Ilusi Kemampuan Berpikir AI: Studi Apple dan Debat tentang Kemampuan Berpikir AI

Kecerdasan Buatan (AI) sekarang sudah menjadi bagian dari kehidupan sehari-hari. AI menggerakkan asisten suara, menjalankan chatbot, dan membantu membuat keputusan kritis di industri seperti kesehatan, perbankan, dan bisnis. Sistem canggih seperti OpenAI’s GPT-4 dan Google’s Gemini sering dianggap mampu memberikan respons cerdas yang menyerupai manusia. Banyak orang percaya bahwa model-model ini dapat berpikir dan bernalar seperti manusia.

Namun, studi Apple pada tahun 2025 (AAPL ) mempertanyakan keyakinan ini. Penelitian mereka mempertanyakan apakah Model Rasoning Besar (LRM) benar-benar mampu berpikir. Studi tersebut menyimpulkan bahwa AI ini mungkin tidak menggunakan rasoning yang sebenarnya, tetapi malah mengandalkan pemadanan pola. Model-model ini mengidentifikasi dan mengulangi pola dari data pelatihan mereka, bukan menciptakan logika baru atau memahami.

Apple menguji beberapa model AI terkemuka menggunakan teka-teki logika klasik. Hasilnya tidak terduga. Pada tugas-tugas sederhana, model bahasa standar terkadang performa lebih baik daripada model rasoning yang lebih canggih. Pada tugas-tugas yang lebih kompleks, LRM menunjukkan beberapa kelebihan. Namun, ketika teka-teki menjadi lebih kompleks, kedua jenis model gagal. Bahkan ketika diberikan solusi langkah demi langkah yang benar, model-model tersebut tidak dapat mengikuti dengan andal.

Temuan Apple telah memicu debat dalam komunitas AI. Beberapa ahli setuju dengan Apple, mengatakan bahwa model-model ini hanya memberikan ilusi berpikir. Yang lain berargumentasi bahwa tes-tes tersebut mungkin tidak sepenuhnya menangkap kemampuan AI dan bahwa metode yang lebih efektif diperlukan. Pertanyaan kunci sekarang adalah: Apakah AI benar-benar dapat berpikir, atau hanya pemadanan pola yang canggih?

Pertanyaan ini penting bagi semua orang. Dengan AI menjadi lebih umum, penting untuk memahami apa yang dapat dan tidak dapat dilakukan oleh sistem-sistem ini.

Apa itu Model Rasoning Besar (LRM)?

LRM adalah sistem AI yang dirancang untuk memecahkan masalah dengan menunjukkan rasoning langkah demi langkah. Berbeda dengan model bahasa standar, yang menghasilkan jawaban berdasarkan prediksi kata berikutnya, LRM bertujuan untuk memberikan penjelasan logis. Ini membuatnya berguna untuk tugas-tugas yang memerlukan beberapa langkah rasoning dan berpikir abstrak.

LRM dilatih pada dataset besar yang mencakup buku, artikel, situs web, dan konten teks lainnya. Pelatihan ini memungkinkan model untuk memahami pola bahasa dan struktur logis yang umum ditemukan dalam rasoning manusia. Dengan menunjukkan bagaimana mereka mencapai kesimpulan, LRM diharapkan dapat menawarkan hasil yang lebih jelas dan dapat dipercaya.

Model-model ini menjanjikan karena dapat menangani tugas-tugas kompleks di berbagai domain. Tujuan adalah untuk meningkatkan transparansi dalam pengambilan keputusan, terutama di bidang-bidang kritis yang bergantung pada kesimpulan yang akurat dan logis.

Namun, ada kekhawatiran tentang apakah LRM benar-benar dapat berpikir. Beberapa orang percaya bahwa bukan berpikir seperti manusia, mereka mungkin menggunakan pemadanan pola. Ini memunculkan pertanyaan tentang batas-batas nyata dari sistem AI dan apakah mereka hanya meniru rasoning.

Studi Apple: Menguji Rasoning AI dan Ilusi Berpikir

Untuk menjawab pertanyaan apakah LRM dapat berpikir atau hanya pemadanan pola yang canggih, tim penelitian Apple merancang serangkaian eksperimen menggunakan teka-teki logika klasik. Ini termasuk Tower of Hanoi, River Crossing, dan Blocks World problems, yang telah lama digunakan untuk menguji berpikir logis manusia. Tim tersebut memilih teka-teki ini karena kompleksitasnya dapat disesuaikan. Ini memungkinkan mereka untuk mengevaluasi baik model bahasa standar maupun LRM di bawah tingkat kesulitan yang berbeda.

Pendekatan Apple untuk menguji rasoning AI berbeda dari benchmark tradisional, yang sering fokus pada tugas matematika atau coding. Tes-tes ini dapat dipengaruhi oleh paparan model terhadap data serupa selama pelatihan. Sebaliknya, tim Apple menggunakan teka-teki yang memungkinkan mereka untuk mengontrol kompleksitas sambil mempertahankan struktur logis yang konsisten. Desain ini memungkinkan mereka untuk mengamati tidak hanya jawaban akhir, tetapi juga langkah-langkah rasoning yang diambil oleh model-model tersebut.

Studi tersebut mengungkapkan tiga tingkat kinerja yang berbeda:

Tugas Sederhana

Pada masalah dasar, model bahasa standar terkadang performa lebih baik daripada LRM yang lebih canggih. Tugas-tugas ini cukup sederhana sehingga model yang lebih sederhana dapat menghasilkan jawaban yang benar lebih efisien.

Tugas yang Cukup Kompleks

Ketika kompleksitas teka-teki meningkat, LRM, yang dirancang untuk memberikan rasoning terstruktur dengan penjelasan langkah demi langkah, menunjukkan kelebihan. Model-model ini dapat mengikuti proses rasoning dan menawarkan solusi yang lebih akurat daripada model standar.

Tugas yang Sangat Kompleks

Ketika dihadapkan pada masalah yang lebih sulit, kedua jenis model gagal sepenuhnya. Meskipun model-model tersebut memiliki sumber daya komputasi yang cukup, mereka tidak dapat menyelesaikan tugas-tugas tersebut. Akurasi mereka turun ke nol, menunjukkan bahwa mereka tidak dapat menangani tingkat kompleksitas yang diperlukan untuk masalah-masalah tersebut.

Pemadanan Pola atau Rasoning yang Sebenarnya?

Setelah analisis lebih lanjut, peneliti menemukan lebih banyak kekhawatiran tentang rasoning model-model tersebut. Jawaban yang diberikan oleh model-model tersebut sangat bergantung pada bagaimana masalah tersebut disajikan. Perubahan kecil, seperti mengubah angka atau nama variabel, dapat menghasilkan jawaban yang sangat berbeda. Ini menunjukkan bahwa model-model tersebut mengandalkan pola yang dipelajari dari data pelatihan mereka, bukan menerapkan rasoning logis.

Studi tersebut menunjukkan bahwa bahkan ketika algoritma eksplisit atau instruksi langkah demi langkah disediakan, model-model tersebut sering gagal menggunakan instruksi tersebut dengan benar ketika kompleksitas teka-teki meningkat. Jejak rasoning mereka mengungkapkan bahwa model-model tersebut tidak konsisten mengikuti aturan atau logika. Sebaliknya, solusi mereka bervariasi berdasarkan perubahan permukaan pada input, bukan struktur sebenarnya dari masalah.

Tim Apple menyimpulkan bahwa apa yang tampak seperti rasoning sering kali hanya pemadanan pola yang canggih. Meskipun model-model ini dapat meniru rasoning dengan mengenali pola yang familiar, mereka tidak benar-benar memahami tugas-tugas atau menerapkan logika dengan cara yang menyerupai manusia.

Debat yang Berlanjut: Apakah AI Dapat Benar-Benar Berpikir atau Hanya Meniru Berpikir?

Studi Apple telah memicu debat dalam komunitas AI tentang apakah LRM dapat benar-benar berpikir. Banyak ahli sekarang mendukung temuan Apple, berargumentasi bahwa model-model ini menciptakan ilusi berpikir. Mereka berpendapat bahwa ketika dihadapkan pada tugas-tugas yang kompleks atau baru, baik model bahasa standar maupun LRM mengalami kesulitan, bahkan ketika diberikan instruksi atau algoritma yang benar. Ini menunjukkan bahwa rasoning sering kali hanya kemampuan untuk mengenali dan mengulangi pola dari data pelatihan, bukan pemahaman yang sebenarnya.

Di sisi lain, perusahaan seperti OpenAI dan beberapa peneliti percaya bahwa model-model mereka dapat berpikir. Mereka menunjuk pada kinerja tinggi pada tes standar, seperti LSAT, dan ujian matematika yang menantang. Misalnya, OpenAI’s GPT-4 mencetak skor pada persentil ke-88 di antara peserta tes LSAT. Beberapa orang menafsirkan kinerja yang kuat ini sebagai bukti kemampuan berpikir. Pendukung pandangan ini berargumentasi bahwa hasil-hasil tersebut menunjukkan bahwa model AI dapat berpikir, setidaknya dalam situasi tertentu.

Namun, studi Apple mempertanyakan pandangan ini. Peneliti berargumentasi bahwa skor tinggi pada tes standar tidak selalu menunjukkan pemahaman atau rasoning yang akurat. Benchmark saat ini mungkin tidak sepenuhnya menangkap kemampuan berpikir dan bisa dipengaruhi oleh data yang digunakan dalam pelatihan. Dalam banyak kasus, model-model tersebut mungkin hanya mengulangi pola dari data pelatihan mereka, bukan benar-benar berpikir melalui masalah baru.

Debat ini memiliki konsekuensi praktis. Jika model AI tidak benar-benar dapat berpikir, mereka mungkin tidak dapat diandalkan untuk tugas-tugas yang memerlukan pengambilan keputusan logis. Ini terutama penting di bidang seperti kesehatan, keuangan, dan hukum, di mana kesalahan dapat memiliki konsekuensi yang parah. Misalnya, jika model AI tidak dapat menerapkan logika pada kasus medis yang kompleks atau baru, kesalahan lebih mungkin terjadi. Demikian pula, sistem AI di keuangan yang kekurangan kemampuan berpikir mungkin membuat pilihan investasi yang buruk atau menilai risiko dengan tidak tepat.

Temuan Apple juga memperingatkan bahwa meskipun model AI berguna untuk tugas-tugas seperti pembuatan konten dan analisis data, mereka harus digunakan dengan hati-hati di area yang memerlukan pemahaman yang mendalam atau berpikir kritis. Beberapa ahli melihat kekurangan rasoning yang sebenarnya sebagai keterbatasan yang signifikan, sementara yang lain percaya bahwa pengenalan pola saja masih dapat bernilai untuk banyak aplikasi praktis.

Apa yang Selanjutnya untuk Rasoning AI?

Masa depan rasoning AI masih tidak pasti. Beberapa peneliti percaya bahwa dengan pelatihan lebih lanjut, data yang lebih baik, dan arsitektur model yang ditingkatkan, AI akan terus mengembangkan kemampuan berpikir yang sebenarnya. Yang lain lebih skeptis dan berpikir bahwa model AI saat ini mungkin selalu terbatas pada pemadanan pola, tidak pernah terlibat dalam rasoning yang menyerupai manusia.

Peneliti saat ini sedang mengembangkan metode evaluasi baru untuk menilai kemampuan model AI untuk menangani masalah yang belum pernah mereka temui sebelumnya. Tes-tes ini bertujuan untuk menilai apakah AI dapat berpikir kritis dan menjelaskan rasoning mereka dengan cara yang masuk akal bagi manusia. Jika sukses, tes-tes ini dapat memberikan pemahaman yang lebih akurat tentang seberapa baik AI dapat berpikir dan membantu peneliti mengembangkan model yang lebih baik.

Ada juga minat yang meningkat dalam mengembangkan model hibrida yang menggabungkan kekuatan pengenalan pola dan rasoning. Model-model ini akan menggunakan jaringan saraf untuk pemadanan pola dan sistem rasoning simbolik untuk tugas-tugas yang lebih kompleks. Apple dan NVIDIA (NVDA ) dilaporkan sedang menjelajahi pendekatan hibrida ini, yang dapat mengarah pada sistem AI yang mampu berpikir dengan sebenarnya.

Ringkasan

Studi Apple pada tahun 2025 memunculkan pertanyaan penting tentang sifat sebenarnya dari kemampuan berpikir AI. Meskipun model AI seperti LRM menunjukkan janji besar di berbagai bidang, studi tersebut memperingatkan bahwa mereka mungkin tidak memiliki pemahaman atau rasoning yang sebenarnya. Sebaliknya, mereka mengandalkan pengenalan pola, yang membatasi efektivitas mereka dalam tugas-tugas yang memerlukan proses kognitif yang lebih kompleks.

AI terus membentuk masa depan, membuatnya penting untuk mengakui kekuatan dan keterbatasan AI. Dengan memperbaiki metode pengujian dan mengelola harapan kita, kita dapat menggunakan AI dengan bertanggung jawab. Ini akan memastikan bahwa AI melengkapi pengambilan keputusan manusia, bukan menggantikannya.