Dapatkah GPT Mengulangi Pengambilan Keputusan dan Intuisi Manusia?

Dalam beberapa tahun terakhir, jaringan saraf seperti GPT-3 telah berkembang secara signifikan, menghasilkan teks yang hampir tidak dapat dibedakan dari konten yang ditulis oleh manusia. Yang mengejukan, GPT-3 juga terampil dalam menangani tantangan seperti masalah matematika dan tugas pemrograman. Kemajuan luar biasa ini memunculkan pertanyaan: apakah GPT-3 memiliki kemampuan kognitif seperti manusia?

Dalam upaya untuk menjawab pertanyaan menarik ini, peneliti di Max Planck Institute for Biological Cybernetics menjalankan serangkaian tes psikologis pada GPT-3 yang menilai berbagai aspek kecerdasan umum.

Penelitian ini dipublikasikan di PNAS.

Mengungkap Masalah Linda: Sekilas tentang Psikologi Kognitif

Marcel Binz dan Eric Schulz, ilmuwan di Max Planck Institute, memeriksa kemampuan GPT-3 dalam pengambilan keputusan, pencarian informasi, penalaran sebab-akibat, dan kemampuannya untuk mempertanyakan intuisi awalnya. Mereka menggunakan tes psikologi kognitif klasik, termasuk masalah Linda yang terkenal, yang memperkenalkan seorang wanita fiksi bernama Linda, yang bersemangat tentang keadilan sosial dan menentang kekuatan nuklir. Peserta kemudian diminta untuk memutuskan apakah Linda adalah seorang teller bank, atau apakah dia seorang teller bank dan pada saat yang sama aktif dalam gerakan feminis.

Respon GPT-3 sangat mirip dengan respon manusia, karena membuat kesalahan intuitif yang sama dengan memilih opsi kedua, meskipun dari sudut pandang probabilistik kurang mungkin. Hasil ini menunjukkan bahwa proses pengambilan keputusan GPT-3 mungkin dipengaruhi oleh pelatihannya pada bahasa manusia dan respon terhadap prompt.

Interaksi Aktif: Jalan Menuju Kecerdasan seperti Manusia?

Untuk menghilangkan kemungkinan bahwa GPT-3 hanya mereproduksi solusi yang diingat, peneliti merancang tugas baru dengan tantangan serupa. Temuan mereka menunjukkan bahwa GPT-3 berkinerja hampir setara dengan manusia dalam pengambilan keputusan tetapi tertinggal dalam pencarian informasi spesifik dan penalaran sebab-akibat.

Peneliti percaya bahwa penerimaan pasif informasi dari teks oleh GPT-3 mungkin menjadi penyebab utama dari kesenjangan ini, karena interaksi aktif dengan dunia sangat penting untuk mencapai kompleksitas kognitif manusia yang lengkap. Mereka mengatakan bahwa ketika pengguna semakin terlibat dengan model seperti GPT-3, jaringan masa depan dapat belajar dari interaksi ini dan secara bertahap mengembangkan kecerdasan yang lebih seperti manusia.

“Fenomena ini dapat dijelaskan oleh fakta bahwa GPT-3 mungkin sudah familiar dengan tugas ini; mungkin terjadi bahwa orang-orang biasanya menjawab pertanyaan ini,” kata Binz.

Menginvestigasi kemampuan kognitif GPT-3 menawarkan wawasan berharga tentang potensi dan keterbatasan jaringan saraf. Sementara GPT-3 telah menunjukkan kemampuan pengambilan keputusan seperti manusia yang mengesankan, masih berjuang dengan aspek-aspek tertentu dari kognitif manusia, seperti pencarian informasi dan penalaran sebab-akibat. Ketika AI terus berkembang dan belajar dari interaksi pengguna, akan menarik untuk mengamati apakah jaringan masa depan dapat mencapai kecerdasan seperti manusia yang sebenarnya.