Tangkapan Awal Isu Filosofis dari Teknologi AI & Robotik

Saat ini, saya tengah larut dalam diskusi-diskusi terkait Islam, Pemikiran Islam dan bagaimana keduanya terlibat dalam topik-topik penting terkait sains dan teknologi pada hari ini. Kebetulan, bidang riset dan kajian saya di kampus (lab) saat ini berfokus pada bidang teknologi, khususnya teknologi AI dan Robotik. Dua teknologi besar yang digadang-gadang akan memberikan perubahan signifikan pada hidup kita di abad ke-20. Tidak hanya mengubah bagaimana kita menjalankan bisnis di suatu industri, tapi juga berpotensi mengubah bagaimana kita berkomunikasi, kita belajar, kita bekerja hingga bagaimana pada akhirnya kita memandang kehidupan ini.

Sejauh yang saya temukan, Teknologi AI dan Robotik, disamping banyaknya kebermanfaatan praktis yang bisa kita rasakan secara langusung, sebetulnya juga pada akhirnya memberikan banyak pertanyaan-pertanyaan filosofis dan etis yang tidak bisa kita abaikan. Semisal, untuk teknologi AI sendiri, yang berangkat dari ide/gagasan tentang bagaimana mesin-mesin yang ada di sekitar kita bisa memiliki kecerdasan terkhusus kecerdasan seperti manusia, juga menyisakan pertanyaan-pertanyaan bagi hidup kita belakangan ini. Sebut saja pertanyaan seperti apa yang sebetulnya kita maksud dengan manusia, betul kah pada akhirnya mesin bisa berpikir, apakah manusia itu hakikatnya juga mesin, hingga pada kekhawatiran utama tentang kemungkinan manusia digantikan oleh mesin.

Sejujurnya, saya sendiri belum memiliki jawaban yang kuat untuk pertanyaan-pertanyaan tadi. Karena memang itu semua adalah pertanyaan-pertanyaan besar yang tidak bisa dijawab dalam waktu 1-2 malam. Butuh pengkajian serius dan membuka banyak literatur-literatur penting yang bisa membantu menjawab pertanyaan tersebut. Mungkin, kita bisa coba berangkat dari menelisik secara teliti apa saja yang menjadi pembeda dari manusia dan mesin dalam aktivitas berpikir ini. Seiring dengan riset di bidang teknologi terkait yang saya lakukan hampir setiap harinya, saya mencoba membuat catatan tentang bagaimana sebetulnya manusia itu berpikir yang dipahami oleh para ilmuwan hari ini. Berikut saya coba muat daftarnya (dalam bahasa Inggris) pada tulisan kali ini.

Ps. Daftar di bawah ini belum final. Artinya, keterangan yang termuat akan terus berubah, dan sangat mungkin untuk dikurangi atau ditambahkan, seiring dengan semakin dalam riset-riset yang saya lakukan di bidang teknologi ini. Termasuk, kedepannya akan saya lengkapi dengan contoh-contoh teknis yang bisa memperkuat dugaan-dugaan yang ada berdasarkan apa yang saya tangkap dari hasil-hasil penelitian yang dilakukan oleh banyak ilmuwan.


While Artificial Intelligence has made impressive progress, there are still several aspects where today’s machine learning falls short of human capabilities. Here are some examples:

Continuous Learning. When humans learn a new task there is no explicit distinction between training and inference. As we learn a task, we keep learning about it while performing the task.  This is in contrast with conventional settings in machine learning where a trained model is frozen during inference.

Common Sense Reasoning. Humans have an innate ability to reason about everyday situations using common sense knowledge. Machine learning models often struggle with understanding context and making inferences that are trivial for humans.

Ambiguous Understanding. Humans can easily understand and interpret unstructured data like images, videos, and natural language text even with ambiguity. While machine learning has made significant progress in these areas, models can still struggle with nuanced or ambiguous information.

Causal Reasoning. Humans can infer cause-and-effect relationships from observations and reason about the consequences of actions. Many machine learning models focus on correlation rather than true causal relationships.

Generalization and Transfer Learning. Humans excel at transferring knowledge from one domain to another. While transfer learning in machine learning is a growing area, models often require substantial labeled data to perform well in a new domain.

Adaptation to Novel Situations. Humans can quickly adapt to new and unexpected situations. Machine learning models are typically limited to the data they were trained on and can struggle when faced with situations not covered in training.

Creativity and Innovation. Human creativity and innovation are driven by complex cognitive processes. While some AI systems can generate creative content, they often lack the depth and originality of human-generated work.

Emotional Understanding. Humans can understand emotions from facial expressions, tone of voice, and context. While sentiment analysis and emotion recognition models exist, they often struggle with nuances and cultural differences.

Ethical and Moral Reasoning. Humans engage in complex ethical and moral reasoning. Machine learning models lack a true understanding of ethics and often reflect biases present in training data.

Physical Interaction and Manipulation. Humans have fine motor skills and can manipulate objects in the physical world with precision. Physical manipulation remains a challenge for robots and AI systems.

Semantic Understanding. Meaning or understanding of objects, scenes, and their relationships within an environment. Specifically, it pertains to the knowledge about the functions, categories, and associations of objects and locations in the environment.

Leave a Reply

Your email address will not be published. Required fields are marked *