Apa itu Artificial General Intelligence (AGI) dan Mengapa Belum Ada: Sebuah Pemeriksaan Realitas bagi Penggemar AI

Artificial Intelligence (AI) dimana-mana. Dari asisten pintar hingga mobil self-driving, sistem AI mengubah kehidupan dan bisnis kita. Namun bagaimana jika ada AI yang dapat melakukan lebih dari sekadar melakukan tugas tertentu? Bagaimana jika ada jenis AI yang bisa belajar dan berpikir seperti manusia atau bahkan melampaui kecerdasan manusia?

Ini adalah visi dari Kecerdasan Umum Buatan (AGI), suatu bentuk hipotetis AI yang berpotensi menyelesaikan tugas intelektual apa pun yang dapat dilakukan manusia. AGI sering dikontraskan dengan Kecerdasan Sempit Buatan (ANI), keadaan AI saat ini yang hanya bisa unggul di satu atau beberapa domain, seperti bermain catur atau mengenali wajah. AGI, di sisi lain, akan memiliki kemampuan untuk memahami dan bernalar di berbagai bidang, seperti bahasa, logika, kreativitas, akal sehat, dan emosi.

AGI bukanlah sebuah konsep baru. Ini telah menjadi visi utama penelitian AI sejak awal dan tetap menjadi ide yang paling memecah belah. Beberapa penggemar AI percaya bahwa AGI tidak dapat dihindari dan akan segera terjadi serta akan mengarah pada era kemajuan teknologi dan sosial yang baru. Pihak lain lebih skeptis dan berhati-hati serta memperingatkan risiko etis dan eksistensial dalam menciptakan dan mengendalikan entitas yang begitu kuat dan tidak dapat diprediksi.

Namun seberapa dekat kita untuk mencapai AGI, dan apakah masuk akal untuk mencobanya? Faktanya, ini adalah pertanyaan penting yang jawabannya mungkin dapat memberikan bukti nyata bagi para penggemar AI yang ingin menyaksikan era kecerdasan manusia super.

Apa itu AGI dan Apa Bedanya dengan AI?

AGI berbeda dari AI saat ini dalam hal kemampuannya melakukan tugas intelektual apa pun yang mampu atau bahkan melampaui kemampuan manusia. Perbedaan ini dilihat dari beberapa ciri utama, antara lain:

• pemikiran abstrak
• kemampuan untuk menggeneralisasi dari contoh-contoh tertentu
• mengambil dari beragam latar belakang pengetahuan
• memanfaatkan akal sehat dan kesadaran untuk pengambilan keputusan
• memahami sebab-akibat, bukan sekadar korelasi
• komunikasi dan interaksi yang efektif dengan manusia dan agen lainnya.

Meskipun fitur-fitur ini penting untuk mencapai kecerdasan mirip manusia atau manusia super, fitur-fitur tersebut masih sulit untuk diterapkan pada sistem AI saat ini.

AI saat ini sebagian besar bergantung pada pembelajaran mesin, cabang ilmu komputer yang memungkinkan mesin belajar dari data dan pengalaman. Pembelajaran mesin beroperasi melalui diawasi, tidak diawasi, dan penguatan pembelajaran.

Pembelajaran yang diawasi melibatkan pembelajaran mesin dari data berlabel untuk memprediksi atau mengklasifikasikan data baru. Pembelajaran tanpa pengawasan melibatkan pencarian pola dalam data yang tidak diberi label, sedangkan pembelajaran penguatan berpusat pada pembelajaran dari tindakan dan umpan balik, mengoptimalkan imbalan, atau meminimalkan biaya.

Meskipun mencapai hasil yang luar biasa di bidang seperti visi komputer dan pemrosesan bahasa alami, sistem AI saat ini dibatasi oleh kualitas dan kuantitas data pelatihan, algoritme yang telah ditentukan sebelumnya, dan tujuan pengoptimalan tertentu. Mereka sering kali membutuhkan bantuan dalam hal kemampuan beradaptasi, terutama dalam situasi baru, dan transparansi yang lebih besar dalam menjelaskan alasan mereka.

Sebaliknya, AGI diharapkan bebas dari keterbatasan ini dan tidak akan bergantung pada data, algoritme, atau tujuan yang telah ditentukan sebelumnya, melainkan pada kemampuan belajar dan berpikirnya sendiri. Selain itu, AGI dapat memperoleh dan mengintegrasikan pengetahuan dari beragam sumber dan domain, menerapkannya secara lancar pada tugas-tugas baru dan beragam. Selain itu, AGI akan unggul dalam penalaran, komunikasi, pemahaman, dan memanipulasi dunia dan dirinya sendiri.

Apa Tantangan dan Pendekatan untuk Mencapai AGI?

Mewujudkan AGI menimbulkan tantangan besar yang mencakup dimensi teknis, konseptual, dan etika.

Misalnya, mendefinisikan dan mengukur kecerdasan, termasuk komponen seperti memori, perhatian, kreativitas, dan emosi, merupakan tantangan mendasar. Selain itu, pemodelan dan simulasi fungsi otak manusia, seperti persepsi, kognisi, dan emosi, menghadirkan tantangan yang kompleks.

Selain itu, tantangan kritisnya mencakup perancangan dan penerapan algoritma dan arsitektur pembelajaran dan penalaran yang terukur dan dapat digeneralisasikan. Memastikan keamanan, keandalan, dan akuntabilitas sistem AGI dalam interaksinya dengan manusia dan agen lainnya serta menyelaraskan nilai dan tujuan sistem AGI dengan masyarakat juga merupakan hal yang paling penting.

Berbagai arah dan paradigma penelitian telah diusulkan dan dieksplorasi dalam mencapai AGI, masing-masing dengan kekuatan dan keterbatasannya. Simbolik AI, pendekatan klasik yang menggunakan logika dan simbol untuk representasi dan manipulasi pengetahuan, unggul dalam masalah abstrak dan terstruktur seperti matematika dan catur tetapi memerlukan bantuan untuk meningkatkan dan mengintegrasikan data sensorik dan motorik.

Demikian juga, AI koneksionis, pendekatan modern yang menggunakan jaringan saraf dan pembelajaran mendalam untuk memproses data dalam jumlah besar, unggul dalam domain yang kompleks dan berisik seperti penglihatan dan bahasa tetapi memerlukan bantuan interpretasi dan generalisasi.

AI hibrida menggabungkan AI simbolis dan koneksionis untuk memanfaatkan kekuatan dan mengatasi kelemahannya, guna menciptakan sistem yang lebih kuat dan serbaguna. Demikian pula, EAI yang revolusioner menggunakan algoritme evolusioner dan pemrograman genetik untuk mengembangkan sistem AI melalui seleksi alam, mencari solusi baru dan optimal yang tidak dibatasi oleh rancangan manusia.

Terakhir, AI neuromorfik menggunakan perangkat keras dan perangkat lunak neuromorfik untuk meniru sistem saraf biologis, yang bertujuan untuk menghasilkan model otak yang lebih efisien dan realistis serta memungkinkan interaksi alami dengan manusia dan agen.

Ini bukan satu-satunya pendekatan terhadap AGI tetapi beberapa pendekatan yang paling menonjol dan menjanjikan. Masing-masing pendekatan memiliki kelebihan dan kekurangan, dan pendekatan tersebut masih perlu mencapai sifat umum dan kecerdasan yang dibutuhkan AGI.

AGI Contoh dan Penerapannya

Meskipun AGI belum tercapai, beberapa contoh sistem AI yang menonjol menunjukkan aspek atau fitur tertentu yang mengingatkan pada AGI, sehingga berkontribusi pada visi pencapaian AGI pada akhirnya. Contoh-contoh berikut mewakili langkah menuju AGI dengan menunjukkan kemampuan spesifik:

AlfaZero, yang dikembangkan oleh DeepMind, adalah sistem pembelajaran penguatan yang belajar bermain catur, shogi, dan Go secara mandiri tanpa sepengetahuan atau bimbingan manusia. Mendemonstrasikan kemahiran manusia super, AlphaZero juga memperkenalkan strategi inovatif yang menantang kebijaksanaan konvensional.

Demikian pula, OpenAI GPT-3 menghasilkan teks yang koheren dan beragam dalam berbagai topik dan tugas. Mampu menjawab pertanyaan, menulis esai, dan meniru gaya penulisan yang berbeda, GPT-3 menampilkan keserbagunaan, meski dalam batas tertentu.

Demikian juga, RAPI, algoritma evolusioner yang dibuat oleh Kenneth Stanley dan Risto Miikkulainen, mengembangkan jaringan saraf untuk tugas-tugas seperti kontrol robot, permainan game, dan pembuatan gambar. Kemampuan NEAT untuk mengembangkan struktur dan fungsi jaringan menghasilkan solusi baru dan kompleks yang tidak ditentukan sebelumnya oleh pemrogram manusia.

Meskipun contoh-contoh ini menggambarkan kemajuan menuju AGI, contoh-contoh ini juga menggarisbawahi keterbatasan dan kesenjangan yang ada yang memerlukan eksplorasi dan pengembangan lebih lanjut dalam mencapai AGI yang sebenarnya.

Implikasi dan Risiko AGI

AGI menimbulkan tantangan ilmiah, teknologi, sosial, dan etika dengan implikasi yang besar. Secara ekonomi, hal ini dapat menciptakan peluang dan mengganggu pasar yang ada, sehingga berpotensi meningkatkan kesenjangan. Sembari meningkatkan pendidikan dan kesehatan, AGI mungkin menimbulkan tantangan dan risiko baru.

Secara etis, hal ini dapat mendorong norma-norma baru, kerja sama, dan empati serta menimbulkan konflik, persaingan, dan kekejaman. AGI mungkin mempertanyakan makna dan tujuan yang ada, memperluas pengetahuan, dan mendefinisikan kembali sifat dan takdir manusia. Oleh karena itu, para pemangku kepentingan harus mempertimbangkan dan mengatasi implikasi dan risiko ini, termasuk para peneliti, pengembang, pembuat kebijakan, pendidik, dan masyarakat.

The Bottom Line

AGI berada di garis depan penelitian AI, menjanjikan tingkat kecerdasan yang melebihi kemampuan manusia. Meskipun visi ini menarik perhatian para peminat, tantangan tetap ada dalam mewujudkan tujuan ini. AI saat ini, yang unggul dalam domain tertentu, harus memenuhi potensi AGI yang sangat besar.

Berbagai pendekatan, mulai dari AI simbolik dan koneksionis hingga model neuromorfik, berupaya mewujudkan AGI. Contoh penting seperti AlphaZero dan GPT-3 menunjukkan kemajuan, namun AGI yang sebenarnya masih sulit dipahami. Dengan implikasi ekonomi, etika, dan eksistensial, perjalanan menuju AGI memerlukan perhatian kolektif dan eksplorasi yang bertanggung jawab.