Artificial Intelligence (12) : Li Fei Fei

 

Li Fei Fei, Ph.D. Sumber image South China Morning Post, 5 Agustus 2024. Image credit: SCMP Composite/Huxiu/Sohu

Li Fei Fei, yang sekarang ini dijuluki "the Godmother of AI", dilahirkan 3 Juli 1976 di Beijing, China, lalu tumbuh dewasa di Chengdu, provinsi Sichuan, China barat daya. Pada usia 16 tahun (1992), Li Fei Fei dan mamanya (Kuang Ying) beremigrasi ke Amerika untuk berkumpul kembali dengan papanya (Li Shun) yang telah beremigrasi lebih dulu ke Parsippany, New Jersey, Amerika, ketika Fei Fei berusia 12 tahun.

Berbeda dari kondisi keluarganya yang makmur ketika masih berdiam di China, di New Jersey, Amerika, mereka hidup sebagai suatu keluarga imigran yang miskin. Mereka tinggal di sebuah flat kecil dengan hanya satu kamar tidur. Tekad Li Fei Fei untuk keluar dari kemiskinan, mendorongnya masuk sekolah untuk murid-murid berusia 11 tahun ke atas (SMP-SMA), sementara juga bekerja sebagai seorang pramusaji dan pembersih rumah. 

Guru matematika Li Fei Fei di sekolahnya, yang bernama Bob Sabella, melihat bakat-bakatnya yang luar biasa dalam mata pelajaran fisika dan matematika. Sang guru ini senantiasa memberi dorongan dan dukungan kepadanya. Li tetap ingat suatu momen: sementara mendiskusikan para penulis fiksi-fiksi sains dengan Sabella, dia merasakan untuk pertama kalinya bahwa ada seorang Amerika yang melihatnya lebih dari sekadar seorang imigran China. Ini membangkitkan kepercayaan dirinya dan martabatnya.

Dalam bulan November 2023, Li Fei Fei menerbitkan otobiografinya yang diberi judul The Worlds I See: Curiosity, Exploration, and Discovery at the Dawn of AI. Katanya, "Aku seorang pemalu, tidak piawai dalam mengekspresikan diriku sendiri. Tapi aku menegaskan bahwa aku harus menerbitkan sebuah buku karena bidang AI tidak dapat tidak memiliki suara-suara perempuan." 

Meski dalam otobiografinya ini Li Fei Fei berkisah tentang "ketidakadilan, penderitaan dan penghinaan" yang telah dialaminya, dia melihat bukunya ini pada dasarnya adalah "selembar surat cinta kepada sains yang aku cintai." Li menegaskan bahwa dia bukan saja seorang saintis AI, tapi juga seorang humanis. Katanya, "I am walking between being a scientist and a humanist."

Li Fei Fei masuk kuliah di Princeton University pada 1995 dengan mendapatkan beasiswa, lalu meraih gelar Bachelor of Arts (B.A.) dengan major di bidang fisika dari universitas ini tahun 1999. Studi lanjutnya ditempuh di California Institute of Technology yang memberinya gelar Master dalam bidang enjiniring elektris tahun 2001. Empat tahun kemudian, 2005, dia meraih gelar Doctor of Philosophy (Ph.D.) dalam bidang yang sama, dari institut yang sama. Studi-studi lanjutnya ini ditopang oleh National Science Foundation Graduate Research Fellowship dan The Paul and Daisy Soros Fellowship for New Americans.

Disertasi Ph.D. yang ditulisnya berjudul "Visual Recognition: Computational Models and Human Psychophysics", di bawah bimbingan supervisor pertama Pietro Perona dan supervisor kedua Christof Koch. Selama studi doktoralnya ini, Li Fei Fei membuat kontribusi-kontribusi yang signifikan kepada teknik pembelajaran "hanya dengan satu contoh" ("the one-shot learning technique"), yang membuatnya dikenal dalam komunitas sains AI. Teknik ini, dalam suatu Machine Learning, dapat membuat prediksi-prediksi yang didasarkan pada data yang minimal atau pada satu contoh saja, dan penting bagi visi komputer ("computer vision") dan Natural Language Processing (NLP). 

Selain gelar akademik Ph D., Li juga mendapatkan gelar Ph.D. Kehormatan (Honorary Ph.D.) dari Harvey Mudd College untuk bidang enjiniring.

Setelah menyandang gelar Ph.D., Li bekerja sebagai Assistant Professor di Departemen Enjiniring Komputer dan Elektris di University of Illinois Urbana-Champaign dari 2005 sampai 2006. Selanjutnya dia menjadi Assistant Professor di Computer Science Department Princeton University. Mulai 2009 dia masuk ke Stanford University dengan jabatan sebagai Assistant Professor, lalu naik jabatan menjadi Associate Professor di 2012, kemudian menjadi Professor penuh di 2018. Untuk selanjutnya, Universitas Stanford menjadi basis akademik yang kokoh bagi Prof. Li Fei Fei, Ph.D.

Li Fei Fei menjadi seorang saintis terkenal di bidang AI lewat banyak karya dan kegiatannya. Antara lain, di Stanford University Li bekerja sebagai direktur Stanford Artificial Intelligence Lab (SAIL) dari 2013 hingga 2018. Bersama John Etchemendy, bekas kepala Universitas Stanford, Li, di tahun 2019, menjadi direktur pendiri inisiatif yang setingkat dengan universitas yang diberi nama Human-Centered AI Institute (HAI). 

HAI menjalankan riset dan berbagai kegiatan lain yang bertujuan untuk meningkatkan pengembangan-pengembangan dan aplikasi-aplikasi AI yang bermanfaat bagi manusia, "human-centered". Di bawah kepemimpinan Li, institut ini difokuskan pada kerjasama lintas ilmu untuk menggabung dan membagi kecakapan-kecakapan dari bermacam-macam bidang keilmuan sebagai respons terhadap isu-isu teknologis, sosial dan etis yang ditimbulkan oleh AI.

Selama masa cuti sabatikalnya dari Universitas Stanford, Januari 2017 hingga musim gugur 2018, Li bergabung dengan Google Cloud sebagai saintis utama AI/ML dan Wakil Ketua. Di Google ini, tim Li fokus pada usaha demokratisasi teknologi AI, dan menurunkan hambatan-hambatan untuk para pebisnis dan pengembang masuk ke bidang AI, termasuk pengembangan produk seperti AutoML. Selain itu, Li juga berperan di Google dalam membentuk strategi AI untuk perusahaan ini. Selama masa jabatannya di Google, Li mengekspresikan kebutuhan untuk mengembangkan AI yang beretika, aman dan bertanggungjawab, dan pentingnya diversitas dan inklusi dalam komunitas-komunitas AI. 

Ya, dalam seluruh karirnya di dunia teknologi AI, Li Fei Fei memainkan fungsi sebagai pembela, pendukung dan penganjur yang lantang bagi pengembangan AI yang beretika, AI yang bermoral. Dia meminta lebih banyak keanekaragaman dan pengikutsertaan dalam riset-riset AI, dan bekerja untuk memastikan bahwa teknologi-teknologi AI dikembangkan dan dikerahkan dengan bertanggungjawab. Usaha-usahanya telah menjadi alat dalam membangun kesadaran tentang dampak-dampak dan implikasi-implikasi etis dari AI, dan dalam mendorong keadilan, kejujuran, kesetaraan, transparansi, dan pertanggungjawaban, yang menjadi bagian terpenting dan tak dapat dilepaskan dari karya-karyanya. 

Terkait dengan kesetaraan dan keadilan dalam studi-studi bidang AI, Li Fei Fei menyatakan, misalnya, bahwa "Pelajar-pelajar pergi untuk menghadiri suatu konferensi AI, dan mereka melihat 90% dari pengunjung adalah orang-orang dari gender yang sama. Juga, mereka tidak melihat orang Afrika-Amerika yang hampir sama jumlahnya dengan remaja-remaja laki-laki kulit putih." Penting diketahui, Biro Statistik Pekerja Amerika memproyeksikan pertumbuhan lapangan kerja di bidang riset sains komputer sebesar 19% pada 2026; namun, kalangan perempuan mendapatkan hanya 18% dari gelar Bachelor di bidang sains komputer yang dikeluarkan di seluruh Amerika.

Pada tahun 2017, Li Fei Fei, bersama bekas mahasiswinya Olga Russakovsky, mendirikan organisasi pendidikan non-profit AI4ALL ("AI for All"), yang membuka kursus-kursus Stanford AI Laboratory bagi murid-murid SMP-SMA. Organisasi ini didedikasikan untuk mendorong perempuan-perempuan muda dan murid-murid kalangan minoritas untuk mengeksplorasi dan memilih sains komputer sebagai suatu arah dan tujuan riset di masa depan. 

Sangat mungkin, kontribusi yang diketahui paling baik dari Li Fei Fei untuk AI adalah, sejauh ini, pendirian ImageNet, yakni suatu dataset skala sangat besar fondasional yang menyimpan citra-citra ("images") yang diberi label, yang memberi formulasi-formulasi perbaikan-perbaikan dan penyempurnaan-penyempurnaan dalam visi komputer dan DL. Merancang konsep-konsep database ImageNet, yang dijuluki sebagai "Mata AI", "the Eye of AI", telah dimulai Li tahun 2006. Langkah Li ini meletakkan landasan bagi AI generatif.

AI generatif adalah suatu tipe AI yang fokus pada penciptaan atau pelahiran ("generate") konten baru yang orisinal seperti citra-citra, video-video, musik, teks dan data. Lewat pemahaman dan penemuan pola-pola dan struktur-struktur dari dataset-dataset yang besar, lalu pengetahuan ini digabung, sistem AI generatif akan menghasilkan data sintesis baru yang serupa dengan data orisinal.

ImageNet, yang diluncurkan 2007, sebagai database, berisi jutaan citra atau gambar yang dikategorisasi ke dalam ribuan kelas-kelas objek-objek dan hewan-hewan. Dataset jenis ini dirancangbangun bertahun-tahun untuk memungkinkan pelatihan-pelatihan model-model AI dengan tingkat kedalaman dan akurasi yang sebelumnya tidak dapat dicapai. 

Gudang-gudang besar digital ImageNet yang menyimpan citra-citra berlabel telah menjadi sangat esensial bagi terobosan-terobosan di bidang AI mutakhir, dalam pelatihan wahana-wahana otonomus seperti "self-driving cars" untuk bernavigasi dalam lingkungan mereka, dan bagi model-model AI untuk dengan benar mengenali objek-objek dari pancingan-pancingan, petunjuk-petunjuk dan rangsangan-rangsangan visual ("visual prompts") yang perlu diberi respons, ditindaklanjuti dan diproses. Teknologi visi komputer, dengan demikian, mengalami kemajuan besar dalam hal bagaimana mengidentifikasi objek-objek visual.

Tantangan untuk berkompetisi yang diajukan ImageNet setiap tahun, yang dinamakan ImageNet Large Scale Visual Recognition Challenge, telah menjadi suatu faktor besar dalam mendorong kemajuan dan pengembangan dalam visi komputer. Kompetisi ini membuat para peneliti terus-menerus mengembangkan algoritma-algoritma baru yang diuji untuk memastikan atau menjamin munculnya revolusi-revolusi yang beranekaragam dalam kemampuan AI untuk mengenali dan memahami data visual.

Dalam tahun 2012, suatu jejaring neural buatan ("Artificial Neural Network") yang dinamakan AlexNet telah menimbulkan gelombang-gelombang kejut di seluruh komunitas riset AI ketika platform ini menunjukkan kinerja yang mengesankan yang melampaui tipe-tipe model-model lain, dan memenangkan kompetisi ImageNet. Dari situ, jejaring neural buatan (yang meniru jejaring neural otak manusia) lepas landas, dengan diberi daya oleh sejumlah sangat besar data pelatihan gratis yang sekarang tersedia di Internet dan GPUs (chip-chip komputer yang diberi daya tinggi) yang mengirim daya dan kekuatan komputer yang belum tersedia sebelumnya. Tiga belas hingga empat belas tahun sejak peluncuran ImageNet, para peneliti visi komputer makin menguasai teknologi "object recognition" dan "video generation".

Yang paling mutakhir dari banyak usaha dan kegiatan Li Fei Fei adalah pendirian suatu start-up World Labs, April 2024. World Labs menciptakan pemandangan-pemandangan 3D yang para pengguna dapat eksplorasi. Start-up ini didedikasikan untuk memberikan AI "kecerdasan ruang" atau "spatial intelligence", atau kemampuan untuk melahirkan, bernalar di dalam, dan berinteraksi dengan, dan bernavigasi dalam, dunia-dunia atau lingkungan alam sekitar 3D. Sistem-sistem AI yang akan dibangun dan dikembangkan oleh World Labs dapat memahami, mengerti, dan dapat menjelajah, ruang-ruang 3 dimensi dengan cara-cara seperti yang dilakukan manusia.

World Labs akan menciptakan perubahan-perubahan yang bermakna bagi teknologi dan industri lewat penyediaan jalan-jalan baru bagi AI dalam berinteraksi dengan dunia fisik tiga dimensi dan objek-objek di dalamnya. Karya Li Fei Fei dalam "spatial intelligence" di World Labs dapat memiliki aplikasi-aplikasi yang potensial dan besar dalam beberapa bidang penting, seperti:

• Robotics: AI dengan kecerdasan ruang dapat mengembangkan dan menyempurnakan navigasi robot, pemahaman robotik atas lingkungan fisik 3D, dan mengontrol serta mempengaruhi objek-objek;

• Wahana-wahana otonomus: Kecerdasan ruang memampukan mobil-mobil yang mengemudikan dirinya sendiri ("self-driving cars") untuk memahami dengan lebih baik lingkungan sekitar 3D mereka, mendeteksi hambatan-hambatan, dan bernavigasi dalam lingkungan sekitar yang rumit;

• Realitas virtual dan "augmented reality": Kecerdasan ruang dapat memperluas dan mengembangkan pengalaman-pengalaman masuk jauh ke kedalaman ("immersive") lingkungan virtual, serta memahami dan berinteraksi dengan lebih baik dengan alam virtual;

• Perawatan kesehatan: Diagnosis dan pengobatan yang dibantu AI dapat memanfaatkan kecerdasan ruang di bidang-bidang perencanaan operasi dan analisis pencitraan medis ("medical imaging analysis").

Start-up World Labs di tahun 2024 telah dua ronde menggalang dana, alhasil start-up ini telah menerima uang dari investor-investor top bidang teknologi, termasuk Andreessen Horowitz, dana AI Radical Ventures, selain Marc Benioff, Geoffrey Hinton, Reid Hoffman dan Eric Schmidt. Dalam ronde termutakhir penggalangan dana, telah berhasil dihimpun 100 juta USD. Investor-investor ini menilai bisnis World Labs kini telah mencapai investasi lebih dari 1 milyar USD, hanya dalam 4 bulan.

Li Fei Fei menyadari betul bahwa sejak peluncuran chatbot ChatGPT yang kuat dari platform OpenAI (dengan Sam Altman sebagai co-founder dan CEO) di akhir 2022, yang membawa konsumen-konsumen berhadapan muka langsung dengan kekuasaan yang amat besar di bidang AI modern, dimulailah perlombaan mencapai keunggulan teknologis di antara start-ups dan pemain-pemain Big Tech seperti Microsoft dan Google. Lompatan ke depan dalam kapabilitas yang diperlihatkan oleh ChatGPT juga memperberat ketakutan-ketakutan terhadap bahaya-bahaya AI: disrupsi tenaga kerja, disinformasi dan bahkan risiko eksistensial.

Menurut Fei Fei, di akhir 2023, dalam mengejar kemajuan AI, "Peradaban itu seperti sebuah perahu besar dan kita sedang berlayar ke depan dalam kegelapan." Katanya juga, "Sekarang ini dalam bidang AI, apa yang membuat saya khawatir adalah kita tidak memiliki sumber-sumber daya untuk memastikan bahwa AI akademia tetap bertahan sebagai suatu pusat gravitasi. Karena jika kita kehilangan pusat gravitasi, maka pusat gravitasi lainnya didorong oleh kapitalisme." 

Dalam situasi semacam itu, Fei Fei melihat HAI yang didirikannya dan lembaga-lembaga publik lainnya sebagai mercusuar-mercusuar yang memberi terang pada jalur pelayaran yang aman. Menelusuri jalur ini telah makin menegangkan, khususnya sejak peluncuran ChatGPT OpenAI.

Dalam konteks yang telah digambarkan oleh Fei Fei di atas, pendirian start-up World Labs di tahun 2024 harus kita tempatkan.  

Selanjutnya, perlu diketahui lebih jauh tentang "artificial spatial intelligence" yang digagas dan akan diwujudkan oleh Li Fei Fei dan para penerusnya lewat perusahaan start-up World Labs.

Sebetulnya, kecerdasan manusia itu majemuk, tidak tunggal. Cuma, selama ini yang ditonjolkan hanya kecerdasan matematis dan linguistik, yang peringkatnya diberi angka psikometrik yang disebut "IQ" atau "intelligence quotient", dengan IQ rata-rata 100. Howard Gardner dikenal dengan teorinya tentang kecerdasan majemuk atau "multiple intelligences", dan salah satunya adalah kecerdasan ruang atau "spatial intelligence". Menurut Gardner, dan juga beberapa psikolog kognitif dan neurosaintis kognitif, manusia memiliki kecerdasan majemuk yang mencakup:

• Kecerdasan logis matematis

• Kecerdasan linguistik 

• Kecerdasan musikal

• Kecerdasan spasial

• Kecerdasan interpersonal

• Kecerdasan intrapersonal

• Kecerdasan kinestetik-ragawi

• Kecerdasan naturalis

• Kecerdasan eksistensial

• Kecerdasan pedagogis

• Kecerdasan emosional

• Kecerdasan seksual

• Kecerdasan digital

Karena kecerdasan manusia itu majemuk, multiple, maka suatu sistem AI humanoid perlu juga memiliki kecerdasan yang majemuk. Sistem ini dapat dinamakan "Artificial Multiple Intelligence" atau AMI.

Li Fei Fei dengan jelas juga menekankan bahwa kecerdasan manusia itu majemuk. Dalam suatu wawancara eksklusif oleh IEEE Spectrum pada tanggal 11 Desember 2024, dia menyatakan hal-hal yang penting. Katanya, "Aku pikir, adalah sesuatu yang intuitif kita ketahui bahwa kecerdasan memiliki level-level kompleksitas dan kecakapan yang berlainan.... Revolusi DL selama berdekade-dekade yang telah lewat, khususnya 10 tahun lebih yang lalu, telah memberi kita pelajaran tentang hal-hal yang harus kita lakukan dengan kecerdasan visual. Hal-hal ini sangat menggembirakan dan memberi harapan. Kita semakin mampu menangani teknologi ini...."

Li melanjutkan, katanya, "Sesegera anda dapat menemukan petunjuk-petunjuk dari lingkungan dunia sekitar lewat persepsi, desakan evolusioner sesungguhnya makin menguat, dan kondisi ini mendorong kecerdasan bergerak maju.... Aku pikir, kita sedang menciptakan kemampuan dan kecakapan lebih banyak lagi. Aku pikir, kemampuan dan kecakapan ini semakin kompleks, semakin cakap. Aku pikir, sangatlah benar bahwa menangani problem kecerdasan ruang adalah suatu langkah yang fundamental dan kritis, menuju kecerdasan sepenuhnya ("full-scale intelligence").

Jika yang dimaksud "kecerdasan sepenuhnya" adalah totalitas kecerdasan majemuk (seperti diteorikan Howard Gardner), maka Artificial Spatial Intelligence juga harus disertai dengan kecerdasan-kecerdasan lain yang komplementer. Mengingat AI dapat menimbulkan masalah-masalah etis yang serius ketika disalahgunakan oleh manusia, maka hal yang mendesak dijalankan adalah memasukkan kecerdasan emosional, kecerdasan interpersonal, kecerdasan sosial, dan kecerdasan eksistensial, ke dalam sistem-sistem AI yang humanoid atau yang "human-centered". Untuk suatu sistem atau model AI dapat memiliki "soft skills" yang fungsional ini, diperlukan waktu yang panjang dan tahap-tahap riset dan pengembangan yang rumit dan lintas ilmu.

Dalam The Stanford Daily, edisi 23 April 2019, Li Fei Fei telah menegaskan bahwa "[Kita perlu] dengan terbuka menerima kajian-kajian AI yang multidisipliner, karena AI itu memerlukan pembenihan silang dengan ilmu ekonomi, dengan etika, dengan hukum, dengan filsafat... Ada jauh lebih banyak lagi hal yang kita perlu pahami mengenai dampak-dampak sosial, insani, antropologis, etis dari AI, dan mungkin kita tidak dapat mengerjakan ini sendirian."

Selanjutnya, dalam wawancara dengan IEEE Spectrum tersebut di atas, Li Fei Fei menyatakan, "Aku pikir kecerdasan ruang adalah arah ke mana kecerdasan visual sedang bergerak. Jika kita serius mau memecahkan problem visi dan juga mau menghubungkan visi dengan tindakan, maka ada suatu fakta yang sangat simpel, fakta yang terang-benderang: Dunia ini 3D. Kita tidak tinggal di suatu dunia yang datar. Agen-agen fisik kita, entah mereka itu robot-robot, atau pun devices, akan berdiam dalam dunia 3D. Bahkan dunia virtual makin menjadi 3D."

Si pewawancara melanjutkan pertanyaannya, "Anggaplah kita dapat membuat sistem-sistem AI sungguh-sungguh memahami dunia 3D, lalu apa yang sistem-sistem ini dapat berikan kepada kita?" 

Li Fei Fei menjawab, "Sistem-sistem AI ini akan membuka pintu bagi banyak kreativitas dan produktivitas untuk manusia. Aku akan suka merancang rumahku dengan cara yang jauh lebih efisien. Aku tahu bahwa sangat banyak pemanfaatan medis yang melibatkan pemahaman atas suatu dunia 3D yang sangat khusus, yakni tubuh manusia. Kita selalu berbicara tentang suatu masa depan di mana manusia akan menciptakan robot-robot untuk menolong kita, tapi robot-robot menjelajah dalam suatu dunia 3D, dan mereka memerlukan kecerdasan ruang  sebagai bagian dari otak mereka. Kita juga berbicara tentang dunia-dunia virtual yang akan memungkinkan orang untuk mengunjungi tempat-tempat atau belajar konsep-konsep atau mendapatkan hiburan. Dan penggunaan teknologi 3D, khususnya teknologi hibrid, itulah yang kita namakan 'augmented reality' atau AR. Aku akan suka berjalan menelusuri suatu taman nasional dengan memakai sepasang kaca mata yang memberiku informasi tentang pepohonan, jalan setapak, dan awan-awan. Aku juga akan suka belajar kecakapan-kecakapan yang berlainan melalui bantuan kecerdasan ruang."

Tidaklah mudah untuk merancang, menciptakan dan mengembangkan serta melatih suatu model AI yang memiliki kecerdasan spasial, apalagi kecerdasan majemuk yang "full scale". Terkait dengan kecerdasan spasial, ada sekian tantangan dan keterbatasan yang harus ditangani dengan baik, yakni (chat dengan Meta AI, 24 Februari 2025):

• Ketersediaan dan kualitas data: dataset-dataset yang dianotasi dengan baik, beranekaragam, dan berkualitas tinggi, sangatlah esensial dalam melatih model-model AI yang memiliki kecerdasan ruang;

• Kompleksitas komputasional: memproses dan menganalisa data 3D lewat kapasitas komputasional dapat sangat intensif, yang memerlukan sumber-sumber daya yang signifikan dan teknik-teknik optimasi;

• Generalisasi dan adaptasi: model-model AI yang memiliki kecerdasan spasial harus bisa, berdasarkan (sedikit) pembelajaran sebelumnya, menggeneralisasi lingkungan-lingkungan sekitar yang baru dan tak terlihat dan beradaptasi terhadap kondisi-kondisi yang sedang berubah.

Tantangan dan kesulitan juga bertambah jika kita fokus pada komponen-komponen penting dari kecerdasan ruang, yakni:

• Visi komputer: Teknologi visi komputer memampukan AI untuk menafsir dan memahami data visual dari citra-citra dan video-video, termasuk rekonstruksi suatu objek 3D, dan pengenalan objek; 

• Simulasi dan pemodelan 3D: Memungkinkan AI untuk menciptakan dan mempengaruhi atau memanipulasi model-model 3D, mensimulasi interaksi-interaksi fisik dan memprediksi hal-hal yang akan dihasilkan; 

• Penalaran geometrik: Memungkinkan AI untuk memahami hubungan-hubungan, bentuk-bentuk dan struktur-struktur spasial sehingga mempermudah dan membantu tugas-tugas seperti bernavigasi dan menghindari hambatan-hambatan;

• Integrasi sensorimotor: Menggabung data sensori indrawi (misalnya visi, sensor-sensor, dan lidar atau radar berpulsa sinar laser) dengan kontrol-kontrol motor untuk memampukan AI berinteraksi dan mempengaruhi objek-objek dalam ruang 3D.

Sebagai penutup tulisan ini, baiklah ucapan Li Fei Fei berikut ini kita pikirkan. Katanya, "Math is pretty clean. Humans are messy." Matematika itu sangat bersih. Manusia tidak bersih, tidak apik, berantakan. 

Dengan ucapannya itu, Fei Fei bermaksud mengungkapkan dua hal. Pertama, matematika itu persis dan teratur: matematika beroperasi menurut aturan-aturan dan prinsip-prinsip yang ketat, dan ini membuatnya suatu kawasan yang bersih dan dapat diprediksi. Kedua, perilaku dan emosi-emosi manusia kompleks dan tidak terprediksi: manusia, sebaliknya, tidak apik, berantakan, tidak bersih. Maksudnya, perilaku manusia, emosi-emosi mereka, dan proses-proses pengambilan keputusan mereka, ruwet, bernuansa, dan kerap tidak terprediksi. Fei Fei boleh jadi sedang menyoroti kesulitan-kesulitan dalam membuat model perilaku manusia, emosi-emosi mereka, dan proses-proses pengambilan keputusan mereka, dengan memakai metode-metode matematis dan komputasional, yang pada hakikatnya bersih dan persis. 

Jika demikian maksudnya, apakah itu berarti Fei Fei perlu meninggalkan manusia, dan berkonsentrasi saja pada tugasnya sebagai seorang saintis AI? Fei Fei tidak mengambil jalan ini; dia memilih keduanya, menjadi seorang saintis AI sekaligus seorang humanis. Baginya, teknologi AI yang terus-menerus dikembangkan haruslah berpusat pada manusia, "human centered".

Tertinggallah sebuah pertanyaan, jika kodrat manusia memang berantakan, tidak bersih, tidak apik, mengapa para saintis dan teknolog AI perlu menciptakan model-model AI yang humanoid, yang "menyerupai manusia", yang dinamakan Artificial General Intelligence (AGI)? Bukankah ciptaan mencerminkan identitas sang pencipta? Karena ini sebuah pertanyaan yang kritis, tidak heran jika ada saintis-saintis dan teknolog-teknolog AI yang merancang dan menciptakan serta mengembangkan AI untuk tujuan-tujuan lain, yang bermanfaat, dan menghindari upaya menciptakan suatu sistem AI yang humanoid, yang umum dinamakan Artificial General Intelligence (AGI).

Dalam Observer edisi 5 November 2024, Li Fei Fei sendiri menyatakan bahwa "Sejujurnya aku bahkan tidak tahu apa maksud dari AGI... orang menegaskan 'Engkau akan tahu ketika engkau melihatnya'. Aku tebak, aku belum melihatnya." Fei Fei melanjutkan, "Yang benar adalah aku tidak punya banyak waktu untuk memikirkan makna kata-kata AGI, karena pikirku ada banyak hal yang penting untuk dikerjakan, dalam pendidikan, dalam memajukan lembaga HAI, dalam perluasan jangkauan beranekaragam stakeholder, dan dalam membangun kerjasama dengan rekan-rekan sejawat dan mahasiswa-mahasiswaku."

Sementara ada banyak hal yang telah dikatakan orang tentang bahaya-bahaya eksistensial yang akan dapat timbul dari teknologi baru AI, Fei Fei lebih fokus pada ihwal bagaimana dampak-dampak AI akan mempengaruhi kehidupan sehari-hari. Katanya, "Aku pikir sangatlah penting kalau kita menjauh dari spekulasi-spekulasi sains fiksi dan hiperbola yang menimbulkan ketakutan-ketakutan publik, lalu sungguh-sungguh mendatangkan terang yang lebih kuat untuk menyoroti masalah-masalah nyata yang sedang memberi dampak pada manusia-manusia yang real."

Stay eirenic.

ioanes rakhmat

* Editing mutakhir 03 Maret 2025

References

Tabby Kinder, George Hammond, and Eleanor Olcott, "The 'Godmother of AI' Fei-Fei Li builds $1bn start-up in 4 months", Financial Times, 17 Juli 2024, https://www.ft.com/content/0b210299-4659-4055-8d81-5a493e85432f.

Zoey Zhang, "'Godmother of AI' shy Chinese-American pioneer Fei-Fei Li seeks science chance for all", South China Morning Post, 5 August 2024, https://www.scmp.com/news/people-culture/article/3272931/godmother-ai-shy-chinese-american-pioneer-fei-fei-li-seeks-science-chance-all.

Thomas Babychan, "Why is Fei-Fei Li known as Godmother of AI?", Techstory, 19 July 2024, https://techstory.in/why-is-fei-fei-li-known-as-godmother-of-ai/.

Eliza Strickland, "AI Godmother Fei-Fei Li Has a Vision for Computer Vision" (An interview), IEEE Spectrum, 12 December 2024, https://spectrum.ieee.org/fei-fei-li-world-labs.

Harini Sreepathi (Adm.), "Fei-Fei Li, Bio", Stanford|Profiles, https://profiles.stanford.edu/fei-fei-li;jsessionid=0826206B8EBAFB18CDB3C1302EC54DE6.cap-su-capappprd98.

Ioanes Rakhmat, "Teori 'Multiple Intelligences' Howard Gardner", Freidenk Blog, 20 Oktober 2014, https://ioanesrakhmat.blogspot.com/2014/10/teori-multiple-intelligences-howard.html?m=0.

George Hammond, "AI scientist Fei-Fei Li: 'Math is pretty clean. Humans are messy'", Financial Times, 15 Dec 2023, https://www.ft.com/content/d5f91c27-3be8-454a-bea5-bb8ff2a85488.

Shan Reddy, "Fei-Fei Li and Yuval Noah Harari discuss humanizing artificial intelligence, prospects for democracy", The Stanford Daily, 23 April 2019,  https://stanforddaily.com/2019/04/23/fei-fei-li-and-yuval-noah-harari-discuss-humanizing-artificial-intelligence-prospects-for-democracy/.

Fei-Fei Li, "Fei-Fei Li says understanding how the world works is the next step for AI", Economist, 20 November 2024, https://www.economist.com/the-world-ahead/2024/11/20/fei-fei-li-says-understanding-how-the-world-works-is-the-next-step-for-ai.

Alexandra Tremayne-Pengelly, "'Godmother of A.I.' Fei-Fei Li Has No Idea What A.G.I. Means", Observer, 5 November 2024, https://observer.com/2024/11/fei-fei-li-godmother-ai-agi/.

Kinling Lo, "Ex-Google AI chief Fei-Fei Li among Chinese honoured by US Academy of Medicine", South China Morning Post, 21 October 2020, https://www.scmp.com/news/china/diplomacy/article/3106460/ex-google-ai-chief-fei-fei-li-among-chinese-honoured-us.

Tristan Greene (ed.), "AI guru Fei Fei Li set to leave Google this year", TNW Newsletter, 10 September 2018, https://thenextweb.com/news/ai-guru-fei-fei-li-set-to-leave-google-this-year.

Tom Simonite (ed.), "Fei-Fei Li Wants AI to Care More About Humans", Wired, 28 March 2019, https://www.wired.com/story/fei-fei-li-ai-care-more-about-humans/.

John Thornhill, "The Worlds I See --- keeping the human at the heart of AI", Financial Times, 2 November 2023, https://www.ft.com/content/de3f4813-4f36-40c7-9d50-980144674d87.

Artificial Intelligence (11) : Ray Kurzweil

 

Sumber image The Washington Post. Image credit: Weinberg-Clark

Raymond Kurzweil dilahirkan 12 Februari 1948 di Queens, New York City, Amerika. Di saat berusia 5 tahun, dia sudah memutuskan untuk menjadi seorang inventor. Ketika remaja, bacaannya buku-buku fiksi sains. Ketika berumur 12 tahun (1960), dia sudah bergaul erat dengan komputer-komputer yang pada waktu itu hanya ada selusin komputer di New York City. 

Gelar akademik Bachelor of Science (B.Sc.) dalam bidang sains komputer dan literatur diperoleh Kurzweil tahun 1970 dari Massachusetts Institute of Technology (MIT). Dari institut yang sama, dia mendapat gelar Master of Science dalam sains komputer tahun 1972. Kurzweil tidak menyandang gelar akademik Ph.D., tetapi hingga saat ini dia telah menerima 21 gelar Doktor Kehormatan (honorary doctorate, atau DHC) dari universitas-universitas dan organisasi-organisasi lain dari berbagai tempat, di dalam dan di luar Amerika. 

Selama lebih dari 60 tahun, dia telah menggeluti bidang Artificial Intelligence dan mengembangkannya, sekaligus juga membuat produk-produk teknologi terobosan yang berbasis antara lain pada Artificial intelligence dan memasarkan banyak invensi-nya lewat perusahaan-perusahaannya (setidaknya ada 9 perusahaan di bawah payung induk perusahaan Kurzweil Technologies). Pantaslah jika Bill Gates menyatakan bahwa Kurzweil adalah "sosok terbaik yang saya ketahui dalam memprediksi masa depan Artificial Intelligence" (ditulis pada back cover buku Kurzweil yang terbit 2005, The Singularity Is Near: When Humans Transcend Biology). Oleh majalah Inc., edisi 6 Februari 2020, Kurzweil ditempatkan pada urutan ke-8 di antara "entrepreneurs Amerika yang paling menakjubkan" dan menyebutnya sebagai "pewaris yang sah Thomas Edison", "the rightful heir of Thomas Edison".

Meski kegiatannya banyak, Kurzweil bekerja penuh waktu di Google sejak Desember 2012 atas permintaan co-founder Google, Larry Page, untuk "mengerjakan proyek-proyek baru yang mencakup Machine Learning dan pemrosesan bahasa". Tugasnya hanya satu, "membawa bahasa natural ke Google". Selain sebagai Direktur Enjiniring di Google, kini dia menyebut dirinya Principal Researcher dan AI Visionary untuk perusahaan penelusuran Internet dan teknologi global ini.

--- to be continued ---

References

Ray Kurzweil, The Singularity Is Nearer: When We Merge with AI (New York: Viking Penguin, June 25, 2024).

Ray Kurzweil, The Singularity Is Near: When Humans Transcend Biology (New York: Viking Penguin, 2005).

Ray Kurzweil, The Age of Spiritual Machines: When Computers Exceed Human Intelligence (New York: Viking Penguin, 1999).

G. John Ikenberry, "The Singularity Is Nearer: When We Merge With AI" (A book review), Foreign Affairs, 7 January 2025, https://www.foreignaffairs.com/reviews/singularity-nearer-when-we-merge-ai.

Becca Rothfeld, "Ray Kurzweil is (still, somehow) excited about humans merging with machines" (A book review), The Washington Post, 26 June 2024, https://www.washingtonpost.com/books/2024/06/26/singularity-nearer-ray-kurzweil-review/.

Joseph Cothrel, "Our Mutual Friend: A Review of 'The Singularity Is Nearer: When We Merge with AI' by Ray Kurzweil", NewCity, 14 October 2024, https://lit.newcity.com/2024/10/14/our-mutual-friend-a-review-of-the-singularity-is-nearer-when-we-merge-with-ai-by-ray-kurzweil/.

Anthony Cuthbertson, "Google's AI prophet fast tracks Singularity prediction", The Independent, 13 March 2024, https://www.independent.co.uk/tech/ai-singularity-date-ray-kurzweil-google-b2511847.html.

AW, "Kurzweil's Superintelligent AI Timeline", Perplexity, https://www.perplexity.ai/page/kurzweil-s-superintelligent-ai-gYrOX.a2RiS5HJbFoEivHw.

Alex Klokus, "The Dawn of the Singularity: A Visual Timeline of Ray Kurzweil's Predictions", Futurism, 12 September 2015, https://futurism.com/images/the-dawn-of-the-singularity.

Ahmed Ezzat Fahmy, "The Countdown to AI Triumph: Ray Kurzweil's 2029 and 2045 Predictions", LinkedIn, 21 October 2023, https://www.linkedin.com/pulse/countdown-ai-triumph-ray-kurzweils-2029-2045-ahmed-fahmy-bvfgf.

CMPLE, "Ray Kurzweil's Most Notable Predictions: Hits and Misses", CMPLE, https://www.cmple.com/learn/ray-kurzweils-most-notable-predictions-hits-and-misses.

Steven Levy, "If Ray Kurzweil Is Right (Again), You'll Meet His Immortal Soul in the Cloud", Wired, 13 June 2024, https://www.wired.com/story/big-interview-ray-kurzweil/.

Ira Flatow, "'The Singularity Is Nearer', Says Futurist Ray Kurzweil" (Interview), ScienceFriday, 14 June 2024, https://www.sciencefriday.com/segments/ray-kurzweil-the-singularity-is-nearer-book/#segment-transcript.

Zoë Corbyn, "AI scientist Ray Kurzweil: 'We are going to expand intelligence a millionfold by 2045'" (Interview), The Guardian/The Observer, 29 June 2024, https://www.theguardian.com/technology/article/2024/jun/29/ray-kurzweil-google-ai-the-singularity-is-nearer.

R.U. Sirius and Surfdaddy Orca, "Ray Kurzweil: The h+ Magazine interview", The Kurzweil Library, 30 December 2009, https://www.thekurzweillibrary.com/ray-kurzweil-the-h-interview.

"Ray Kurzweil, Kurzweil Technologies and other companies because he is Edison's rightful heir", Inc.Magazine, February 6, 2020, https://www.inc.com/magazine/20050401/26-kurzweil.html.

Artificial Intelligence (10) : Andrew Ng

 

Andrew Yan-Tak Ng, dilahirkan di Inggris, 18 April 1976, dibesarkan di Hong Kong dan Singapura. 

Dia seorang saintis komputer Inggris-Amerika, yang bergerak di banyak bidang seperti AI, Machine Learning, Deep Learning, AI generatif, persepsi mesin, MOOC (Massive Open Online Course), teknologi pendidikan, industri, entrepreneur teknologi, NLP, visi komputer ("computer vision") dan robotics. 

Di Stanford University, dia menjadi Professor sains komputer dan peneliti utama proyek STAIR (Stanford Artificial Intelligence Robot). Sumber image: AI Is for Everyone.

Perjalanan akademik Andrew Ng dimulai ketika dia pindah ke Amerika Serikat. Di sana dia menjadi seorang mahasiswa di Carnegie Mellon University, Pittsburgh, Pennsylvania, di fakultas ekonomi (1997). Di universitas ini juga minatnya yang besar pada Machine Learning dan AI mulai terbangun. Di tahun 1996-1998 dia melakukan penelitian tentang pembelajaran reinforcement (pembelajaran lewat "trial and error"), seleksi model, seleksi fitur, di AT&T Bell Labs. 

Dalam studi lanjutnya di Massachusetts Institute of Technology (MIT), Cambridge, Andrew Ng meraih gelar master di bidang enjiniring elektris dan sains komputer (1998). Gelar Ph.D. dalam sains komputer diterimanya dari University of California, Berkeley, 2002, di bawah bimbingan Prof. Michael I. Jordan. Judul disertasinya "Shaping and Policy Search in Reinforcement Learning", yang sampai kini banyak dikutip. Di UC Berkeley ini dia menjalankan riset mendasar dan inovatif yang menjadi fondasi karya-karyanya di masa depan. Di tahun 2002, dia mulai bekerja sebagai Assistant Professor di Stanford University, dan sebagai Associate Professor di tahun 2009. Dalam MIT Technology Review, Andrew Ng dan isterinya Carol Elizabeth Riley (seorang eksekutif bisnis Amerika, saintis komputer dan seorang model) disebut sebagai "pasangan daya AI".

Langkah besar yang diayunkan Andrew Ng adalah mendemokratisasi AI. Katanya, "AI bukan cuma untuk para insinyur. AI untuk setiap orang. Suatu kursus yang non-teknis akan menolong anda memahami teknologi-teknologi dan menemukan kesempatan-kesempatan untuk mengaplikasikan AI pada masalah-masalah dalam organisasi anda sendiri. Anda akan melihat contoh-contoh tentang apa yang AI masa kini dapat -- dan tak dapat -- lakukan. Akhirnya, anda juga akan memahami bagaimana AI sedang memberi dampak pada masyarakat dan bagaimana menavigasi lewat perubahan teknologi ini." 

Salah satu jalan paling efektif yang dipakai Andrew Ng untuk mendemokratisasi AI adalah menyelenggarakan pendidikan yang berkualitas tinggi dan luas tentang AI dan bidang-bidang lain yang berkaitan. 

Lewat platform-platform MOOC, Andrew Ng menyelenggarakan kursus-kursus tentang sistem-sistem AI, ML dan DL. Platform Massive Open Online Course (MOOC) menjalankan kursus-kursus tentang AI yang diikuti ribuan hingga jutaan murid ("Massive"). Kursus ini gratis, tak perlu bayar, atau berbiaya rendah, sehingga dapat diakses sangat banyak orang dengan terbuka ("Open"). Materi kuliah yang kaya disampaikan lewat platform-platform digital, kerap dilengkapi dengan perkuliahan lewat video ("Online"). Pengalaman belajar terstruktur, dievaluasi, dinilai, dan diberi umpan balik atau feedback ("Course"). 

Lewat kegiatan pendidikan MOOC ini, setiap peserta kursus, yang memiliki tingkat kecepatan pembelajaran yang berlainan, memiliki kesempatan untuk meningkatkan prospek-prospek karir dengan menerima tambahan kecakapan-kecakapan yang baru ("upskilling"), memasuki transisi ke industri-industri baru atau peran-peran baru lewat pendidikan kembali ("reskilling"), dan mendapatkan "personal enrichment" atau pemerkayaan pribadi lewat eksplorasi hobi-hobi dan minat-minat sendiri. 

Andrew Ng tidak berhenti hanya pada ide-ide atau saran-saran. Dia terjun langsung ke dunia pendidikan sebagai edukator online terkenal bidang AI dengan mendirikan dan menjalankan MOOC. Platform MOOC yang dibangun Andrew Ng diberi nama DeepLearning.AI. Lewat platform ini Andrew Ng menawarkan sejumlah kursus dan program yang terfokus pada DL dan AI, termasuk spesialisasi DL sebagai serangkaian kursus yang meliputi dasar-dasar DL, Neural Networks, Convolutional (atau Mathematical) Neural Networks; AI For Everyone, yakni suatu kursus pengenalan konsep-konsep AI, aplikasi-aplikasi dan implikasi-implikasi AI bagi bisnis dan masyarakat luas, dan perihal membangun proyek-proyek AI; ML, suatu kursus yang mencakup fundamental-fundamental ML, termasuk ihwal bagaimana model-model AI belajar dengan diawasi ("supervised learning") dan belajar tanpa diawasi ("unsupervised learning"). Hingga saat ini, sudah ada 7 juta orang yang mengikuti kursus-kursus yang ditawarkan DeepLearning.AI.

Selain menjadi pendiri platform MOOC DeepLearning.AI, bersama Daphne Koller, Andrew Ng juga mendirikan Coursera (2012), suatu platform pembelajaran online, yang memegang visi menjalankan pendidikan AI yang berkualitas tinggi terbuka ("open") bagi setiap orang. Platform Coursera ini dengan cepat tumbuh menjadi platform-platform pendidikan online terbesar dunia, yang menawarkan kursus-kursus AI yang ikut dikelola oleh universitas-universitas top dunia.

Di Coursera peran Daphne Koller, seorang saintis komputer dan pendidik, spesialis ML dan pemodelan probabilistik ("probabilistic modeling"), sangat signifikan. Bersama Koller, Andrew Ng menjalankan pendidikan berkualitas tinggi, high quality, yang tersedia dan terbuka untuk setiap orang di seluruh dunia, mempengaruhi serta memberdayakan teknologi, dan membangun kemitraan dengan universitas-universitas top dunia.

Dewasa ini, Coursera adalah salah satu platform MOOC yang terbesar dan terpopuler dunia, menawarkan banyak kursus AI, spesialisasi-spesialisasi, dan program-program gelar dari lebih 140 universitas dan organisasi-organisasi top dunia. Selain DeepLearning.AI dan Coursera, platform-platform MOOC lainnya yang populer juga tersedia, antara lain edX, Udacity, FutureLearn, dan Khan Academy. 

Kursus-kursus berkualitas tinggi tentang ML Andrew Ng di Coursera telah mencapai lebih dari 4 juta pelajar. Ini menunjukkan bahwa pendidikan yang berkualitas tinggi yang dijalankan oleh Coursera telah dapat diikuti oleh sangat banyak pelajar di seluruh dunia. Komitmen Andrew Ng pada demokratisasi AI telah menginspirasi suatu generasi baru para peneliti dan praktisi AI. Untuk membangun semangat sangat banyak orang, Andrew Ng menyatakan, "Jangan setop belajar. Bidang AI senantiasa berevolusi, dan satu-satunya jalan untuk tetap maju adalah mendorong lebih jauh batas-batas anda." Oleh Andrew Ng anda diajak untuk berpikir dan bertindak di luar atau melampaui hal-hal yang sudah mapan dan sudah umum diterima publik. Berpikir dan bertindak "out of the box". 

Juga ada kursus-kursus AI online berijazah (sertifikat atau diploma) yang dibuka untuk umum, dan gratis, oleh universitas-universitas atau organisasi-organisasi lainnya. Sekurang-kurangnya dapat disebut 10 nama terbaik. Yakni:

1. Artificial Intelligence Course oleh MIT

2. Big Data, Artificial Intelligence and Ethics oleh University of California

3. Artificial Intelligence Courses oleh Harvard University

4. Machine Learning Specialization oleh Stanford University

5. Machine Learning Foundations University of Washington

6. Artificial Intelligence oleh Georgia Institute of Technology

7. AI for Anyone Course oleh Google

8. Introduction to AI oleh Intel

9. AI Foundations Course oleh IBM

10. Machine Learning and AI Course oleh Amazon Web Services

Andrew Ng percaya bahwa MOOC adalah platform utama untuk mendemokratisasi pendidikan AI, dan dia percaya dan telah membuktikan bahwa pendidikan online AI dibutuhkan oleh sangat banyak orang di dunia ini. Bahkan dikatakan orang bahwa sumbangan-sumbangan Andrew Ng pada pendidikan AI "tidak ada paralel-nya". Kata Andrew Ng, "Masa depan AI terletak pada demokratisasi akses ke manfaat-manfaat AI. Pendidikan adalah kuncinya untuk membuka pintu bagi potensi ini." Selanjutnya dia menegaskan, "Saya selalu percaya pada kekuatan pendidikan dan dampak transformatif yang dapat ditimbulkannya pada individu-individu dan masyarakat."

Andrew Ng sadar dan tahu betul bahwa telah berlangsung interaksi yang mendalam antara AI dan masyarakat. Dia menyatakan, "Ketika kita mencapai tonggak sejarah edisi ke-256 newsletter mingguan AI The Batch, saya memikirkan dengan mendalam ihwal bagaimana AI telah berubah selama bertahun-tahun perjalanannya dan bagaimana masyarakat terus-menerus ikut berubah bersamanya. Di saat AI tersedia lebih luas, jelaslah bahwa banyak orang -- para pengembang dan bukan para pengembang -- akan mendapatkan manfaat dan keuntungan dari pelatihan yang berkualitas untuk selalu sederap dengan perubahan-perubahan ini, dan memperoleh kecakapan-kecakapan yang berguna di bidang AI."

Bagaimana masa depan AI jika interaksinya dengan masyarakat, khususnya melalui pendidikan lewat platform MOOC, mengubah segala aspek kehidupan bermasyarakat? Andrew Ng melihat bahwa di masa depan AI akan terintegrasi dengan sempurna, tanpa jahitan dan celah, dengan semua segi kehidupan, meningkatkan kemampuan manusia dan memecahkan sejumlah masalah dan tantangan yang paling mendesak dunia. Perlu ada perjuangan untuk mengembangkan dan memanfaatkan AI dengan bertanggungjawab. Semua perubahan karena adanya AI membuat etika signifikan, dan inklusivitas atau pluralitas tak terhindari. Tak boleh ada orang yang ditinggalkan atau diabaikan, apapun latar belakang budaya, warna kulit, orientasi seksual, kebangsaan, posisi dalam masyarakat, tingkat kecerdasan dan status ekonomi mereka.

Perjalanan kehidupan Andrew Ng, mulai dari seorang murid yang selalu ingin tahu sampai menjadi seorang pakar AI yang beken, adalah suatu sumber inspirasi para antusias AI yang bercita-cita tinggi. Andrew Ng mendorong para pelajar muda usia untuk terus-menerus ingin tahu, menerima tantangan, dan selalu mencari pengetahuan tanpa henti. Tanpa kuriositas, sains AI, dan semua sains lain, tak akan pernah lahir.

Sumbangan beranekaragam Andrew Ng pada riset AI, pendidikan dan industri bukan cuma memajukan AI, tapi juga menginspirasi jutaan orang di seluruh dunia. Jika kita memandang masa depan, visi Andrew Ng untuk suatu pemandangan alam AI yang lebih inklusif, demokratis dan setara, menjadi suatu cahaya pemandu bagi generasi masa depan para pemimpin AI. Andrew Ng menegaskan bahwa "AI memiliki potensi untuk meningkatkan dan mengembangkan kehidupan milyaran orang. Terserah pada kita untuk memastikan bahwa manfaat AI dibagi dan didistribusikan dengan adil."

Pada masa-masa awal pengkajian DL di 1940-an dan 1950-an (model pertama Artificial Neural Network, Perceptron), muncul skeptisisme atas potensi-potensi DL. Skeptisisme ini tetap bertahan ketika riset modern DL mulai dijalankan di 1980-an hingga 2000-an (algoritma Backpropagation, Convolutional Neural Networks, Deep Belief Networks) dan ketika pengembangan-pengembangan mutakhir DL berlangsung di 2010-an (Recurrent Neural Networks, Image Net Large Scale Visual Recognition, dan Long Short-Term Memory). 

Andrew Ng sering menghadapi skeptisisme atau keraguan-keraguan dari rekan-rekan sejawatnya dan dari para pemimpin industri yang mempertanyakan skalabilitas atau kisaran dan perkembangan kinerja Neural Networks dan aplikasi-aplikasinya di dunia real. Meski ada tantangan-tantangan ini, Andrew Ng tetap teguh dalam kepercayaannya pada kekuatan transformatif DL. Katanya, "Setiap inovasi besar menghadapi skeptisisme. Hal yang terpenting adalah tetap bertahan dan bertekun dan terus-menerus mendorong lebih jauh batas-batas dari hal-hal yang mungkin."

Platform Meta AI (chat 7 Februari 2025) mengajukan beberapa strategi untuk menghadapi para skeptik DL. Karakteristik mereka perlu diketahui, supaya strategi yang diambil pas betul. 

Pertama, mereka tidak memiliki pemahaman yang benar dan seutuhnya atas konsep-konsep dan kemajuan-kemajuan dalam DL. Kepada mereka kita perlu memberi penjelasan dan contoh-contoh yang terang untuk membantu mereka memahami teknologi ini. 

Kedua, mereka terlalu menekankan dan hanya fokus pada keterbatasan-keterbatasan sistem-sistem DL yang ada sekarang. Kita perlu mengakui keterbatasan-keterbatasan ini, tapi juga perlu menyoroti kemajuan-kemajuan dan perkembangan cepat bidang ini. 

Ketiga, mereka takut kehilangan pekerjaan. Kekhawatiran akan ada banyak pengangguran sebagai akibat otomasi sah-sah saja. Nah, kita perlu menekankan manfaat-manfaat potensial DL dan Artificial General Intelligence, seperti produktivitas yang meningkat, perawatan kesehatan yang makin baik, dan pendidikan yang diperluas dan meningkat, urusan-urusan finansial yang kian meningkat, dan transportasi yang makin efisien.

Sementara banyak orang mengkhawatirkan ancaman akan punahnya umat manusia oleh mesin-mesin Super-AI (sekarang ada baru sebagai hipotesis-hipotesis) yang sudah tak terkendali, Andrew Ng mengambil sikap berbeda. Menurutnya, ancaman yang real yang dapat timbul dari sistem DL adalah masa depan lapangan kerja yang perlu dipikirkan dengan cermat. Dia menegaskan bahwa "ketimbang kita terdistraksi oleh robot-robot jahat pembunuh, tantangan terhadap lapangan kerja yang datang dari mesin-mesin ini adalah keperluan membangun dan menjalankan percakapan-percakapan antar kalangan akademia, industri dan pemerintah."

Nah, orang menjadi skeptik lantaran mereka umumnya memegang konsepsi yang salah tentang DL. Miskonsepsi-miskonsepsi tersebut antara lain: Pertama, DL cuma suatu hype, hal yang dengan bombastis dibesar-besarkan untuk menarik perhatian publik. Perlihatkan kepada mereka bukti-bukti kemajuan-kemajuan dan prestasi-prestasi dalam riset DL, seperti Google AlphaGo, ImageNet, Pengenalan wajah Facebook, Alexa Amazon, Autopilot Tesla, Watson IBM, dan terobosan-terobosan dalam pemrosesan bahasa natural (Natural Language Processing, NLP). 

Kedua, DL itu sempit dan terspesialisasi. Jelaskan bagaimana DL dapat diterapkan dalam beranekaragam bidang, seperti visi komputer ("Computer Vision", mencakup pengenalan wajah, deteksi objek, klasifikasi citra; self-driving cars yang mampu mendeteksi objek, mendeteksi tikungan, bernavigasi; imaging medik yang mampu mendeteksi tumor, mendiagnosis penyakit, segmentasi organ; pengawasan keamanan yang mampu mendeteksi penyusup dan mengenali wajah), NLP, dan pembelajaran dengan penguatan ("reinforcement learning"; belajar lewat "trial and error", misalnya dalam bermain game), dan bagaimana kemajuan-kemajuan ini dapat bermuara pada kecerdasan yang dapat lebih digeneralisasi, alhasil orang-orang cerdas makin banyak.

Ketiga, DL tidak memiliki "common sense", yakni pengetahuan yang diperoleh dari pengalaman-pengalaman real dalam kehidupan. Bahaslah kemajuan-kemajuan yang sedang berlangsung dalam bidang-bidang seperti pembelajaran multimodal, arsitektur-arsitektur kognitif, dan pendekatan-pendekatan campuran yang bertujuan untuk mengintegrasikan AI simbolik dan AI koneksionis.

Ingatlah, jangan menjauhkan diri dari para skeptik; tapi, sebaliknya, bangun dialog yang bermartabat dengan mereka dan dengan pikiran terbuka. Akuilah kekhawatiran mereka dan diskusikan pertanyaan-pertanyaan mereka. Lebih jauh dari itu, ajaklah para skeptik untuk berkolaborasi dalam inisiatif-inisiatif proyek-proyek dan riset-riset, sehingga mereka mengalami langsung potensi-potensi DL.

Selain giat di DeepLearning.AI dan Coursera, Andrew Ng, sebagai seorang entrepreneur teknologi dan saintis, juga giat di Baidu (kata atau frasa Mandarin, artinya "ratusan kali" atau "banyak kali" atau "berkali-kali tak terhitung"), suatu perusahaan teknologi multinasional China, spesialis pelayanan mesin penelusuran dan pencarian lewat Internet dan AI terbesar China. Di perusahaan ini, dia menjadi pemimpin dari 2014 hingga 2017 dalam usaha-usaha di bidang AI, selain juga menjadi saintis utama, dan membentuk suatu tim AI Baidu yang anggotanya mencapai ribuan orang. Di tim AI Baidu ini, dia menjadi ketuanya. 

Sebagai selingan, mari kita kenali sedikit lebih jauh frasa Mandarin bài dū. Frasa ini sebetulnya diambil dari suatu puisi China klasik yang berjudul "Meja Batu Hijau dalam Festival Lentera". Pendiri Baidu, Robin Li, memilih nama ini untuk menggambarkan ide untuk mencari informasi berulangkali tak terhitung, segaris dengan misi perusahaan dalam menyediakan suatu mesin penelusuran Internet dan pencarian yang efisien dan dapat dipercaya.

Nah, sebagai saintis utama di Baidu, Andrew Ng memainkan suatu peran yang sangat penting dalam membangun strategi dan arah pengkajian AI. Dia mengawasi pengembangan proyek-proyek AI Baidu yang beranekaragam, antara lain (diambil dari chat dengan Meta AI, 20 Februari 2025):

• Deep Learning: Tim Andrew Ng giat mengembangkan dan meningkatkan teknik-teknik DL, sehingga Baidu dapat makin menyempurnakan kemampuan-kemampuan pengenalan ucapan" ("speech recognition"), pengenalan citra ("image recognition"), dan pemrosesan bahasa natural ("natural language processing", NLP). 

Tentang NLP, pada kesempatan ini perlu diberikan penjelasan sedikit lebih panjang. Sumbernya mudah dijangkau, yakni platform Leo AI (chat 14 Februari 2025).

NLP adalah suatu sub-bidang AI yang menangani interaksi antara komputer-komputer dan manusia. Terma "natural" dalam NLP mengacu ke bahasa yang manusia gunakan dalam komunikasi sehari-hari, seperti bahasa tertulis dan bahasa lisan, yang berkontras dengan bahasa-bahasa programming atau bahasa formal. NLP mencakupi kompleksitas dan nuansa bahasa manusia, termasuk tata bahasa, sintaksis, semantik dan pragmatik.

Pada hakikatnya, NLP adalah seperangkat teknik dan algoritma yang memampukan komputer-komputer untuk memproses, memahami, dan menghasilkan bahasa manusia, alhasil interaksi manusia-komputer berlangsung lebih natural dan efektif. Ini mencakup tugas-tugas penerjemahan bahasa, analisis perasaan, peringkasan teks, dan pelahiran bahasa.

• Baidu Brain: Andrew Ng memimpin pengembangan Baidu Brain, suatu platform DL yang memungkinkan perusahaan ini membangun dan mengorganisir serta menyebarluaskan model-model AI yang lebih efisien. 

• Autonomous driving: Tim Andrew Ng juga mengeksplorasi teknologi-teknologi berkendara otonomus, yang menjadi landasan kerja inisiatif-inisiatif untuk membangun "mobil/wahana yang menyetir dirinya sendiri" ("self-driving car").

Selama masa jabatannya di Baidu, Andrew Ng membantu menegakkan dan memantapkan perusahaan ini sebagai suatu pemain besar dalam kawasan AI. Karyanya meletakkan fondasi bagi banyak pelayanan dan produk-produk yang diberdayakan oleh AI, dan berlanjut terus dalam membentuk arah dan tujuan perusahaan ini dewasa ini.

Setelah meninggalkan Baidu (2017), Andrew Ng terus melangkah dan menjadi co-founder AI Fund, suatu firma kapital yang berani, yang fokus pada investasi-investasi AI, dan Coursera, suatu platform pembelajaran online berbagai bidang AI, seperti telah dikemukakan di atas.

Hingga kini, Andrew Ng tetap menjadi suatu suara yang penting dalam komunitas AI, yang menyuarakan pentingnya pengembangan dan aplikasi-aplikasi AI yang bertanggungjawab. 

Selanjutnya, kontribusi-kontribusi Andrew Ng untuk Google penting diketahui, khususnya bagi Google Brain sebagai suatu proyek Deep Learning Google.

--- to be continued ---

References

Andrew Ng, "How DeepLearning.AI created quality courses", LinkedIn, https://www.linkedin.com/posts/andrewyng_openai-blocks-china-tests-for-human-level-activity-7216104446760476672-8MOb.

Satya Nadella, "Microsoft Adds DeepSeek R1 To Azure and GitHub", Global Biz Outlook, 30 January 2025, https://globalbizoutlook.com/2024/05/01/learn-ai-from-the-1z0-best-free-online-courses/.

Donna Eva, "10 Best Online AI Courses for Free in 2024, Deep Tech, 29 April 2024, https://analyticsindiamag.com/deep-tech/10-free-online-ai-courses-to-learn-from-the-best/.

Supreeth Koundinya, "Google Lets You Use AI to Call Businesses on Your Behalf", AI news, 31 January 2025, https://analyticsindiamag.com/ai-news-updates/google-lets-you-use-ai-to-call-businesses-on-your-behalf/.

Andrew Ng, "Course: AI for Everyone", Deep Learning.AI, https://www.deeplearning.ai/courses/ai-for-everyone/.

Monash University OZ, "Study at Monash: Artificial Intelligence", Monash University, https://www.monash.edu/study/courses/find-a-course/artificial-intelligence-c6007.

Andrew Ng, "Generative AI for Everyone: Learn how generative AI works and how to use it in your life and at work", DeepLearning.AI, https://www.deeplearning.ai/courses/generative-ai-for-everyone/.

Tina Huang, "Andrew Ng's 3 week Intro AI course in 25 minutes", DeepLearning.AI, YouTube video, https://www.youtube.com/watch?v=qpWqrIsaKwo.

AWS, "Transform your business with generative AI", Amazon AWS, https://aws.amazon.com/ai/generative-ai/.

AI Tech Daily, "From Zero to Hero: The Journey of Andrew Ng, Renowned AI Expert", Medium, 16 July 2024, https://medium.com/@aitechdaily/from-zero-to-hero-the-journey-of-andrew-ng-renowned-ai-expert-30bc0db46fb8.

Artificial Intelligence (9) : Yann LeCun

 

Yann LeCun, dilahirkan 8 Juli 1960 di Soisy-sous-Montmorency, Prancis. Dia juga dijuluki "the Godfather of AI". Gelar Ph.D. di bidang sains komputer diperolehnya 1987 dari Université Pierre et Marìe Curie di Prancis. Untuk tesis Ph.D., LeCun mengajukan proposal suatu bentuk awal algoritma yang kini dikenal sebagai "error Backpropagation". Dari 2003-2008 dia menjadi Professor sains komputer di Courant Institute of Mathematical Sciences di New York University. Dari 2013-2018, dia menjadi direktur riset AI di Facebook (sekarang: Meta); kemudian (2018 hingga kini) menjabat sebagai VP (yang belakangan dilepaskannya) dan saintis utama AI Meta. Image credit: bell-labs.com. Sumber gambar: Perplexity.

LeCun mengajukan suatu ide bahwa Artificial Neural Networks (ANNs) yang meniru otak manusia akan memampukan komputer-komputer untuk mengembangkan kecakapan-kecakapan yang sebaliknya tidak dapat diprogram secara manual. Pendapat ini dilawan dengan sengit oleh saintis-saintis komputer yang sudah mapan, yang telah lama mengabaikan konsep ANNs yang mereka anggap sebagai barang fiksi sains.

-- to be continued --

References

CDTeliot, "AI Visionary Yann LeCun's Lasting Impact", Perplexity, December 2024, https://www.perplexity.ai/page/ai-visionary-yann-lecuns-lasti-v1GyLWZDSXqehwbUcE2Y.w.

HoDS, "Yann LeCun: An Early AI Prophet", History of Data Science, 10 April 2021, https://www.historyofdatascience.com/yann-lecun/.

Datategy, "AI Origins: Yann LeCun", DATATEGY, 4 April 2024, https://www.datategy.net/2024/04/04/the-ai-origins-yann-lecun/.

Thomas Haigh, "Yann LeCun -- United States 2018, ACM A.M. Turing Award, https://amturing.acm.org/award_winners/lecun_6017366.cfm.

ACM, "Award Recipient: Yann LeCun", Award.ACM, https://awards.acm.org/award_winners/lecun_6017366.

Nandini Yadav, "Yann LeCun, chief AI scientist at Meta, says warnings about AI being a hazard are complete nonsense", India Today, 14 October 2024, https://www.indiatoday.in/technology/news/story/yann-lecun-chief-ai-scientist-at-meta-says-warnings-about-ai-being-a-hazard-are-complete-nonsense-2616686-2024-10-14.

Rajeev Chand, "A conversation with Yann LeCun, the Godfather of AI", Wing, 9 January 2025, https://www.wing.vc/content/rajeev-chand-yann-lecun-ai-research-predictions.

Artificial Intelligence (8) : Geoffrey E. Hinton

 

Geoffrey Everest Hinton (lahir 6 Desember 1947, di Wimbledon, London, berusia 77 tahun), saintis komputer Inggris-Kanada, saintis kognitif, psikolog kognitif. Memperoleh gelar Ph.D. dalam bidang Artificial Intelligence dari University of Edinburgh tahun 1978. Image credit: Chris Young/AP. Sumber gambar: Jessica Coates, The Independent.

Karena karya-karyanya di bidang jejaring neural buatan ("Artificial Neural Networks", ANNs) yang memakai model struktur jejaring dan fungsi neural otak manusia, yang diterapkan pada Machine Learning dan Deep Learning, dan ikut berkontribusi (bersama David Rumelhart dan Ronald William di tahun 1986) dalam merancang algoritma Backpropagation (BP, yakni suatu teknik optimalisasi repetitif untuk melatih Artificial Neural Networks dengan mengurangi kesalahan), Hinton, bersama John Hopfield, menerima Hadiah Nobel bidang fisika tahun 2024. Nobel Prize dalam fisika diberikan kepada mereka karena "temuan-temuan dan invensi-invensi fondasional yang memungkinkan mesin belajar lewat jejaring neural buatan." ANNs, sebagai suatu teknologi yang berakar pada neurosains, sains kognitif, psikologi, matematik dan model-model komputasional, dan fisika, adalah bagian terpenting dari terobosan-terobosan baru AI dewasa ini. 

Hadiah Nobel yang diterima Hinton dan Hopfield menandakan suatu momen historis, yakni pengakuan bahwa fisika telah memainkan peran yang mendalam dan besar dalam mendorong revolusi AI. Hadiah Nobel AI dalam fisika tahun 2024 mengingatkan kita bahwa perjalanan menuju terobosan-terobosan baru AI sekarang ini telah dimulai berdekade-dekade lalu, dengan peneliti-peneliti yang yang visioner meletakkan karya-karya mendasar bagi suatu masa depan yang waktu itu hanya bisa dibayangkan. Karya John Hopfield dan Geoffrey Hinton yang berakar dalam fisika kini sedang membentuk teknologi yang memberi power bagi dunia modern kita.

Sebagaimana AI terus berevolusi, Hadiah Nobel ini tidak hanya merayakan prestasi-prestasi dari para pionir sains AI, tapi juga menyoroti peran kritis riset antarilmu itu --- khususnya antara fisika dan AI --- yang akan dimainkan di masa depan teknologi. 

Karya-karya Hinton yang sangat mendasar dalam membangun AI modern, khususnya Deep Learning, membuatnya dijuluki "The Godfather of AI". Selain itu, Hinton juga menerima penghargaan-penghargaan lain, seperti AAAI Fellow (1990), Rumelhart Prize (2001), NSERC Herzberg Canada Gold Medal (2010), IEEE Frank Rosenblatt Award (2014). Turing Award yang dinamakan juga "Hadiah Nobel komputing", diterima Hinton 2018 bersama dengan Yoshua Bengio dan Yann LeCun untuk karya mereka di bidang Deep Learning dan jejaring neural. 

Karya mereka ini telah merevolusi bidang-bidang yang beranekaragam seperti self-driving cars atau wahana-wahana otonomus, analitik kesehatan, pengenalan citra, pengenalan ucapan, pemrosesan bahasa alamiah atau Natural Language Processing, NLP, (seperti terjemahan bahasa, tafsiran yang sangat cepat oleh komputer atau real-time interpretation, peringkasan teks, analisis perasaan/pengharapan), chatbots (asisten virtual, pelayanan nasabah), diagnosis penyakit dan riset medik, ekonomi dan keuangan, sistem-sistem otonomus dan robotik, pendidikan dan riset, dan cybersecurity.

Ketika menjadi Profesor emeritus di Universitas Toronto, Kanada, Hinton juga membagi waktunya dengan bekerja di Google (Google Brain Team) dari 2013-2023. Namun di bulan Mei 2023, dia melepaskan pekerjaannya di Google karena pertimbangan-pertimbangan atas banyak risiko yang dapat ditimbulkan oleh AI. Dengan begitu, dia dapat bebas berbicara tentang risiko-risiko AI. Dia sangat peduli pada penyalahgunaan AI yang dipertimbangkan dengan cermat oleh aktor-aktor yang berbahaya, pengangguran di lapangan kerja teknologi, dan risiko eksistensial dari Artificial General Intelligence (AGI) atau "human-like intelligence" terhadap manusia. 

Setelah Hinton mendapat Hadiah Nobel, dia mendesak diadakannya riset keamanan AI untuk menggambarkan ihwal bagaimana mengontrol sistem-sistem AI (sistem Artificial Intelligence, sistem Artificial General Intelligence atau AGI atau humanoid AI, dan sistem Artificial Super-Intelligence atau ASI yang memiliki kecerdasan yang berada jauh di atas kecerdasan manusia).

AGI mengacu ke suatu sistem AI yang dihipotesiskan memiliki kecerdasan seperti yang dipunyai manusia, kemampuan bernalar, kemampuan-kemampuan untuk belajar di berbagai bidang dan tugas yang beranekaragam. Menurut platform Meta AI, AGI akan dapat melakukan hal-hal berikut: memahami, belajar dan menerapkan pengetahuan seperti manusia; bernalar, memecahkan masalah, dan mengambil keputusan-keputusan; beradaptasi dengan situasi-situasi baru dan belajar dari pengalaman; memperlihatkan "common sense" (pengetahuan yang diperoleh dari pengalaman-pengalaman real dalam kehidupan) dan kecakapan kognitif. Sekarang ini, AGI sepenuhnya masih teoretis; dan para peneliti sedang bekerja untuk membangun sistem AGI.

Sedangkan Super-AI yang dikenal juga sebagai Artificial Super-Intelligence (ASI) mengacu ke suatu sistem AI hipotetis yang memiliki kecerdasan yang melampaui kecerdasan manusia di segala bidang. Karena itu, ASI mampu belajar, berkembang dan bertambah baik dengan cepat. Mampu mengatasi masalah-masalah yang rumit yang berada di luar kemampuan manusia untuk menangani. ASI mungkin juga akan dapat melipatgandakan besar-besaran diri mereka oleh mereka sendiri dalam perkembangan-perkembangan teknologi. Sekarang ini, ASI sepenuhnya masih spekulatif, dipandang sebagai suatu kemungkinan perkembangan di masa depan. 

Sementara AGI terfokus pada penalaran seperti yang dimiliki manusia, ASI akan memiliki kemampuan-kemampuan memecahkan persoalan-persoalan yang sebelumnya tidak pernah ada. AGI akan dengan signifikan berdampak pada berbagai industri; tetapi ASI potensial dapat mentransformasi peradaban manusia.

Nah, konsep-konsep di atas tentang AGI dan ASI dewasa ini masih sangat teoretis, dan menimbulkan debat yang kuat dan dalam di antara peneliti-peneliti AI, etikus-etikus, dan futuris-futuris.

Kembali ke Hinton. Katanya, "aktor-aktor buruk" yang akan menggunakan teknologi AI untuk membahayakan orang lain, harus dicermati dan dikontrol. Tanpa kontrol, katanya, teknologi ini akan meningkatkan risiko-risiko serangan-serangan cyber dan phishing, video-video palsu dan terus-menerus mencampuri urusan-urusan politik. Beberapa peneliti yang baik percaya bahwa di suatu waktu dalam 20 tahun ke depan ini AI akan lebih cerdas ketimbang manusia; dan kita perlu berpikir keras tentang apa yang akan terjadi pada waktu itu. Tetap ada kemungkinan "robotic apocalypse" atau "robot-pokalipsis" atau "doomerisme robotik" bisa terjadi, yakni punahnya manusia oleh AI dan Super-AI yang manusia ciptakan.

Selama ini karya-karya Hinton meletakkan dasar-dasar bagi Machine Learning (ML) dan Deep Learning (DL). 

ML adalah teknologi yang memungkinkan komputer-komputer untuk meniru kecerdasan manusia, yang dapat berpikir, belajar dan berkembang sendiri. Lebih rinci, ML adalah suatu bagian atau suatu subset AI yang memungkinkan komputer untuk belajar sendiri secara otomatis dari pengalaman tanpa programming yang eksplisit, sehingga kinerjanya kian bertambah baik dan berkembang cepat, dan makin mampu untuk mengadaptasi diri dengan data baru yang tak terlihat, ketika menjalankan tugas-tugas. Algoritma AI Backpropagation menjadi energi pendorong di balik pelatihan-pelatihan Deep Neural Networks (DNNs) sehingga sistem-sistem AI dapat belajar sendiri dari data yang tersedia luar biasa banyak. 

Sedangkan DL adalah suatu subset ML yang menggunakan jejaring neural yang memiliki lapisan-lapisan unit-unit neural yang majemuk (umumnya sekitar 3 sampai 100+ lapisan). DL adalah suatu temuan revolusioner dalam dunia AI yang telah membentuk kembali AI dewasa ini, yang memungkinkan mesin-mesin memproses informasi dengan akurasi yang luar biasa. 

Sistem-sistem DL yang ada sekarang luar biasa kuat dan mampu mencapai kinerja termodern dan terbaru dalam beranekaragam tugas, seperti pengenalan citra, NLP, dan permainan game. Namun, harus diketahui, sistem-sistem DL saat ini tidak mempunyai kemampuan untuk berpikir dan berefleksi tentang diri mereka sendiri, tidak bisa berintrospeksi atau memiliki kesadaran diri ("self-awareness") yang merupakan komponen-komponen esensial dari kegiatan-kegiatan berpikir dan berefleksi seperti pada manusia. 

Sistem-sistem DL saat ini, sementara dapat belajar untuk mengenali dan beradaptasi terhadap kesalahan-kesalahan mereka sendiri, juga tidak dapat melakukan metakognisi, yakni kemampuan untuk dengan kritis memikirkan proses-proses berpikir mereka sendiri atau kondisi-kondisi mental mereka sendiri. 

Ketika kita mengatakan bahwa sistem-sistem DL dapat belajar sendiri dan mengembangkan diri sendiri tanpa pelatihan dan programming sebelumnya, kita mengacu ke kemampuan mereka untuk belajar dari pengalaman-pengalaman mereka di saat berinteraksi dengan lingkungan mereka, menyesuaikan diri dengan situasi-situasi baru dan meningkatkan kinerja mereka dari waktu ke waktu. Mereka juga dapat menemukan pola-pola ("patterns") dan hubungan-hubungan yang kompleks di dalam data, bahkan ketika mereka tidak dengan eksplisit diprogram untuk melakukan hal itu. Selain itu, mereka berkembang maju juga lewat pembelajaran yang diawasi sendiri. Sistem-sistem DL dapat membuat data pelatihan diri mereka sendiri, tujuan-tujuan mereka, atau hadiah-hadiah. Ini memungkinkan mereka untuk belajar dan tumbuh bertambah baik tanpa panduan dari luar. 

Namun, meskipun sistem-sistem DL mempunyai kemampuan-kemampuan yang mengesankan, mereka masih belum memiliki kesadaran diri, yang mengacu ke kesadaran ("consciousness"), yakni kemampuan untuk memiliki pengalaman-pengalaman subjektif, emosi-emosi dan perasaan-perasaan. Mereka juga tidak mempunyai kesadaran yang tertuju pada diri mereka sendiri. Mereka tidak bisa merenungkan keadaan-keadaan mental, pikiran-pikiran dan pengalaman-pengamalan mereka sendiri. Selain itu, mereka juga tidak mampu membuat keputusan-keputusan dan bertindak mandiri, yang didasarkan pada tujuan-tujuan dan motivasi-motivasi mereka sendiri. Jadi, sistem-sistem DL yang ada sekarang tidak mempunyai kesadaran ("consciousness") atau pengenalan diri ("self-awareness"). 

Balik ke Hinton lagi. Belakangan ini Hinton, tentu karena pengalaman-pengalamannya sendiri, lebih memusatkan perhatiannya pada AI yang lebih aman, dan makin peka terhadap kemungkinan-kemungkinan penyalahgunaan AI. Sejawat Hinton, yang sama-sama menerima Turing Award 2018, Yann LeCun, saintis utama di Meta, menyebut doomerisme robotik Hinton sebagai "preposterously ridiculous", atau menggelikan dan mengada-ada.

Well, di suatu artikel online pada web History of Data Science ditulis bahwa "LeCun telah mendorong balik ketakutan-ketakutan yang disuarakan sejumlah orang, termasuk teknolog-teknolog terkemuka lainnya, bahwa AI pada akhirnya dapat menimbulkan bencana dan petaka. Manusia cenderung membayangkan bahwa robot-robot mengembangkan sifat-sifat kepribadian yang negatif yang mendorong orang untuk membahayakan orang-orang lain, tetapi, kata LeCun, 'tidak ada alasan' untuk membayangkan bahwa mesin-mesin suatu saat nanti dapat memiliki sifat-sifat tersebut."

Pada pihak lain, kepada Wired di tahun 2014, tentang LeCun Hinton dapat menyatakan bahwa LeCun "dalam cara tertentu adalah pembawa obor yang melewati zaman-zaman kegelapan."

Hemat saya, ketimbang dihantui ketakutan-ketakutan terhadap potensi bahaya-bahaya mematikan bagi manusia yang dapat timbul dari Artificial Super-Intelligence (ASI) yang mungkin saja ada, para saintis Artificial Intelligence sebaiknya memikirkan dengan sungguh-sungguh ihwal bagaimana menciptakan ASI yang beretika, lalu mempertemukan, menyelaraskan dan, niscaya, perlu menyatukan mesin-mesin supercerdas itu dengan manusia-manusia biologis. Dengan kata lain, Super-AI yang mau kita hasilkan adalah AI-AI yang memiliki sekaligus hardskills (kecakapan teknis yang berdasar ilmu pengetahuan) dan softskills (empati, social intelligence, emotional intelligence, dan existential intelligence).

--- to be continued ---

References

Jessica Coates, "Geoffrey Hinton warns of AI's growing danger after Nobel Prize Win", The Independent, 09 October 2024, https://www.independent.co.uk/news/science/nobel-prize-university-of-toronto-british-nobel-prize-in-physics-google-b2626208.html.

Kyrlynn D., "Geoffrey Hinton, The God Father of Deep Learning and Neural Network Innovator", Quantum Zeitgeist, 8 October 2024, https://quantumzeitgeist.com/geoffrey-hinton/.

Will Douglas Heaven, "Geoffrey Hinton , AI Pioneer and figuredhead of doomerism, wins Nobel Prize", MIT Technology Review, 8 October 2024, https://www.technologyreview.com/2024/10/08/1105221/geoffrey-hinton-just-won-the-nobel-prize-in-physics-for-his-work-on-machine-learning/.

Jiajie Zhang, Ph.D., University of Texas Health Science Center at Houston (UT Health Houston), "AI Wins the 2024 Nobel Prize in Physics", UT Health Houston, 8 October 2024, https://sbmi.uth.edu/blog/2024/ai-wins-the-2024-nobel-prize-in-physics.htm.

HoDS, "Yann LeCun: An Early AI Prophet", History of Data Science, 10 April 2021, https://www.historyofdatascience.com/yann-lecun/.