"Efek Kupu-Kupu" Artificial Intelligence pada Nasib Peradaban

Edward Lorenz, guru besar bidang meteorologi Institut Teknologi Massachusetts, kemudian menandaskan hasil pemodelannya kurang lebih: kompleksitas alam yang tak terhitung jumlahnya, berarti kepakan sayap kupu-kupu yang dapat menyebabkan tornado. Juga sebaliknya: kompleksitasnya yang diketahui, dapat digunakan untuk mencegahnya. Membuat perubahan sekecil apa pun pada alam membawa akibat yang tak akan pernah diketahui. Perubahan selanjutnya terlalu rumit dan rumit pula mengembalikannya pada keadaan semula. Rangkaian penjelasan di atas dikutip dari "What Is the Butterfly Effect and How Do We Misunderstand It?", ditulis Nathan Chandler, 2023. Juga bersumber dari catatan Advancing Physics, 2003, berjudul "This Month in Physics History, Circa January 1961: Lorenz and the Butterfly Effect"

Peta Jalan AI di Indonesia Bakal Diuji Publik Mulai Agustus

Tak hendak berpanjang lebar membahas butterfly effect dalam kaitan dengan keadaan cuaca, maupun pengaruhnya di alam semesta. Butterfly effect akibat introduksi artificial intelligence (AI) pada peradaban, menarik dipikirkan. Sifatnya tak pasti, kompleks dan acak. Peradaban didominasi faktor sosial yang tak terprediksi, perubahannya sulit diprakirakan. Butterfly effect yang dikaitkan dengan AI ini, perspektifnya dapat dilihat dari dua arah. Dari arah AI itu sendiri sebagai efek kupu-kupu dan arah efek kupu-kupu yang ditimbulkan AI.

Artefak budaya yang akarnya teknologi komputasi ini, yang pengembangannya marak di tahun 1940-an, dengan Alan Turing sebagai tokoh sentralnya, dikembangkan sebagai sistem yang mampu meniru kecerdasan manusia: belajar, memahami, memprediksi, juga merekomendasikan keputusan. Penyebutannya sebagai artificial intelligence, pertama kali termuat pada proposal yang ditulis John McCarthy, untuk konferensi di Dartmouth musim panas, tahun 1956. Terdapat 3 hal yang berefek besar, penyebab lompatannya. Masing-masing adalah: next-generation computing architecture, access to historical datasets dan advances in deep neural networks. Ketiga hal ini, dikemukakan Janakiram MSV, 2018, dalam "Here Are Three Factors That Accelerate the Rise of Artificial Intelligence".

CP Terbaru 2025: Kurikulum Baru yang Siap Hadapi Era AI dan Deep Learning

Faktor pertama adalah arsitektur komputasi generasi mendatang. Pada faktor pertama ini, Janakiram menyebut 3 hal mikro yang mendorong perubahan. Yaitu, GPU yang semula bagian PC gaming dan workstation kelas atas, berperan memungkinkan proses pelatihan machine learning (ML). Berikutnya, Field Programmable Gate Array (FPGA) prosesor yang dapat diprogram dan disesuaikan untuk beban kerja tertentu. Ini juga berperan dalam pelatihan model ML. Yang terakhir, server bare metal untuk menjalankan pekerjaan komputasi berkinerja tinggi di cloud.

Adapun faktor keduanya, akses ke kumpulan data historis. Semula biaya penyimpanan dan akses data mahal. Dengan adanya cloud, akses data yang sebelumnya terbatas dapat leluasa dilakukan dan berbiaya murah. Kumpulan data historis yang besar ini, diperlukan untuk melatih model ML yang dapat akurat memprediksi. Model ML yang dihasilkan, berbanding lurus dengan kualitas dan ukuran datanya. Data berlimpah dengan perangkat komputasi berkinerja tinggi, mengembangkan AI ke generasi berikutnya.