Feelsafat.com – Penggunaan istilah kecerdasan buatan (AI) pertama yang tercatat dalam proposal untuk Konferensi Penelitian Musim Panas Dartmouth tentang Kecerdasan Buatan pada tahun 1956. Konferensi ini—pada dasarnya sesi curah pendapat selama sebulan—biasanya dianggap sebagai tempat kelahiran AI modern.

Pengantar Kecerdasan Buatan (AI)

Namun, AI memiliki banyak elemen yang mendahului ini. Memang, jika seseorang mengambil kemungkinan mekanisasi pemikiran sebagai gagasan filosofis utama yang mendasari AI, maka gagasan ini dapat ditemukan dalam karya-karya awal para filsuf Cina, India, dan Eropa. AI modern sering mengakui hutangnya kepada para pemikir sebelumnya, meskipun seringkali dengan cara yang sangat selektif dan sering kali sebagai bagian dari perselisihan faksi.
Ada banyak perdebatan tentang definisi AI yang tepat di tahun-tahun sejak 1956. Hal yang paling dekat dengan definisi AI yang disepakati di lapangan dikaitkan dengan Marvin Minsky, penggagas Konferensi Dartmouth: Kecerdasan buatan adalah ilmu membuat mesin melakukan hal-hal yang akan membutuhkan kecerdasan jika dilakukan oleh laki-laki. Definisi ini dapat diambil sebagai titik awal dan diperluas.
Bahkan jika kita tidak mengizinkan implikasi seksis, banyak peneliti tidak ingin dibatasi hanya pada kecerdasan manusia. Penelitian biologi tentang perilaku hewan selama abad ke-21 dengan kuat menunjukkan bahwa kecerdasan telah berevolusi lebih dari sekali di Bumi. Banyak peneliti AI dipengaruhi oleh penemuan-penemuan dalam biologi ini dan karena itu mungkin lebih menyukai definisi yang mencakup hal-hal yang memerlukan kecerdasan jika dilakukan oleh hewan. Penting untuk membedakan istilah kecerdasan buatan dari ikhtiar yaitu Kecerdasan Buatan.
Ini karena banyak penelitian AI, teknologi AI, dan teori AI mungkin menggunakan nama yang berbeda. Untuk alasan komersial atau politik, istilah kecerdasan buatan kadang-kadang dianggap membawa citra negatif, sehingga upaya tersebut sering diganti namanya atau disebut hanya dengan nama teknologi komponen, seperti pembelajaran mesin, kehidupan buatan, robotika, atau ilmu komputer tingkat lanjut. Upaya AI telah berubah menjadi rekayasa sebanyak sains, jika tidak lebih.
Banyak keberhasilan teknologi AI datang dari membangun sistem yang memecahkan masalah tertentu, bukan dari pertama mengembangkan pemahaman tentang prinsip-prinsip ilmiah—terutama di banyak bidang di mana kecerdasan manusia kurang atau tidak dipahami. Upaya untuk mereproduksi perilaku cerdas manusia dalam mesin sering mengungkapkan ketidaktahuan sebagian atau seluruhnya tentang cara manusia mencapai perilaku tersebut.
Dalam hal ini, AI telah mendorong dan mendorong ilmu kecerdasan manusia daripada mengikuti perkembangannya. Definisi yang lebih baik dan diperluas karena itu adalah sebagai berikut: AI adalah studi tentang perilaku cerdas (pada manusia, hewan, dan mesin) dan upaya untuk menemukan cara di mana perilaku tersebut dapat direkayasa dalam semua jenis artefak.
Penting untuk memasukkan “segala jenis artefak” karena beberapa perilaku cerdas dihasilkan oleh jenis perangkat lunak komputer yang tepat, beberapa oleh jenis robot yang benar secara fisik, dan beberapa oleh kombinasi keduanya. Memang, banyak AI yang sukses hanya memiliki keberadaan virtual sebagai bagian dari kode komputer dalam sistem yang lebih besar.

AI Sebagai Ilmu Pengetahuan

Ilmu AI pada dasarnya bersifat interdisipliner— setidaknya melibatkan komputasi, ilmu saraf, biologi, psikologi, matematika, dan filsafat. Ini terkait erat dengan ilmu kognitif, meskipun istilah tersebut tidak digunakan secara bergantian. Sebagai bidang studi, AI sering terlibat dalam perselisihan tentang metode dan bidang dengan bidang ilmu yang lebih mapan ini.
Hal ini dapat diperburuk oleh kecenderungan untuk menggunakan istilah kecerdasan buatan hanya untuk bagian penelitian yang lebih eksperimental atau spekulatif, untuk alasan yang disinggung di bagian sebelumnya. Kecenderungan untuk memberi nama yang berbeda pada kesuksesan AI juga berlaku untuk AI sebagai ilmu. Ilmu AI dapat dilihat telah berkembang melalui tiga fase yang berbeda. Fase-fase ini tidak tepat disebut paradigma dalam penggunaan istilah Thomas Kuhn, karena mereka kompatibel dan modern.
Teknologi AI sering kali menggunakan perpaduan ide yang eklektik dari ketiga fase tersebut. Tahap pertama dikenal sebagai GOFAI (Good Oldfashioned AI). Selama fase ini, rute terpenting menuju perilaku cerdas dianggap sebagai algoritma yang tepat. Itu biasanya teknik pemrograman pintar yang mampu menyimpulkan atau menebak solusi terbaik untuk suatu masalah.
Inilah fase AI yang paling menyerupai komputasi konvensional. Penting untuk ditekankan bahwa ini adalah, dan sekarang, lebih dari sekadar perhitungan karena program AI biasanya beroperasi di area di mana tebakan yang tepat diperlukan.
Contoh yang baik adalah AI permainan, yang, di antara keberhasilan lainnya, telah menghasilkan program permainan catur yang mampu mengalahkan bahkan pemain manusia terbaik sekalipun. Sering diyakini bahwa program-program ini bermain catur dengan menghitung semua kemungkinan gerakan. Ini bukan kasusnya. Secara matematis tidak mungkin menghitung semua gerakan yang tersedia dalam permainan catur.
Program permainan catur harus membuat tebakan yang tepat tentang gerakan mana yang lebih mungkin menghasilkan posisi menang. Tebakan yang diinformasikan ini dikenal sebagai heuristik, dan mereka disempurnakan dengan membiarkan program bermain game (biasanya melawan dirinya sendiri). setuju bahwa pengembangan AI telah membantu menginspirasi munculnya pendekatan yang lebih ilmiah untuk psikologi.
Fase kedua berasal dari kesadaran yang meningkat bahwa metode GOFAI, betapapun suksesnya, sangat berbeda dengan operasi otak alami, yang mengarahkan beberapa peneliti untuk mengeksplorasi pendekatan yang sangat berbeda. Fase kedua ini ditandai dengan upaya untuk menghasilkan perangkat lunak yang lebih mirip manusia atau hewan dalam pengoperasiannya.
Fokus perhatian ini menggunakan nama seperti pemrosesan terdistribusi paralel atau koneksionisme. Perbedaan penting dari GOFAI adalah bahwa metode koneksionis tidak bergantung pada pemrosesan informasi dan aturan yang berurutan. Sebaliknya, beberapa prosesor membuat keputusan agregat dalam tiruan dari neuron di otak manusia atau hewan.
Penting untuk diamati bahwa ini adalah tiruan yang cukup longgar, karena pengoperasian neuron masih belum sepenuhnya dipahami. Metode koneksionis seringkali dapat menghasilkan perilaku yang jauh lebih mirip otak daripada yang dihasilkan oleh metode GOFAI. Fitur seperti mengingat sebagian atau kemampuan untuk mensintesis bagian yang hilang dari data yang tidak lengkap juga membuat teknik ini berguna dalam aplikasi dunia nyata.
Fase ketiga ditandai dengan penekanan yang jauh lebih besar pada pembangunan robot fisik. Ini biasanya dikenal sebagai robotika terletak atau kehidupan buatan. Perubahan penekanan pada fase ketiga adalah penolakan eksplisit untuk menghasilkan perilaku cerdas murni dalam simulasi atau dari “perangkat lunak tanpa tubuh.” Oleh karena itu berfokus pada perwujudan sebagai komponen penting dari perilaku cerdas.
Fase ketiga ini telah menghasilkan robot yang jauh lebih berguna daripada dua fase sebelumnya—dibantu oleh perkembangan bersamaan dalam teknik mesin dan teknologi baterai. Sering dikatakan bahwa psikologi telah belajar banyak dari AI selama 50 tahun terakhir. Salah satu cara di mana hal ini dapat terjadi adalah dengan membangun model komputer dari proses berpikir manusia.
Tingkat pemahaman tentang proses mental yang diperlukan untuk melakukan ini telah memberikan perhatian yang berguna terhadap detail, yang jika tidak ada dalam teori psikologi. Banyak psikolog mengakui pengaruh langsung AI. Bahkan di antara mereka yang mengaku tidak terpengaruh secara langsung oleh teori AI, umumnya.

AI sebagai Rekayasa

Tidak seorang pun yang menggunakan teknologi modern dapat gagal untuk memperhatikan bahwa banyak perangkat menjadi lebih pintar. Sebagian besar teknologi AI adalah perangkat lunak komputer yang menghasilkan perilaku cerdas dalam aplikasi tertentu. Ini dapat diintegrasikan dengan mulus dan sering kali tanpa terlihat ke dalam sistem komputer yang mengontrol sistem yang lebih besar—dan perilaku manusia—di dunia nyata.
Contoh yang baik adalah penggunaan AI yang sekarang umum dalam sistem manajemen lalu lintas. Daripada meminta operator manusia membuat sejumlah besar keputusan kompleks untuk mengoptimalkan arus lalu lintas dan meminimalkan tingkat polusi dari emisi kendaraan, sistem jalan semakin dialihkan ke kontrol otomatis. Kontrol otomatis jauh lebih cepat dan lebih andal daripada operator manusia.
Komponen AI dalam sistem tersebut adalah bagian dari perangkat lunak komputer yang memecahkan masalah kompleks secara real time. Tanpa pemeriksaan yang cermat, orang tidak akan tahu bahwa teknologi AI ini ada di sana. Perhatikan bahwa sistem tersebut juga mengatur perilaku manusia di mana pengemudi secara hukum diwajibkan untuk mematuhi instruksi mereka melalui sinyal lalu lintas dan batas kecepatan variabel.
Contoh ini menggambarkan banyak fitur utama AI sebagai rekayasa. Tanpa pengetahuan orang dalam yang khusus, publik seringkali tidak menyadari keberadaannya—terutama kehadirannya dalam kehidupan sosial, mengendalikan dan memungkinkan tindakan sosial. Dalam banyak kasus, pengembang, pemilik, dan pengguna sistem otomatis tidak ingin label “kecerdasan buatan” diterapkan pada sistem mereka.
Sistem seperti itu akan lebih dapat diterima oleh publik jika digambarkan dengan apa yang dilakukannya, tanpa menyebut teknologi AI. Teknologi AI terlibat dalam pemantauan transaksi keuangan dan dalam mendeteksi penipuan kartu kredit secara real time. Teknologi AI sangat penting untuk perutean panggilan telepon seluler.
Banyak saran online dan sistem bantuan menggunakan teknologi AI dengan cara yang mungkin lebih jelas. Mesin mobil, pesawat terbang, dan kereta api sering dipantau oleh program AI. Aplikasi ini kemungkinan besar akan menggunakan pendekatan koneksionis atau campuran metode GOFAI dan koneksionis. Mesin pencari internet adalah contoh penerapan AI.
Demikian pula, upaya untuk mendapatkan perilaku cerdas dari robot, meskipun pada tahap awal, telah menghasilkan sejumlah mainan yang dapat dipelajari dan robot militer memiliki tingkat otonomi yang berguna. Sulit, jika bukan tidak mungkin, untuk secara lengkap mencantumkan aplikasi AI sebagai rekayasa, hanya karena ia mencakup begitu banyak teknologi modern.

Mitos Mengenai Kegagalan AI

Terlepas dari kenyataan bahwa teknologi AI ada di sekitar kita, mitos telah berkembang baik di dalam maupun di luar AI bahwa itu adalah proyek yang gagal. Mitos ini sepenuhnya salah—AI telah sangat sukses baik sebagai sains maupun teknik.
Namun, ada banyak alasan munculnya mitos semacam itu. Alasan penting dalam bidang AI adalah kecenderungan untuk menjanjikan terobosan besar dalam rentang waktu yang sangat singkat. Hal ini telah menyebabkan kekecewaan dalam badan-badan pendanaan dan sejumlah apa yang disebut musim dingin AI, di mana sulit untuk melanjutkan penelitian.
Yang juga penting dalam kemunculan mitos adalah tanggapan yang seringkali sangat skeptis dari beberapa filsuf. Banyak filsuf tidak terkesan dengan keberhasilan rekayasa AI. Mereka mengklaim bahwa pencapaian ini sama sekali tidak membentuk “kecerdasan nyata”.
Argumen filosofis dapat dicirikan sebagai apakah kata artifisial dalam “kecerdasan buatan” memiliki kekuatan yang sama seperti dalam cahaya buatan, yang merupakan “cahaya nyata,” atau seperti pada bunga buatan, yang hanyalah tiruan kasar dan tidak memiliki sebagian besar sifat. dari bunga asli.

Tanggapan Filosofis terhadap AI

Tes Turing

Ungkapan Tes Turing diterapkan pada permainan yang diperkenalkan dalam sebuah artikel, “Mesin Komputasi dan Kecerdasan,” yang diterbitkan pada 1950 di Mind— salah satu jurnal filsafat Inggris yang paling lama berdiri. Itu ditulis pada tahun 1948 oleh Alan Turing, seorang jenius matematika yang telah menghabiskan tahun perang 1939-1945 di Bletchley Park terlibat dalam diam-diam memecahkan kode Enigma Jerman.
Pada tahun 1948, Turing telah pindah ke Manchester, di mana komputer elektronik—bisa dibilang komputer modern pertama—telah dibangun. Pada saat dia menulis “Mesin Komputasi dan Kecerdasan,” Turing juga terlibat dalam penulisan kode program untuk mesin ini. Yang penting, artikel ini adalah artikel filosofis yang ditulis oleh seorang matematikawan yang beralih menjadi pemecah kode yang menjadi pemrogram komputer.
Dalam “Mesin Komputasi dan Kecerdasan,” Turing mengatakan dia ingin membahas pertanyaan “Dapatkah mesin berpikir?” Namun, karena pertanyaan ini terlalu kabur, ia mengusulkan untuk menggantinya dengan permainan. Game ini dia sebut “game imitasi.” Ini melibatkan tiga orang di kamar terpisah.
Mereka dapat berkomunikasi hanya dengan mengetik pesan satu sama lain. Dalam versi aslinya, ada seorang pria, seorang wanita, dan seorang interogator yang jenis kelaminnya tidak penting. Interogator, seperti namanya, dapat mengajukan pertanyaan apa pun kepada dua peserta lainnya. Tujuan dari permainan ini adalah untuk pria dan wanita untuk meyakinkan interogator bahwa mereka adalah wanita.
Wanita itu akan menjawab dengan jujur, dan pria itu akan mengetik hal-hal seperti “Jangan dengarkan dia, akulah wanitanya.” Sekarang apa yang akan kita katakan, tanya Turing, jika peran pria dalam game ini akan berhasil dimainkan oleh sebuah mesin? Yaitu jika, setelah 5 menit pertanyaan, rata-rata interogator tidak akan dapat mengenali bahwa dia berkomunikasi dengan mesin setidaknya 30% dari waktu. Jika saatnya tiba ketika mesin dapat mencapai tingkat keberhasilan ini dalam permainan imitasi, maka, menurut klaim Turing, orang akan dengan senang hati menggambarkan mesin seperti mesin berpikir.
Game tiruan tersebut telah dikenal sebagai tes Turing, dan banyak orang berpikir bahwa mencapai tingkat kesuksesan Turing dalam game imitasi adalah ujian apakah AI akhirnya tercapai atau tidak. Turing berpikir bahwa ini adalah masalah kapan, bukan jika, kami akan membuat mesin seperti itu. Dia dengan percaya diri meramalkan bahwa pada tahun 2000, komputer digital akan dapat mencapai tingkat keberhasilan ini dalam permainan imitasi.
Pencapaian ini akan mengubah sikap masyarakat sehingga menjadi biasa jika berbicara tentang “mesin berpikir”. Namun, tidak ada komputer yang mendekati cukup baik untuk berhasil dalam permainan imitasi di masa mendatang. Salah satu masalah penting dalam membangun mesin yang mampu memenangkan permainan imitasi adalah bahwa interogator dapat mengajukan pertanyaan apa pun secara mutlak dan bahwa manusia tampaknya sangat pandai mendeteksi jawaban yang tidak masuk akal.
Sayangnya, menggunakan game imitasi sebagai uji AI sangat menyesatkan. Ini sering mengalihkan perhatian peneliti AI ke dalam imitasi manusia dan metode menipu orang. Peniruan semacam itu tidak penting bagi AI baik sebagai sains maupun teknik.
Meskipun demikian, artikel Turing telah menjadi pusat filosofi AI. Prinsip filosofis utama yang diperkenalkan dalam artikel ini adalah kesetaraan fungsional. Jika komputer menghasilkan respons yang tidak dapat dibedakan dari respons manusia, maka dalam percakapan sehari-hari, kita cenderung mengatakan bahwa ia dapat berpikir.

Ruangan Cina

Keberatan yang banyak dikutip terhadap klaim bahwa komputer dapat berpikir dikaitkan dengan filsuf John Searle dan kemudian dikenal sebagai argumen “ruang Cina”, setelah eksperimen pemikiran yang ia usulkan. Meskipun banyak kritik, argumen ruang Cina terus dibahas setelah lebih dari 30 tahun. Searle dimaksudkan untuk menunjukkan bahwa komputer yang diprogram dengan tepat tidak dapat berpikir.
Ini mungkin menjadi benar sebagai masalah sains — meskipun tampaknya tidak mungkin pada bukti saat ini. Searle tidak menunggu sains untuk menyelesaikan masalah: Dia mengklaim dapat menunjukkan dengan argumen saja ketidakmungkinan pemikiran mesin sebagai akibat dari mengikuti suatu program.
Dia meminta kami untuk mempertimbangkan ruangan yang memberikan jawaban yang andal dan masuk akal untuk pertanyaan dalam bahasa Cina. Yang menarik dari kamar Searle adalah kerja internalnya. Di dalam ruangan terdapat serangkaian instruksi lengkap (ditulis dalam bahasa Inggris) yang merinci bagaimana menanggapi input apa pun dengan simbol Cina. Dia (Profesor Searle) duduk di dalam ruangan mengikuti instruksi dan, dengan demikian, dapat menanggapi dengan tepat setiap pertanyaan masukan, meskipun dia melakukannya tanpa pernah mengetahui apa arti simbol atau apa pertanyaannya.
Searle tidak menyebutkan game tiruan Turing secara eksplisit tetapi dengan jelas berpikir dia telah melakukan reductio pada Turing. Bahkan kemampuan menjawab setiap pertanyaan yang mungkin tidak berarti bahwa mesin itu berpikir.
Mungkin hanya tampak berpikir dengan mengikuti sebuah program. Banyak orang di AI telah menanggapi eksperimen pemikiran ini selama bertahun-tahun, tetapi Searle tetap keras kepala, menolak mereka sebagai “semua salah.” Beberapa dari mereka yang menanggapi berpikir bahwa “Ruang Cina” perlu dimasukkan ke dalam robot nyata di dunia nyata — seperti pada fase ketiga AI.
Respons yang paling sering dibuat disebut oleh Searle sebagai “Respons Sistem.” Klaim utama dari tanggapan ini adalah bahwa meskipun Searle di ruangan itu tidak mengerti bahasa Mandarin, sistem secara keseluruhan memahami bahasa Mandarin. Balasan sistem juga jelas salah, kata Searle, karena sama seperti tidak ada pemahaman di Searle di dalam ruangan, tidak ada pemahaman di tempat lain di sistem juga.
Buku petunjuk hanyalah sebuah buku, dan ruangan hanyalah sebuah ruangan. Tidak ada dalam sistem yang memahami bahasa Cina lebih dari Searle, jadi tidak ada gunanya mencari pemahaman dalam sistem.
Dapat dikatakan bahwa kegigihan Searle salah, karena telah sering diamati (setidaknya sedini di Leibnitz) bahwa tidak ada bagian dari sistem pemikiran yang harus dapat berpikir. Oleh karena itu, pemahaman mungkin tidak dicari di bagian mana pun dari Ruang Cina. Argumen Kamar Cina telah terbukti bertahan lama.
Beberapa alasan untuk ini terletak pada daya tariknya terhadap intuisi kita. Kita tidak merasa seolah-olah pikiran kita, atau bahkan menyerupai, mengikuti sebuah program. Sekilas juga tidak masuk akal bahwa kekayaan kehidupan mental dapat direproduksi oleh mesin yang mengikuti instruksi. Gagasan tentang mesin berpikir tetap kontroversial, terlepas dari keberhasilan AI.

Implikasi Etis AI

Tanggapan filosofis terhadap AI telah terkonsentrasi pada masalah konseptual apakah AI dapat dikatakan benar-benar berpikir atau tidak dan apakah ide membuat mesin berpikir secara konseptual koheren atau tidak. Karena alasan ini, perhatian yang diberikan pada implikasi etis dari perubahan yang ditimbulkan oleh penggunaan AI sebenarnya sangat kurang diperhatikan.
Tidak terlihatnya teknologi AI yang sukses juga berkontribusi pada kurangnya kesadaran akan masalah sosial dan etika seputar AI. Sekarang ada minat yang tumbuh pada beberapa masalah etika mendesak yang dilontarkan oleh AI. Pertimbangkan, misalnya, penggunaan AI dalam pengobatan.
Sistem berbasis pengetahuan modern telah terbukti lebih unggul daripada dokter manusia di bidang khusus tertentu. Ada juga bukti bahwa psikoterapi terkadang lebih efektif jika dilakukan oleh komputer daripada jika dilakukan oleh terapis manusia. Tidak etis untuk menolak pengenalan AI di area ini. Namun, tidak ada prinsip etika yang jelas yang ditetapkan untuk desain dan penggunaan sistem tersebut.
Sampai saat ini, belum ada kriteria yang disepakati tentang siapa yang harus bertanggung jawab jika terjadi kesalahan. Sekarang ada kekhawatiran internasional tentang penggunaan robot militer otonom, dengan beberapa pihak berwenang menyerukan moratorium penyebaran mereka. Penggunaan robot dalam aplikasi perawatan—misalnya, dalam penitipan anak—dan di “rumah pintar” untuk orang lanjut usia juga menimbulkan masalah etika yang masih belum terselesaikan.
Pemodelan dan Simulasi Berbasis Agen dalam Ilmu Sosial; Komputasi Klasik, Koneksionisme, dan Ilmu Saraf Komputasi; Logika Koalisi; Ilmu Kognitif; Kognisi yang Diwujudkan; Interaksi Manusia-Mesin; Kesadaran Mesin dan Agen Otonom; Hubungan Pikiran-Tubuh; Pemodelan Multi-Agen
Baca Juga:  Teori Jaringan - Aktor (Actor-Network Theory/ANT)