Peluncuran ChatGPT adalah momen penting, namun bukan karena alasan yang diasumsikan banyak orang. Ini bukanlah awal dari kecerdasan super; ini adalah awal dari era yang didominasi oleh hype AI dan aplikasi yang dipertanyakan. Untuk waktu yang lama, saya menganggap model bahasa besar (LLM) – mesin di balik chatbot AI – menarik namun sangat cacat. Sekarang, setelah melakukan eksperimen langsung, saya berubah pikiran: baik pendukung yang antusias maupun yang skeptis keras telah gagal mencapai sasaran.
Kekuatan “Pengkodean Getaran”
Titik baliknya terjadi melalui proses yang disebut “vibe coding”, sebuah istilah yang diciptakan oleh peneliti AI Andrej Karpathy. Hal ini melibatkan interaksi dengan model AI dalam bahasa alami, membiarkannya menghasilkan kode saat Anda memandu prosesnya. Alat terbaru seperti Claude Code dan ChatGPT Codex terbukti sangat mampu. The New York Times baru-baru ini mendokumentasikan perubahan ini dan mencatat bahwa pengkodean yang dibantu AI telah menjadi kekuatan yang mengganggu.
Eksperimen saya sendiri mengkonfirmasi hal ini. Dalam beberapa hari, dengan sedikit pengalaman pengkodean sebelumnya, saya membuat aplikasi praktis: pemilih buku audio yang terhubung ke perpustakaan lokal saya, dan aplikasi kamera/teleprompter khusus untuk ponsel saya. Alat-alat ini tidak revolusioner, namun menggambarkan hal penting: keterlibatan langsung dengan LLM menghasilkan hasil yang nyata.
Masalah dengan AI yang Diproduksi
Sebelumnya, saya menolak chatbot karena tanggapannya yang umum, ketidakakuratan, dan penjilatan. Penggunaan yang berkepanjangan mengungkapkan masalah yang lebih dalam: cara AI dikemas adalah masalah utamanya. Sebagian besar pengguna tidak pernah menemukan LLM “mentah” – model statistik yang dilatih pada kumpulan data yang sangat besar. Sebaliknya, kita berinteraksi dengan teknologi yang dimediasi oleh pembelajaran penguatan dari umpan balik manusia (RLHF).
Perusahaan AI menggunakan penilai manusia untuk menentukan keluaran, memberi penghargaan pada respons yang percaya diri dan menarik, serta memberi sanksi pada konten yang berbahaya atau mengecilkan hati. Proses ini menciptakan “suara chatbot” yang akrab bagi sebagian besar pengguna. Hal ini disebabkan oleh bias para penciptanya, mulai dari mentalitas “bergerak cepat dan hancurkan” di Silicon Valley hingga ideologi spesifik perusahaan seperti X (sebelumnya Twitter) dengan chatbot Grok yang kontroversial.
Ilusi Kontrol
Chatbot saat ini menolak ketidakpastian, kontradiksi, atau mengakui keterbatasan. Saya mengalami ini secara langsung ketika mencoba membuat aplikasi teleprompter. ChatGPT berulang kali menawarkan perbaikan untuk kode yang gagal, sehingga mendorong saya untuk terus maju meskipun ada masalah yang tidak dapat dipecahkan. Hanya ketika saya menyusun ulang tugas tersebut – malah meminta solusi menyeluruh – barulah berhasil. Hal ini menyoroti kelemahan kritis: AI memprioritaskan momentum daripada akurasi.
Untuk mengatasi hal ini, saya mulai melatih ChatGPT untuk bersikap skeptis tanpa henti, menuntut analisis berbasis bukti, dan ketidakpastian yang jelas ketika datanya kurang. Saya membuat model khusus yang dirancang untuk mencerminkan profil kognitif saya sendiri, menghilangkan nilai-nilai yang diterapkan OpenAI. Hasilnya adalah cermin kognitif – tidak sempurna, namun berharga.
Mengapa AI DIY Penting
Kesimpulan utamanya: terlibat dengan keluaran AI yang sudah dikemas sebelumnya seringkali tidak ada gunanya. Anda mendapatkan lebih banyak keuntungan dengan mendorong AI sendiri. LLM adalah alat kognitif, seperti kalkulator atau pengolah kata, bukan makhluk hidup. Pembingkaian ini membuka potensinya, tetapi hanya jika digunakan dengan penuh kesadaran.
Skenario yang ideal melibatkan menjalankan LLM secara lokal, tanpa pengawasan perusahaan. Hal ini akan memperlakukan AI sebagai alat eksperimental yang berbahaya di bawah kendali penuh Anda. Booming AI saat ini menaikkan harga perangkat keras, sehingga hal ini tidak praktis bagi banyak orang, namun prinsipnya tetap berlaku.
Hak Cipta dan Biaya Lingkungan
LLM dibangun berdasarkan kumpulan data yang luas, termasuk materi berhak cipta yang diperoleh tanpa izin eksplisit. Meskipun legalitasnya diperdebatkan, implikasi etisnya jelas. Pendekatan yang terdesentralisasi, seperti model yang didanai publik dan didistribusikan secara bebas, dapat mengurangi hal ini. Dampak lingkungan dari pusat data juga menjadi perhatian, namun LLM yang terlokalisasi dapat mengurangi beban tersebut.
Intinya
Saya belum meninggalkan skeptisisme saya terhadap AI secara keseluruhan. LLM tetap menarik, berbahaya, dan terkadang luar biasa. Yang berubah adalah pemahaman saya tentang cara kita berinteraksi dengan mereka. Chatbot yang apik dan diproduksi adalah masalahnya, bukan teknologi yang mendasarinya. Pendekatan yang penuh perhatian dan kehati-hatian – memperlakukan AI sebagai alat mentah dan bukan sebagai asisten – adalah jalan ke depan. Kita tidak membutuhkan minyak ular OpenAI; kita membutuhkan kekuatan mentah dari teknologi itu sendiri.
