan dengan iklan satu halaman penuh di The Washington Post pada 21 Januari 2025, sehari setelah Trump kembali menjabat sebagai presiden.

“Amerika harus memenangkan perang AI,” demikian pesan utama dalam iklan yang ditandatangani Wang.

Dalam suratnya, Wang memperingatkan bahwa perkembangan teknologi AI Tiongkok berlangsung sangat cepat. AS berisiko tertinggal apabila pemerintah tidak mengubah pendekatannya terhadap pengembangan dan penerapan AI.

“Kita telah melihat kemajuan yang sangat signifikan dalam kemampuan AI Tiongkok dibandingkan dengan pemerintah kita,” tulis Wang.

Salah satu klaim yang disampaikan Wang berkaitan dengan belanja pemerintah untuk penerapan AI. Pemerintah Tiongkok sebutnya mengalokasikan dana sekitar 10 kali lebih besar dibandingkan pemerintah AS untuk implementasi dan adopsi AI.

Tiongkok pada awal 2025 mengumumkan dana investasi senilai sekitar 8,2 miliar dollar AS untuk proyek-proyek AI, jauh lebih besar dibandingkan AS pada tahun yang sama dengan alokasi belanja 3 miliar dollar AS untuk pengembangan AI.

Wang kemudian mengajukan sejumlah rekomendasi kepada pemerintahan Trump. Di antaranya mendorong kebijakan energi yang membuat biaya pembangunan dan pengoperasian infrastruktur AI lebih terjangkau.

Ia juga menyerukan pembentukan gugus tugas antarlembaga yang bertugas meninjau berbagai regulasi terkait AI. Menurut Wang, langkah tersebut diperlukan agar tenaga kerja dan industri AI dapat berkembang lebih cepat di Amerika Serikat.

Seruan Wang datang ketika Scale AI semakin dekat dengan pemerintah AS. Perusahaan yang berbasis di San Francisco itu dikenal menyediakan layanan data untuk membantu pengembangan dan pelatihan sistem AI.

Scale AI juga telah memiliki hubungan dengan Departemen Pertahanan AS. Pada 2022, perusahaan tersebut mendapatkan kontrak senilai 250 juta dollar AS yang memberikan akses kepada lembaga-lembaga federal terhadap perangkatnya.

Hubungan Scale AI dengan pemerintahan Trump juga semakin terlihat setelah Michael Kratsios, mantan direktur pelaksana Scale AI, ditunjuk sebagai direktur Kantor Kebijakan Sains dan Teknologi Gedung Putih. Kratsios sebelumnya pernah menjadi pejabat teknologi di pemerintahan Trump periode pertama.

Di sisi lain, surat Wang muncul ketika industri teknologi Silicon Valley semakin aktif membangun hubungan dengan pemerintahan Trump. Sejumlah pimpinan perusahaan teknologi besar menghadiri pelantikan Trump, termasuk CEO Google Sundar Pichai dan sejumlah tokoh teknologi lainnya.

Namun demikian, Scale AI juga menghadapi persoalan hukum. Perusahaan tersebut menghadapi dua gugatan class action di California terkait tudingan salah mengklasifikasikan pekerja kontrak. Gugatan tersebut berkaitan dengan bisnis komersial Scale AI dan tidak mencakup pekerjaan kontrak pemerintah.

Miliki Ketahanan

Pakar keamanan siber Institut Teknologi Sepuluh Nopember (ITS),Hatma Suryotrisongko, menilai, penggunaan kecerdasan artifisial (AI) dalam keamanan siber tidak cukup hanya berfokus pada kemampuan teknologi mendeteksi serangan.

Sistem AI yang digunakan untuk pertahanan juga harus memiliki ketahanan terhadap upaya manipulasi atau serangan terhadap model itu sendiri.

Dalam penelitian “Adversarial Robustness in Hybrid Quantum-Classical Deep Learning for Botnet DGA Detection”, Hatma bersama peneliti lain secara khusus meneliti ketahanan model AI/ML terhadap serangan adversarial.

Menurut Hatma, penelitian mereka menguji ketahanan model hybrid quantum-classical deep learning yang digunakan untuk mendeteksi botnet berbasis Domain Generation Algorithm (DGA). Hasil penelitian menunjukkan model AI tersebut masih memiliki kerentanan ketika menghadapi adversarial example attacks.

“AI bisa digunakan untuk membantu mendeteksi serangan, tetapi model AI itu sendiri juga bisa menjadi sasaran serangan. Karena itu, ketahanan model terhadap manipulasi harus menjadi bagian dari desain keamanan,” demikian substansi yang tercermin dalam penelitian Hatma dan tim.

Dalam penelitian yang dipublikasikan pada Journal of Information Processing 2022 itu, peneliti menemukan serangan adversarial dapat menurunkan akurasi model yang diuji. Mereka kemudian mengembangkan pendekatan adversarial training untuk memperkuat model sehingga lebih siap menghadapi pola serangan baru.

Temuan tersebut menunjukkan bahwa perkembangan AI menghadirkan tantangan keamanan pada dua sisi. Di satu sisi, AI dapat digunakan untuk meningkatkan kemampuan mendeteksi ancaman siber. Di sisi lain, sistem AI harus dilindungi agar tidak mudah dimanipulasi oleh pihak yang ingin mengeksploitasi kelemahannya.

“Jadi persoalannya bukan hanya bagaimana AI digunakan untuk melawan serangan siber, tetapi juga bagaimana membuat AI tetap bisa dipercaya ketika berhadapan dengan serangan yang sengaja dirancang untuk mengecoh model,” demikian gambaran dari hasil riset tersebut.

Dalam penelitian lainnya, Hatma dan tim menggunakan AI dan machine learning untuk mendeteksi botnet DGA yang sulit dikenali dengan metode blocklist konvensional. Mereka juga menggabungkan Explainable AI (XAI) dengan Open Source Intelligence (OSINT) agar hasil yang diberikan model dapat diperiksa dan divalidasi oleh analis keamanan.

Pendekatan tersebut penting karena keputusan keamanan siber tidak seharusnya hanya bergantung pada keluaran otomatis AI. Penelitian Hatma menunjukkan bahwa kemampuan menjelaskan dan memvalidasi keputusan AI dibutuhkan untuk meningkatkan kepercayaan terhadap sistem sekaligus mengurangi risiko automation bias.

“AI sebaiknya tidak diperlakukan sebagai sistem yang selalu benar. Hasilnya tetap perlu dipahami, diuji, dan divalidasi, terutama ketika keputusan tersebut berkaitan dengan keamanan siber,” demikian substansi lain yang dapat ditarik dari penelitian tersebut.