Catatan: Artikel ini merupakan pendapat pribadi penulis dan tidak mencerminkan pendapat staf redaksi illinibasketballhistory.com
Saat ini, pendidikan di seluruh dunia masih dilanda ketidakpastian mengenai perkembangan penggunaan kecerdasan buatan (AI). Promosi penggunaannya menyatakan bahwa AI dapat meningkatkan kualitas pendidikan.
Itu tidak salah. Dengan AI, kelebihan dan kekurangan proses pendidikan langsung diketahui. Algoritma disusun berdasarkan interaksi selama proses, menciptakan pengetahuan.
Hasil tes, pilihan materi pembelajaran dan tipe teman dalam kelompok belajar menentukan karakter siswa. Semuanya berguna dalam merancang layanan pendidikan.
Karena setiap peserta pendidikan berbeda, minat dan kemampuan mereka: layanan dan evaluasi pendidikan dapat disesuaikan. Peserta pendidikan tidak diperlakukan sebagai material massal, namun diolah sebagai produk massal di ban berjalan.
Namun, tidak dapat dipungkiri bahwa mengandalkan AI tanpa pengetahuan yang benar justru menghambat perkembangan kognisi. AI dengan data dalam jumlah besar diproses untuk menghasilkan pengetahuan.
Ini digunakan oleh siswa yang mengikuti ujian. Mereka juga digunakan oleh guru ketika mengembangkan materi pembelajaran dan penilaian. Interaksi yang terjadi: Perangkat AI sebagai mesin penjawab vs perangkat AI sebagai tester. Peserta pendidikan dan guru hanyalah operator. Kognisi mereka tidak berkembang.
AI merupakan sebuah paradoks dalam dunia pendidikan. Pengetahuan, sebagai bahan pengembangan ilmu pengetahuan, juga berperan sebagai penghambat perkembangannya. Pau Aleikum dan Marta Handenaver, 2023, dalam “AI in Education: The Good, the Bad, and the Downright Confounding” menyatakan: AI tentu mempunyai kelebihan.
Dapat digunakan untuk menyelesaikan pekerjaan dengan cepat. Tapi ada harga yang harus dibayar. Ada kesan penipuan saat menggunakan ChatGPT. Dan yang terpenting, kata-kata yang didapat dari query tersebut bukanlah hasil pemikiran pengguna.
Pengguna cenderung tidak mengingat kata-kata dan tidak ada internalisasi pengetahuan atau koneksi dengan pengetahuan yang sudah mereka miliki. Pengetahuan belum sepenuhnya berkembang, begitu pula pengetahuan yang membentuknya.
Pembahasan pengetahuan yang dihasilkan dengan cara di atas relevan ketika membandingkan pengetahuan sebagai produksi agen konvensional dengan non-agen konvensional. Agen konvensional adalah subjek pengetahuan, berupa pemikir, peneliti, guru, dan praktisi yang akrab dengan fakta.
Sedangkan non-agen konvensional adalah AI. Apakah pengetahuan yang dihasilkan agen nonkonvensional bisa disamakan dengan pengetahuan yang dihasilkan agen konvensional?
Relevansi pertanyaan-pertanyaan di atas menjadi kurang menuntut ketika posisi pengetahuan dihadapkan pada tujuan-tujuan pragmatis. Misalnya saja ketika ingin memanfaatkannya untuk mengatasi masalah kesehatan. Bisakah pengetahuan yang dihasilkan oleh kecerdasan buatan dapat diandalkan?
Alec Tyson, Giancarlo Pasquini, Alison Spencer, dan Carrie Funk, 2023, dalam “60% orang Amerika akan merasa tidak nyaman jika penyedia layanan mengandalkan kecerdasan buatan dalam layanan kesehatan mereka sendiri,” mengutip Pev Research, 2022, menyatakan: di tingkat individu ada enam dari sepuluh orang Amerika merasakannya tidak nyaman ketika kecerdasan buatan terlibat dalam mendiagnosis penyakit.
Juga dalam perawatan setelahnya. Bukan karena AI akan memberikan hasil yang salah. Pernyataan 40% responden, yaitu 11.004 orang dewasa, menunjukkan bahwa penggunaan kecerdasan buatan dalam bidang kesehatan dan pengobatan akan mengurangi kesalahan. Artinya pengetahuan AI tentang kesehatan dapat diandalkan.
Namun, sumber ketidaknyamanan ini berasal dari kurangnya hubungan pribadi antara pasien dan profesional kesehatan. Penggunaan kecerdasan buatan untuk mendiagnosis penyakit dan merekomendasikan pengobatan akan memperburuk hubungan antara pasien dan profesional kesehatan. Selain itu, responden khawatir tentang keamanan rekam medis. Penggunaan kecerdasan buatan diyakini akan memperburuk keamanan catatan pasien.
Sementara itu, penjelasan mengenai meningkatnya ketergantungan layanan kesehatan terhadap kecerdasan buatan juga dapat ditemukan dalam artikel dari World Economic Forum, 2024. Judulnya adalah: “Bagaimana AI meningkatkan diagnostik dan hasil kesehatan serta mentransformasi layanan kesehatan.”
Sebagian besar deskripsi mengatakan bahwa AI telah meningkatkan akurasi diagnostik. Hal ini memungkinkan deteksi penyakit lebih dini, yang juga meningkatkan hasil perawatan pasien. Pengetahuan yang dihasilkan oleh AI dapat meningkatkan kinerja layanan kesehatan. Diagnosis yang akurat, peningkatan perawatan yang diberikan. Peningkatan deteksi dini penting dalam penyediaan layanan kesehatan dan meminimalkan kegagalan pengobatan.
Semua kemampuan kecerdasan buatan berasal dari kapasitas pemrosesan datanya yang sangat besar. Selain itu, hasil diperoleh dengan cepat. Namun, masih perlu adanya kolaborasi dengan berbagai bidang ilmu lainnya. Semuanya untuk mencapai kegunaan optimal. Optimalitas solusi kontekstual yang terukur, mampu mengenali situasi budaya yang berbeda.
Harap diperhatikan: AI dalam pengertian umum adalah kombinasi perangkat dengan teknologi berbeda, yang bersama-sama menghasilkan pengetahuan. Seluruh cara kerjanya meniru mekanisme kecerdasan manusia. Dimulai dengan input data dalam jumlah yang sangat besar, dilanjutkan dengan proses konversi menjadi informasi. Mengumpulkan dan menghubungkan informasi berubah menjadi pengetahuan. Pengetahuan yang bervariasi dari yang sederhana hingga yang kompleks.
AI sederhana dapat membedakan bahan tertentu: sel sehat dari sel sakit. Hal ini bertujuan untuk mempersiapkan program pelayanan kesehatan. Itu juga dapat menjawab pertanyaan, berdasarkan informasi pada perangkat. Chatbot, misalnya.
Sedangkan AI bersifat kompleks dan mampu memproses berbagai masukan data. Keanekaragaman itu berasal dari variabel yang berbeda-beda. Kelembaban berinteraksi dengan suhu rata-rata. Juga intensitas aktivitas kendaraan di suatu kawasan.
Dari sini diperoleh informasi mengenai jumlah emisi ke udara beserta status ancamannya: aman, tercemar, berbahaya. Rekomendasi dibuat dari sini untuk menjaga kesehatan masyarakat dalam kondisi udara tertentu. Kemampuan untuk ‘memahami’ kompleksitas sambil menghasilkan informasi dan pengetahuan yang relevan.
Hal ini relevan jika uraian di atas dipertimbangkan dalam hierarki makna data. Beralih dari kebijaksanaan data-informasi-pengetahuan-mentah. Dari sini kita bisa bertanya: bisakah AI menghasilkan kebijaksanaan? Apakah ini berarti AI menghasilkan pengetahuan dengan konteks aplikasi tertentu?
Persoalan ini menjadi penting bila berkaitan dengan: Pertama, produk pengetahuan AI terbentuk dari data yang diproses oleh pembelajaran mesin dan diproses lebih lanjut dalam pembelajaran mendalam. Di dalam perangkat, pengetahuan dibentuk berdasarkan data yang dimasukkan ke dalamnya.
Kedua, metode pengolahan yang menghasilkan pengetahuan tersebut berbasis pada statistika, matematika, dan informatika. ASA, American Statistical Association, 2023, menyatakan dalam “ASA Statement on the Role of Statistics in Data Science and Artificial Intelligence”: Ilmu data dan kecerdasan buatan sangat bergantung pada statistik, matematika, dan ilmu komputer.
Pengetahuan umum berperan dalam mendapatkan manfaat pengetahuan dari data. Ketiga bidang ini merupakan alat interaksi data yang memberikan layanan efisien untuk menarik kesimpulan dari data. AI penting dalam mengembangkan sistem untuk melakukan proses intelektual yang awalnya dilakukan oleh manusia. Pengetahuan yang dihasilkan oleh AI didasarkan pada prinsip statistik, matematika, dan komputasi.
Dari uraian di atas kemudian dapat dipahami: mengapa sejauh ini belum ada alat berbasis kecerdasan buatan yang dapat memprediksi secara akurat, misalnya perilaku pasar saham. Ketepatan perangkat tersebut memungkinkan pelaku mengetahui ~tepat~ kapan harus melepas, menahan, atau membeli saham. Jika kemampuan ini tercapai, Anda bisa memprediksi apa akibatnya.
Untuk menghasilkan pengetahuan yang akurat tentang perilaku sebenarnya pasar saham, AI memerlukan data yang berasal dari data terstruktur, semi terstruktur, atau tidak terstruktur. Data terstruktur dan semi terstruktur dapat diperoleh dari histori pergerakan pasar pada periode-periode sebelumnya.
Juga berdasarkan sejarah pasar saham, dengan perilakunya yang berbeda-beda. Semuanya bisa dimasukkan sebagai data. Namun, sentimen emosional – yang sebagian besar berupa data tidak terstruktur namun mendasari keputusan pelaku pasar saham – tidak selalu tersedia. Meskipun ketersediaannya diperlukan untuk menghasilkan pengetahuan yang lengkap.
Oleh karena itu, pengetahuan tentang kecerdasan buatan hanya sebatas merumuskan algoritma berdasarkan data yang “di dalam” perangkat. Meskipun data tidak terstruktur dapat dimasukkan, namun tidak dapat dikenali sepenuhnya. Oleh karena itu, data tersebut tetap berada ‘di luar’ perangkat dan tidak diproses. Pengetahuan AI tentang pasar saham tidak lengkap. Prediksi tidak bisa sepenuhnya akurat.
Hal ini mengingatkan kita pada buku Black Swan karya Nasim Nicholas Taleb tahun 2007. Ia mengingatkan, meski ilmu pengetahuan menyatakan bahwa semua angsa berwarna putih, kehadiran satu angsa hitam saja akan membatalkan ilmu tersebut. Artinya, pengetahuan tertentu mungkin tidak tersedia jika ada hal-hal penting yang hilang dari perhitungan.
AI yang mode operasinya didasarkan pada data ‘di’ perangkat. Pemrosesan juga ‘terbatas’ pada statistik, matematika, dan ilmu komputer, sedangkan keputusan manusia didasarkan pada statusnya sebagai makhluk sosial. Hal ini memastikan bahwa pengetahuan AI tentang perilaku manusia tidak pernah lengkap.
Keamanan tidak akan terbentuk. Manusia tidak bisa sepenuhnya diprediksi oleh AI. Setidaknya sampai hari ini. Lain ceritanya jika kompleksitasnya bisa dikurangi. Hingga saat itu tiba, AI dapat sepenuhnya diandalkan. Tapi jangan biarkan hal itu menjadi mudah sekarang. Agar dunia tidak kehilangan misterinya. (mik/mik)
