AI Bukan Sihir: Kata-Kata Inggris yang Dipakai Orang Saat Mesin "Berpikir"

Kamu bertanya ke sebuah chatbot, ia menjawab dengan kalimat yang rapi, dan kamu mendapati dirimu berkata, "Wah, ia benar-benar mengerti aku." Kata kecil "mengerti" itu terasa tidak berbahaya. Tapi diam-diam ia menceritakan sebuah kisah yang mungkin tidak benar: bahwa ada sebuah pikiran di dalam sana, memikirkan masalahmu sebagaimana seorang teman.

Bahasa Inggris yang kita pakai untuk teknologi penuh dengan kisah-kisah ramah seperti ini. Kisah-kisah itu membuat alat terdengar hidup. Begitu kamu menyadari polanya, kamu bisa menikmati kepraktisan kata-kata ini tanpa tertipu, dan kamu bisa menggambarkan apa yang dilakukan sebuah sistem dengan jauh lebih akurat.

Ini lebih penting dari yang terlihat. Kata yang kamu pakai membentuk apa yang kamu harapkan. Kalau kamu percaya sebuah alat "mengerti" kamu, kamu akan memercayai jawabannya lebih dari yang seharusnya. Kalau kamu ingat bahwa "mengerti" hanyalah jalan pintas, kamu akan terus memeriksa. Alat yang sama, hubungan yang sangat berbeda, dan perbedaannya sepenuhnya ada di kosakatamu.

Jawaban Singkat

Saat orang bilang sebuah AI "think," "learn," "understand," "know," atau "decide," mereka memakai kata kerja manusia sehari-hari sebagai jalan pintas, bukan deskripsi harfiah. Kata-kata ini adalah metafora. Sistem itu memproses pola dalam data dan menghasilkan output yang paling mungkin. Kamu boleh memakai kata kerja itu supaya cepat dan alami, tapi ada baiknya kamu ingat bahwa itu longgar, bukan klaim presisi soal sebuah pikiran.

Kata-Kata Kunci

• Think. Bagi manusia, ini berarti punya pikiran, keraguan, dan kesadaran. Bagi mesin, "the AI thinks the answer is X" sebenarnya berarti "sistem menghasilkan X sebagai output yang paling mungkin." Tidak ada perdebatan batin yang terjadi.
• Learn. Murid yang belajar berarti mengerti dan mengingat. Saat kita bilang sebuah model "learned" dari data, maksudnya pengaturan internalnya disesuaikan selama pelatihan supaya output-nya lebih cocok dengan pola. Ini lebih dekat ke "disetel" daripada "belajar keras."
• Understand. Ini yang paling licin. Sebuah sistem bisa menghasilkan jawaban yang terdengar benar tanpa pemahaman makna sama sekali. "It understood my question" biasanya cuma berarti "ia merespons secara relevan."
• Know. Orang yang tahu sesuatu bisa yakin dan bisa menjelaskan kenapa. Sebuah sistem "knows" sebuah fakta hanya dalam arti fakta itu cenderung muncul di output-nya. Ia bisa menyatakan hal yang salah dengan keyakinan yang sama.
• Decide. Orang menimbang pilihan lalu memilih. Sebuah sistem "decides" dengan menghitung sebuah hasil. Tidak ada rasa memilih, tidak ada keraguan, tidak ada penyesalan.
• Intelligent / smart. Kata-kata ini menjanjikan kepintaran yang luas dan luwes. Kebanyakan alat yang dilabeli "smart" hanya bagus dalam satu hal yang sempit.
• Want / believe / try. Kata-kata ini menggambarkan niat dan perasaan batin. Saat dipakai untuk mesin, semuanya metafora murni: sebuah sistem tidak punya keinginan, tidak punya keyakinan, dan tidak ada yang sedang ia "coba" lakukan seperti manusia.
• Hallucinate / make things up. Bahkan kata untuk kesalahan AI pun meminjam gambaran mental manusia. Sistem tidak sedang membayangkan apa pun; ia menghasilkan teks yang percaya diri yang kebetulan salah.

Jebakan yang Umum

Jebakan yang umum adalah menganggap kata kerja ini sebagai bukti adanya pikiran. Kalau sebuah alat "mengerti," tentu ia juga punya pendapat, niat, dan perasaan, kan? Lompatan itulah tempat melebih-lebihkan dimulai.

Jebakan lain adalah bahasa yang memanusiakan (anthropomorphizing language) yang menyelipkan tujuan dan emosi: "the AI wants to help you," "the model believes the sky is green," "it's trying to trick you." Menginginkan, memercayai, dan mencoba adalah keadaan mental. Sebuah sistem tidak menginginkan apa pun. Ia menghasilkan output. Saat kamu membaca "the AI wants," tukarlah dalam pikiran dengan "sistem cenderung menghasilkan," dan kalimatnya jadi lebih jujur.

Kata smart adalah favorit pemasaran, dan ia hampir selalu terdengar lebih kuat dari yang seharusnya. Speaker "smart," pencarian "smart," balasan "smart," tidak satu pun benar-benar pintar dalam pengertian manusia. Mereka mengikuti aturan dan pola. Saat sebuah produk disebut "intelligent," tanyakan: pintar dalam hal apa, tepatnya? Jawaban jujurnya biasanya sempit.

Ada juga jebakan menganggap AI sebagai satu benda ajaib tunggal. Orang bilang "AI will do this" atau "the AI knows," seolah ada satu entitas yang tahu segalanya. Padahal ada banyak sistem berbeda, masing-masing dilatih untuk tujuan berbeda, masing-masing punya kekuatan dan titik buta berbeda. Mengatakan "alat AI untuk menulis ringkasan" jauh lebih jelas daripada "AI."

Terakhir, waspadai kata-kata yang menyiratkan keyakinan. Saat sebuah sistem "knows" atau "is sure," ia bisa salah dengan percaya diri. Keyakinan manusia biasanya sejalan dengan pengetahuan. Keyakinan mesin tidak. Nada yang halus dan pasti bukanlah bukti bahwa jawabannya benar.

Ada satu jebakan halus lagi yang layak disebut: kata learn sebagai kata kerja pertumbuhan. Kita memuji anak-anak yang "belajar," dan kata itu membawa kehangatan serta usaha. Saat sebuah sistem "learns," tidak ada usaha seperti itu yang terjadi. Pengaturannya disesuaikan, sering kali dengan mengalirkan data dalam jumlah sangat besar melaluinya. Menyebut itu "belajar" oke saja sebagai singkatan, tapi kalau kamu membayangkan pikiran ingin tahu yang belajar sampai larut malam, kamu mengimpor sebuah kisah yang sebenarnya tidak ada. Gambaran yang jujur lebih dekat ke sebuah resep yang disetel sampai masakannya keluar dengan benar, bukan koki yang jatuh cinta pada memasak.

Semua ini tidak berarti kata-kata itu buruk. Mereka berguna, dan menghindarinya sepenuhnya akan membuat ucapanmu kaku dan aneh. Keterampilannya lebih ringan dari itu: dengar metaforanya, nikmati kepraktisannya, dan tetap sadar bahwa sebuah klaim nyata bersembunyi di dalam kata yang ramah. Saat taruhannya rendah (mengobrol, bertukar ide), biarkan metaforanya mengalir. Saat taruhannya tinggi (memercayai sebuah fakta, mengambil keputusan), terjemahkan kembali ke istilah mesin yang polos dan periksa hasilnya.

Contoh Alami vs Janggal

Janggal: The AI understood my feelings and decided to comfort me.

Alami: The tool produced a supportive-sounding reply based on my message.

Versi kedua tetap mudah dibaca, tapi tidak berpura-pura ada empati.

Kurang alami: Our smart assistant thinks for you, so you don't have to.

Lebih baik: Our assistant suggests options based on your past choices.

Janggal: AI knows the answer to everything now.

Alami: These tools can produce answers on many topics, though not always correctly.

Perhatikan bahwa versi "lebih baik" tidak dingin atau seperti robot. Mereka cuma lebih tenang. Kamu bisa terdengar hangat dan manusiawi sambil tetap menggambarkan mesin secara akurat.

Janggal: The model believes you'll love this song.

Alami: The model predicts you'll like this song, based on what you played before.

Pergeseran dari "believes" ke "predicts" kecil, tapi ia menghapus kebohongan kecil. Sistem tidak memegang keyakinan apa pun soal seleramu. Ia menghasilkan sebuah prediksi dari pola dalam riwayatmu, dan ia bisa saja salah.

Tabel Ringkas

Latihan Singkat

Tulis ulang tiap kalimat untuk menghapus klaim berlebihan. Coba dulu sebelum mengintip.

1. "The AI understood exactly what I wanted."
2. "Our smart software thinks about your schedule for you."
3. "The model knows that this stock will go up."
4. "AI decided the email was spam."
5. "The chatbot wants you to feel better."

Kemungkinan jawaban:

1. "The tool produced a response that matched what I asked for."
2. "Our software suggests schedule options based on your settings."
3. "The model produced a prediction that this stock might rise (which may be wrong)."
4. "The filter classified the email as spam."
5. "The chatbot generated a comforting reply."

Inti Sari

Kamu tidak harus melarang kata seperti "think," "learn," dan "smart." Kata-kata itu cepat, umum, dan biasanya tidak masalah dalam obrolan santai. Keterampilannya adalah tahu bahwa itu metafora, supaya kamu tidak pernah kaget saat mesin yang percaya diri ternyata salah dengan percaya diri. Perlakukan "AI" sebagai label untuk banyak alat sempit alih-alih satu pikiran ajaib, tukar "wants" dan "believes" dengan "tends to produce" saat akurasi penting, dan kamu akan terdengar lebih jelas sekaligus berpikir lebih jelas. Mesinnya memang mengesankan. Ia cuma bukan sihir, dan bahasa Inggrismu tidak perlu berpura-pura bahwa ia begitu.