Elon Musk baru-baru ini mengemukakan pendapat kontroversial terkait perkembangan kecerdasan buatan (AI), menyatakan bahwa industri tersebut telah mencapai batas pengetahuan manusia. Dalam sebuah siaran langsung di platform media sosial X, Musk—yang juga pemilik perusahaan AI xAI—menyampaikan bahwa para pengembang model kecerdasan buatan, seperti GPT-4 yang menjadi dasar ChatGPT, sekarang mengalami kesulitan dalam memperoleh data yang cukup dari sumber manusia.
“Data di internet telah digunakan secara luas untuk melatih model-model seperti ini. Namun, saya khawatir bahwa kita telah kehabisan pengetahuan yang dapat diambil dari manusia,” ujarnya. Menurut Musk, untuk melanjutkan pelatihan sistem AI yang lebih canggih, diperlukan pendekatan baru, yakni penggunaan data "sintetis".
Berikut adalah beberapa poin penting yang disampaikan Musk dalam siaran tersebut:
Kehabisan Data Manusia: Musk menjelaskan bahwa penggunaan data dunia nyata untuk melatih model AI telah mencapai batasnya. Oleh karena itu, cara baru diperlukan untuk mendukung inovasi dalam bidang ini.
Pentingnya Data Sintetis: Musk menyatakan bahwa data sintetis, yang dihasilkan oleh AI itu sendiri, menjadi solusi utama—di mana AI dapat belajar dan membuat kesimpulan dari data yang diciptakannya. "Ini adalah satu-satunya cara untuk melengkapinya," tambahnya.
Potensi Halusinasi: Meski menggunakan data sintetis, Musk mengingatkan akan risiko yang berkaitan, seperti “halusinasi” AI, istilah yang merujuk pada hasil yang salah atau menyesatkan yang mungkin dihasilkan model. "Bagaimana Anda tahu apakah itu jawaban yang dihalusinasi atau jawaban yang nyata?" tanyanya, menekankan tantangan yang harus dihadapi dalam validasi informasi.
- Penggunaan Oleh Perusahaan Besar: Pendekatan penggunaan data sintetis bukanlah hal baru. Beberapa perusahaan besar seperti Meta, Google, dan OpenAI telah menerapkannya dalam upaya mereka mengembangkan model AI. Ini menunjukkan trennya yang semakin meluas di kalangan pengembang AI.
Musk memperingatkan bahwa meskipun penggunaan data sintetis dapat memfasilitasi pembelajaran mandiri bagi model AI, tantangan terkait keakuratan dan keandalan data tetap harus diperhatikan. Dalam konteks ini, mengingat dampak yang dapat ditimbulkan, baik positif maupun negatif, penggunaan data yang dihasilkan oleh AI menjadi isu penting yang perlu dibahas lebih lanjut. Seiring perkembangan teknologi yang terus berlanjut, perdebatan tentang metode pelatihan AI dan kualitas data yang digunakan akan semakin relevan dalam diskusi publik.
