Ada sebuah narasi besar yang terus didengungkan di telinga kita selama beberapa tahun terakhir: bahwa masa depan bukanlah “AI menggantikan manusia”, melainkan “Manusia + AI” yang akan menjadi tim tak terkalahkan.

Kita membayangkan sebuah centaur—makhluk mitologi setengah manusia setengah kuda—di mana kreativitas manusia bersatu dengan kecepatan komputasi mesin.

Namun, bagaimana jika saya katakan bahwa narasi tersebut mungkin… sedikit keliru?

Atau setidaknya, terlalu optimis?

Baru-baru ini, saya membaca sebuah paper penelitian yang sangat membuka mata (dan sedikit menampar ego kita sebagai manusia) yang diterbitkan di jurnal bergengsi Nature Human Behaviour.

Paper berjudul “When combinations of humans and AI are useful: A systematic review and meta-analysis” ini ditulis oleh Michelle Vaccaro, Abdullah Almaatouq, dan Thomas Malone dari MIT.

Mereka tidak main-main.

Mereka melakukan tinjauan sistematis dan meta-analisis terhadap 106 studi eksperimental yang mencakup 370 ukuran efek (effect sizes) dari tahun 2020 hingga 2023.

Pertanyaan mereka sederhana namun fundamental:

Kapan kombinasi manusia dan AI bekerja lebih baik daripada salah satu dari mereka bekerja sendirian.

Jawabannya? Rumit, filosofis, dan sangat penting untuk kita pahami agar tidak terjebak dalam ilusi produktivitas.

Mari kita selami lebih dalam..

Realita Pahit: Tidak Ada Sinergi (Rata-rata)

Mari kita mulai dengan “berita buruk” nya.

Secara intuitif, kita berpikir bahwa jika manusia digabungkan dengan AI, hasilnya pasti A + B = C (di mana C lebih besar dari A atau B). Ini yang disebut sebagai Sinergi Manusia-AI (Human-AI Synergy).

Definisi sinergi di sini sangat ketat: tim Manusia+AI harus bisa mengalahkan performa manusia terbaik sendirian ATAU performa AI terbaik sendirian.

Fakta yang ditemukan para peneliti ini cukup mengejutkan. Secara rata-rata, kombinasi manusia-AI justru berkinerja lebih BURUK daripada yang terbaik di antara keduanya bekerja sendirian.

Dalam bahasa statistik, mereka menemukan nilai Hedges’ g sebesar -0.23. Angka negatif ini menunjukkan kerugian kinerja (performance loss). Artinya, dalam banyak kasus yang diteliti, jika kita hanya peduli pada hasil akhir (seperti akurasi), kita sebenarnya lebih baik membiarkan AI bekerja sendirian atau membiarkan manusia bekerja sendirian, tergantung siapa yang lebih ahli, daripada memaksakan kolaborasi.

Ini adalah tamparan keras bagi konsep “Human-in-the-loop” yang sering diagungkan.

Ternyata, kehadiran kita dalam proses tersebut seringkali justru menjadi “beban” yang menurunkan kualitas output maksimal yang bisa dicapai oleh sistem AI tercanggih.

Sisi Terang: Augmentasi Manusia Tetap Ada

Tapi tunggu dulu, jangan buru-buru membuang langganan ChatGPT kalian. Ada sisi lain dari koin ini.

Meskipun “Sinergi” (mengalahkan yang terbaik dari keduanya) sulit dicapai, riset ini menemukan bukti kuat adanya Augmentasi Manusia (Human Augmentation).

Apa bedanya? Augmentasi Manusia hanya membandingkan performa “Manusia + AI” melawan “Manusia Sendirian”.

Hasilnya? Sangat positif.

Tim gabungan Manusia-AI secara signifikan mengungguli manusia yang bekerja sendirian, dengan nilai efek positif yang cukup besar.

Jadi, filosofinya begini: AI memang membuat kita (manusia) menjadi lebih baik daripada versi diri kita sebelumnya. Namun, AI itu sendiri seringkali sudah lebih pintar dari kita dalam tugas tersebut, sehingga ketika kita ikut campur (“berkolaborasi”), kita malah menurunkan potensi maksimal si AI.

Kita menjadi lebih baik, tapi sistem secara keseluruhan menjadi suboptimal karena intervensi kita.

Ironis, bukan?

Jebakan Pengambilan Keputusan vs. Kebebasan Berkreasi

Salah satu temuan paling menarik dari riset ini adalah perbedaan dampak AI pada jenis tugas yang berbeda. Para peneliti membagi tugas menjadi dua kategori besar: Tugas Keputusan (Decision Tasks) dan Tugas Kreasi (Creation Tasks).

1. Tugas Pengambilan Keputusan (Decision Tasks):

Ini adalah tugas di mana kita harus memilih dari serangkaian opsi terbatas (misalnya: mendiagnosis penyakit dari rontgen, memprediksi risiko kredit, atau mendeteksi berita palsu).

Di sinilah “bencana” sering terjadi.

Riset menemukan bahwa pada tugas keputusan, kolaborasi Manusia-AI menyebabkan penurunan kinerja yang signifikan.

Mengapa?

Karena seringkali manusia gagal mengenali kapan harus mempercayai AI dan kapan harus mempercayai intuisi sendiri.

Kita sering terjebak pada bias kognitif: terkadang kita terlalu percaya (overreliance) pada AI yang salah, atau kita terlalu skeptis (underreliance) dan menolak saran AI yang sebenarnya benar.

2. Tugas Kreasi (Creation Tasks):

Di sisi lain, untuk tugas yang melibatkan pembuatan konten terbuka (seperti menulis teks atau membuat gambar), hasilnya jauh lebih positif. Terdapat potensi perbaikan kinerja yang signifikan pada tugas kreasi dibandingkan tugas keputusan.

Mengapa tugas kreasi lebih berhasil? Filosofinya adalah tentang pembagian beban kognitif.

Dalam membuat gambar atau teks, AI seringkali melakukan pekerjaan “kasar” atau mengisi detail rutin sementara manusia memberikan inspirasi kreatif atau arahan strategis.

AI menangani hal-hal teknis yang membosankan, membebaskan manusia untuk fokus pada visi. Ini adalah bentuk kolaborasi yang lebih sehat.

Paradoks “Siapa yang Lebih Pintar?”

Temuan paling krusial dan mungkin yang paling perlu kita renungkan adalah tentang performa relatif.

Data menunjukkan pola yang sangat jelas:

• Jika Manusia > AI: Ketika manusia sendirian sudah lebih jago daripada AI sendirian, maka kolaborasi akan meningkatkan hasilnya (Sinergi positif).
• Jika AI > Manusia: Ketika AI sendirian sudah lebih jago daripada manusia, maka kolaborasi (campur tangan manusia) akan menurunkan hasilnya (Kerugian kinerja).

Contoh nyata dari paper ini adalah studi tentang deteksi ulasan hotel palsu. AI memiliki akurasi 73%, sementara manusia hanya 55%.

Ketika mereka digabungkan, akurasinya menjadi 69%.

Lihat kan? Kita malah “menyeret” turun performa AI. Karena manusia kurang kompeten dalam tugas ini, mereka tidak tahu kapan harus percaya pada AI sehingga keputusan akhirnya menjadi lebih buruk daripada jika kita membiarkan AI bekerja secara otomatis.

Sebaliknya, pada tugas klasifikasi gambar burung, manusia (81%) lebih jago dari AI (73%). Saat digabung, akurasi melonjak ke 90%.

Di sini, manusia yang kompeten tahu kapan harus menggunakan saran AI untuk menutupi celah pengetahuan mereka sendiri.

Ini mengajarkan kita sebuah kerendahan hati intelektual: Jika kita tidak ahli dalam suatu bidang, dan kita memiliki alat AI yang terbukti ahli, “mengoreksi” AI mungkin adalah tindakan egois yang merugikan.

Mengapa Kita Gagal Berkolaborasi?

Para peneliti di MIT ini menyoroti bahwa masalahnya bukan pada teknologinya saja, tapi pada prosesnya.

Sebagian besar eksperimen (sekitar 95%) mendesain sistem di mana manusia adalah pengambil keputusan terakhir.

Manusia melihat input, melihat saran AI, lalu mengetuk palu. Desain seperti ini sangat rentan terhadap human error.

Sangat sedikit studi (hanya 3 dari 106) yang mencoba desain di mana tugas dibagi-bagi (division of labor): AI mengerjakan bagian A, Manusia mengerjakan bagian B.

Padahal, sinergi sejati kemungkinan besar lahir dari pembagian tugas yang dinamis ini, bukan sekadar menjadikan AI sebagai “penasihat” yang bisa diabaikan.

Selain itu, faktor-faktor yang sering kita anggap penting seperti “Explainable AI” (AI yang memberikan penjelasan mengapa dia memilih jawaban X) atau tingkat kepercayaan diri (confidence level) AI, ternyata secara statistik tidak signifikan mempengaruhi terciptanya sinergi dalam kumpulan data ini.

Cukup mengejutkan karena banyak riset berfokus pada hal ini, padahal mungkin kuncinya ada pada siapa yang mengerjakan apa.

Apa yang Harus Kita Lakukan?

Berdasarkan insight dari paper ini, ada beberapa langkah strategis yang bisa kita ambil sebagai pengguna teknologi maupun pemimpin bisnis:

1. Fokus pada Generative AI untuk Kreasi: Karena tugas pengambilan keputusan (decision making) seringkali bermasalah, kita harus lebih banyak mengeksplorasi potensi sinergi dalam tugas generatif/kreasi.
   
   Gunakan AI untuk brainstorming, membuat draf awal, atau visualisasi, di mana peran manusia sebagai kurator dan editor sangat bernilai.
   
2. Desain Ulang Proses Kerja (Workflow): Jangan hanya menempatkan manusia di akhir proses untuk “menyetujui” hasil AI.
   
   Rancanglah proses yang inovatif di mana sub-tugas dialokasikan kepada pihak yang paling kompeten. Biarkan AI menangani analisis data massal secara otomatis, dan biarkan manusia menangani negosiasi atau empati.
   
3. Kenali Batas Kemampuan: Lakukan audit kinerja. Jika untuk tugas tertentu (misalnya entri data atau prediksi stok) AI terbukti 90% akurat dan tim manusia hanya 70%, pertimbangkan otomatisasi penuh.
   
   Jangan memaksakan “Human-in-the-loop” hanya karena alasan sentimental atau ketakutan tak berdasar, kecuali ada risiko etika/keselamatan yang fatal.
   
4. Metrik Evaluasi yang Lebih Luas: Sinergi mungkin tidak terlihat jika kita hanya mengukur “akurasi”. Mungkin AI lebih cepat dan murah, tapi manusia bisa mencegah kesalahan fatal yang jarang terjadi (rare errors) yang biayanya sangat mahal.
   
   Kita perlu melihat gambaran besarnya yaitu kecepatan, biaya, dan mitigasi risiko.

Kesimpulan: Menjadi Partner yang Lebih Bijak

Paper ini adalah wake-up call bagi kita semua. Bahwa menambahkan AI ke dalam pekerjaan manusia tidak otomatis mencetak sesuatu yang luar biasa.

Temuan bahwa rata-rata kolaborasi Manusia-AI menghasilkan kerugian kinerja adalah pengingat bahwa teknologi bukanlah sulap.

Teknologi adalah alat yang membutuhkan kebijaksanaan penggunanya.

Kita tidak boleh jatuh ke dalam Underreliance (merasa lebih pintar dari AI padahal tidak) atau Overreliance (mematikan otak dan menelan mentah-mentah hasil AI).

Masa depan bukan tentang Manusia lawan AI, atau sekadar Manusia ditambah AI.

Masa depan adalah tentang Manusia yang tahu kapan harus memimpin, kapan harus mengikuti, dan kapan harus membiarkan AI mengambil alih kemudi.

Jadilah pengguna yang kritis. Pahami di mana keunggulanmu, dan di mana keunggulan AI.

Hanya dengan begitu, sinergi yang sesungguhnya bisa tercipta.

source : https://www.nature.com/articles/s41562-024-02024-1

The post Kolaborasi Manusia dan AI Ternyata Seringkali Lebih Bodoh Daripada AI Sendirian! appeared first on Jago Prompt.

Atau mungkin narasi sebaliknya, bahwa AI hanya akan mengambil alih pekerjaan kasar (blue collar)? Ternyata, selama ini kita mungkin melihat masalah ini dari sudut pandang yang salah.

Kita hanya melihat “puncak gunung es” dari revolusi yang sebenarnya sedang terjadi di bawah permukaan.

Baru-baru ini, sebuah kolaborasi raksasa antara MIT dan Oak Ridge National Laboratory merilis sesuatu yang disebut Project Iceberg.

Ini bukan sekadar prediksi sembarangan dari seorang guru di LinkedIn atau utas horor di X (Twitter). Ini adalah simulasi masif yang melacak 151 juta pekerja AS, mencakup 32.000 keterampilan (skills) dan 923 jenis pekerjaan.

Tujuannya satu: untuk mengetahui secara presisi, pekerjaan mana yang sebenarnya bisa diotomatisasi oleh AI hari ini.

Dan hasilnya? Cukup untuk membuat kita duduk tegak dan menahan napas sejenak.

Mari kita bedah laporan ini, bukan dengan rasa takut, tapi dengan kesadaran penuh akan perubahan zaman.

Bayangkan jika ada sebuah dunia digital paralel di mana “kembaran” (digital twin) Anda bekerja.

Kembaran ini memiliki job description yang sama persis dengan Anda, menggunakan alat yang sama, dan memiliki keahlian yang sama. MIT melakukan ini, tapi dalam skala 151 juta orang.

Project Iceberg memetakan setiap pekerjaan ini untuk melihat kerentanannya.

Dulu, jika saya ditanya apakah AI bisa melakukan pekerjaan saya, jawabannya mungkin “agak bisa, tapi tidak sepenuhnya”.

Kenapa? Karena AI bisa melakukan bagian-bagian kecil dari pekerjaan saya secara terisolasi, tapi tidak bisa menyatukannya menjadi satu alur kerja yang utuh.

Pekerjaan kita tidak berdiri sendiri. Kita membutuhkan akses ke lusinan alat: email, database, spreadsheet, CRM, manajemen proyek, percakapan tim, hingga rapat Zoom.

Selama ini, asisten AI seperti ChatGPT terjebak di luar ekosistem itu. Mereka seperti otak cerdas di dalam toples kaca; pintar, tapi tidak bisa “menyentuh” pekerjaan Anda.

Namun, batasan itu baru saja dihancurkan.

Era Baru: Ketika AI Punya “Tangan” (Model Context Protocol)

Perubahan besar terjadi pada akhir 2024 ketika Anthropic merilis apa yang disebut Model Context Protocol (MCP). Ini adalah istilah teknis yang terdengar membosankan, tapi implikasinya luar biasa “liar”.

Secara sederhana, MCP memungkinkan model AI apa pun untuk “dicolokkan” ke sumber data atau alat apa pun.

Sebelum adanya MCP, setiap integrasi AI memerlukan kode khusus yang rumit. Sekarang? Agen AI dapat secara otonom mengakses database, memanipulasi angka di Excel, melakukan query ke API, dan mengoordinasikan alur kerja melalui koneksi standar.

Ledakan ini terjadi sangat cepat. Per Maret 2025 saja, sudah ada lebih dari 7.950 server MCP yang tersedia, baik dari pengembang independen maupun pemain besar seperti Microsoft dan OpenAI.

MIT menyebut fenomena ini sebagai “Agentic API Economy”.

Ini adalah ekonomi di mana sistem AI dapat secara otonom melakukan tugas-tugas bernilai yang sebelumnya mutlak membutuhkan tenaga manusia.

Agen AI sekarang bisa mengecek kalender Anda, memesan ruang rapat, mengirim undangan, memperbarui rencana proyek, hingga membuat laporan keuangan tanpa campur tangan manusia sedikitpun.

Dengan kata lain: AI tidak lagi hanya membantu Anda bekerja; AI kini bisa melakukan pekerjaan Anda.

Kejutan Geografis: Mengapa Rust Belt Lebih Terancam dari Silicon Valley?

Di sinilah Project Iceberg memberikan tamparan realitas yang keras.

Ketika server MCP baru diluncurkan—misalnya yang bisa mengotomatisasi analisis keuangan—indeks di Project Iceberg langsung menghitung pekerjaan mana, industri apa, dan wilayah mana yang menjadi rentan.

Narasi umum selama ini adalah bahwa AI akan menghabisi pekerjaan di pusat teknologi seperti Silicon Valley atau kota-kota besar metropolitan. Namun, plot twist dari data MIT mengatakan sebaliknya: dampak terbesar justru bukan di sana.

Wilayah yang paling rentan justru adalah negara bagian di kawasan industri lama atau “Rust Belt” seperti Ohio, Michigan, dan Tennessee. Mengapa bisa demikian?

Alasannya logis namun sering terlewatkan. Industri manufaktur di wilayah-wilayah tersebut ditopang oleh kerja kognitif pendukung yang sangat besar—analisis keuangan, koordinasi administratif, dan layanan profesional.

Pekerjaan-pekerjaan pendukung inilah yang sifatnya sangat prosedural, berbasis aturan, dan kini… sangat bisa diotomatisasi.

Jika Anda bekerja di industri ini, di posisi administratif atau pendukung, laporan ini mungkin adalah sesuatu yang harus Anda waspadai (atau sembunyikan dari bos Anda, bercanda :D).

Namun, kabar baiknya adalah pemerintah setempat mulai sadar.

Tennessee, misalnya, sudah menggunakan Iceberg Index ini dalam Rencana Aksi Tenaga Kerja AI mereka. Ini membuktikan bahwa Project Iceberg bukan alat untuk menakut-nakuti akan adanya PHK massal, melainkan sebuah sistem peringatan dini.

Perang Prediksi: CEO AI vs Para Ahli

Sekarang, mari kita bicara tentang masa depan. Ada kesenjangan yang sangat menganga antara apa yang dikatakan oleh para CEO perusahaan AI dengan apa yang diprediksi oleh para ahli independen.

Ethan Mollick baru-baru ini membagikan survei ahli paling komprehensif tentang masa depan AI. Survei ini melibatkan “superforecasters” (orang dengan rekam jejak prediksi akurat), ilmuwan komputer top, dan ekonom.

Apa kata para ahli ini untuk tahun 2030?

• Transformasi kerja: 18% jam kerja akan dibantu AI (naik dari 4,1% hari ini).
• Energi: 7% listrik AS akan dipakai untuk AI.
• Matematika: 23% ahli yakin AI akan memecahkan masalah matematika tingkat PhD.

Angka 18% mungkin terdengar kecil bagi Anda. Tapi tunggu dulu, mari kita bandingkan dengan prediksi para CEO.

• Elon Musk: Semua pekerjaan akan digantikan pada 2030.
• Dario Amodei (Anthropic): Memprediksi 10-20% pengangguran total dalam 5 tahun.
• Sam Altman: AGI (Artificial General Intelligence) akan tiba dalam waktu sangat dekat.

Perbedaannya sangat mencolok. Para ahli jauh lebih konservatif. Mereka hanya memberikan peluang 23% untuk skenario “kemajuan pesat” di mana AI bisa menulis novel sekelas Pulitzer atau menyembuhkan kanker secara mandiri pada 2030.

Menariknya, hampir tidak ada ketidaksepakatan di antara kelompok ahli (ilmuwan komputer vs ekonom). Mereka semua sepakat pada timeline yang lebih lambat ini.

Satu-satunya yang tidak mereka setujui adalah prediksi para CEO perusahaan teknologi itu sendiri.

Filosofi Ketidaksiapan: Apa yang Harus Kita Lakukan?

Di sinilah kita masuk ke bagian yang paling filosofis dan, jujur saja, paling mengkhawatirkan.

Mari kita hubungkan titik-titiknya.

MIT menunjukkan bahwa 11,7% perpindahan tenaga kerja secara teknis dimungkinkan hari ini. Para ahli memprediksi 18% pekerjaan akan dibantu AI pada 2030.

Tidak peduli siapa yang benar—apakah para CEO yang hiperbolis atau para ahli yang konservatif—kita menghadapi transformasi tenaga kerja yang masif dalam lima tahun ke depan.

Dan realitas pahitnya adalah: kita sama sekali tidak siap.

Dalam bukunya The Changing World Order, Ray Dalio mempelajari kebangkitan dan kejatuhan kekaisaran selama 500 tahun.

Temuannya sangat relevan: Pendidikan adalah faktor tunggal paling penting dalam menentukan apakah sebuah bangsa bertahan dari periode transformasi.

Negara yang bangkit berinvestasi gila-gilaan pada pendidikan dan pengembangan tenaga kerja. Negara yang runtuh cenderung memotong investasi dan gagal beradaptasi.

Kita sedang menatap potensi perpindahan 12% tenaga kerja. Masyarakat kita tidak bisa terus menjalankan sistem pendidikan di mana orang menghabiskan 4-12 tahun mempelajari keterampilan untuk pekerjaan yang mungkin sudah hilang bahkan sebelum mereka wisuda.

Pertanyaan besarnya bagi kita sebagai individu dan masyarakat adalah:

• Apa cara tercepat untuk melatih ulang jutaan pekerja?.
• Keterampilan apa yang sebenarnya penting dalam lima tahun ke depan?.

Kesimpulan

Project Iceberg memberikan kita data yang keras dan dingin, layaknya es. Namun, data ini bukan vonis mati, melainkan peta navigasi.

Apa yang ditawarkan oleh MIT dan Oak Ridge ini adalah kesempatan untuk melihat masa depan sebelum ia menabrak kita. Perubahan ini tidak bisa dihindari, entah itu terjadi dalam 2 tahun atau 10 tahun.

Bagi saya pribadi, sebagai pengamat teknologi , calon PhD di bidang prinsip data, dan penulis di Jagoprompt, ini adalah panggilan untuk bangun.

Jangan menjadi pasif. Jangan hanya menonton “gunung es” itu mendekat sambil berdebat apakah AI itu etis atau tidak.

Sikap terbaik saat ini adalah adaptasi radikal. Pelajari cara menggunakan alat-alat ini (seperti MCP dan agen AI).

Pahami cara kerja “Digital Twin” pekerjaan Anda. Jadilah orang yang mengendalikan AI, bukan orang yang job description-nya sedang disimulasikan di laboratorium MIT untuk diotomatisasi.

Kita harus memutuskan: apakah kita akan membangun infrastruktur diri (skill baru, mindset baru) untuk menangani apa yang akan datang, atau hanya menonton sambil berharap semuanya baik-baik saja?.

Pilihan ada di tangan Anda, dan waktu untuk memilih semakin sempit.

Source : The Neuron Daily

The post MIT Baru Saja Membuat “Digital Twin” Setiap Pekerja Amerika: Hasilnya Bikin Merinding appeared first on Jago Prompt.

DeepSeek adalah perusahaan kecerdasan buatan (AI) asal Tiongkok yang mengembangkan large language models (LLM) bersifat open-source. Didirikan pada tahun 2023 sebagai entitas independen oleh High-Flyer, sebuah hedge fund (pengelola modal berbagai aset) Tiongkok yang sebelumnya menggunakan machine learning untuk perdagangan saham.

Lambat laun, entitas ini mengembangkan DeepSeek yang berfokus pada penelitian AI dan tidak terlibat dalam perdagangan saham. Di awal kemunculannya, saya agak skeptis karena DeepSeek ini sebelumnya sedikit sekali muncul di berita mainstream, sekalinya terdengar langsung membuat Open AI terancam.

Mengapa DeepSeek mengancam Open AI?

Sebelumnya Open AI sangat pede bahwa belum ada model LLM lain yang sepintar O1, model ChatGPT tertinggi dengan pengetahuan konon setara orang berpendidikan PhD. O1 ini juga memilki Chain of Thought (COT) dimana model ini memiliki fase berpikir sebelum menjawab yang menjamin jawabannya ini akurasinya lebih tinggi daripada model ChatGPT di bawahnya.

Di tanggal 20 Januari 2025, tiba-tiba DeepSeek mengeluarkan model terbarunya bernama DeepSeek-R1 dengan memberikan fitur Deep Think pada platform chatnya. Lihat tweet orang yang sudah mencoba fitur ini:

Tentu ini sama dengan apa yang dilakukan oleh ChatGPT dengan model O1 nya. DeepSeek mengumumkan di halaman dokumentasinya bahwa model DeepSeek-R1 ini tidak berbeda jauh jika dibandingkan dengan model O1 milik ChatGPT.

Perlu diingat, model O1 diklaim memiliki kecerdasan di atas model ChatGPT lain dan sering disebutkan kepintarannya setara PhD (bahkan ada video Profesor ekonomi mengomentari model ini).

Inilah hasil benchmark yang membuat Open AI mulai ketar-ketir :

Terlihat pada grafik di atas, akurasi beberapa model DeepSeek bersaing dengan akurasi model tertinggi O1. DeepSeek-R1 unggul tiga dari enam tes dimana hanya kalah tipis di dua tes logika yaitu Codeforces dan MMLU.

Benchmark ini memperlihatkan ChatGPT akhirnya menemukan lawan tangguh hingga konon Sam Altman, CEO Open AI memutuskan menggratiskan model O3-mini akibat tekanan dari DeepSeek.

Alasan berikutnya, DeepSeek memiliki model Open Source

Berbeda dengan ChatGPT, DeepSeek mengeluarkan beberapa model yang sifatnya OpenSource. Model yang mereka keluarkan sifatnya “distilled”, ini sangat teknis sekali namun plus minus artinya model ini versi lebih efisien dan akurasinya tetap terjaga seperti O1 dengan O1 mini atau GPT4 dengan GPT4 mini.

Semua orang bisa memanfaatkan model DeepSeek dimanapun baik di server lokal atau cloud dengan tujuan untuk membuat berbagai macam aplikasi yang dikustomisasi tujuan tertentu atau sekedar bercakap-cakap dengan AI.

Hal ini tidak kita temukan di ChatGPT karena memang OpenAI beraliran Closed Source dimana kita mesti membayar untuk semua jenis API Open AI.

Dua alasan ini menampar keras dunia AI utamanya di Amerika Serikat mengingat disana adalah kiblat AI dengan ChatGPTnya dan sekarang besar kemungkinan perubahan kiblat akan menjadi ke Tiongkok.

Cara memakai DeepSeek bagi orang awam

Tentu pada artikel ini saya tidak akan membahas bagaimana cara memanfaatkan open source model yang disediakan oleh Deep Seek namun bagaimana memakai DeepSeek untuk topik berkaitan dengan penelitian yang butuh akurasi.

Sama seperti ChatGPT, DeepSeek memiliki platform sendiri dimana kamu bisa mengakses dua model di dalamnya yaitu DeepSeek-R1 yang memiliki kemampuan reasoning dan DeepSeek chat yang memakai model DeepSeek-V3. Kunjungi https://chat.deepseek.com untuk menggunakan dua model tersebut.

Antarmuka DeepSeek tidak jauh berbeda dengan ChatGPT, berikut yang saya perhatikan dari antarmuka platform ini :

1. Pada sidebar terdapat sejarah percakapan (history chat), lebih sederhana karena tidak ada pilihan untuk mengkategorikan prompt dalam folder seperti ChatGPT dan juga ketiadaan GPTs marketplace.
2. Pada form prompt, ada pilihan mengaktivasi DeepThink (R1) dan terhubung dengan internet. Ada juga tombol unggah “attachment”. Seperti yang saya infokan sebelumnya, tanpa diaktivasi model R1 maka kamu akan memakai DeepSeek-V3.
3. Sayangnya sebuah sesi prompt belum bisa dishare layaknya di ChatGPT sehingga kita tidak bisa memperlihatkan sesi prompting ke orang lain.
4. Kuota pertanyaan ke DeepSeek-R1 adalah 50 pertanyaan per hari.

Ketika menghidupkan DeepThink (R1), cara menjawabnya mirip dengan ChatGPT O1 dimana DeepSeek akan melakukan Chain of Thought sebelum memberikan jawaban seperti diperlihatkan di bawah ini :

Lalu bagaimana ketika DeepSeek dipakai untuk pertanyaan-pertanyaan yang memerlukan akurasi tinggi seperti topik-topik penelitian. Ini percobaan saya walaupun belum dibandingkan head to head dengan ChatGPT, mungkin akan saya buat di artikel lain.

Pertanyaan teori beserta sumbernya.

Saya hidupkan DeepThink-R1 dan internet dengan pertanyaan sederhana “Apa itu Kingdon three streams” untuk menguji hasilnya. Berikut jawaban dari DeepSeek:

DeepSeek mampu memberikan jawaban yang komprehensif dengan sumber yang juga bisa dipertanggungjawabkan. Pada gambar terlihat ketika saya mengklik tombol 24 sumber, DeepSeek memberikan 24 sumber tersebut di layar kanan. Jika kamu sering meminta ChatGPT terhubung internet dan mencari sumber, maka hal yang dilakukan persis seperti ini namun bedanya DeepSeek tidak mampu menampilkan gambar yang berhubungan dengan apa yang dicari layaknya seperti ChatGPT di bawah ini :

Meringkas pendahuluan menjadi abstrak

Saya meminta DeepSeek-R1 untuk meringkas tulisan pendahuluan saya menjadi Abstrak dengan prompt yang sederhana saja, begini hasilnya :

Saya tidak bisa mengatakan hasilnya sempurna karena pada akhirnya saya banyak memperbaiki hasil abstrak ini, yang menarik adalah bagaimana alur berpikir DeepSeek-R1 dalam membuat abstrak ini.

Model ini mendapati tulisan pendahuluan saya memiliki kesalahan sehingga menurutnya harus dikoreksi dan juga dipastikan agar hasil abstrak tetap akurat beserta jelas untuk dibaca.

Menganalisis data

Saat meminta DeepSeek menganalisis data yang saya berikan lewat “attachment”, ternyata DeepSeek tidak mampu memberikan visualisasi datanya seperti Claude. Tapi, DeepSeek memberikan code python yang bisa dijalankan di luar DeepSeek sendiri.

Saya juga meminta DeepSeek melakukan konversi kode dari Python ke R walaupun baik code Python dan R belum saya coba apakah benar berjalan atau tidak. DeepSeek konon lebih baik dari ChatGPT urusan asistensi pemrograman, mungkin mesti ada sesi khusus untuk mengecek ini.

Kesimpulan

Apa yang ditawarkan DeepSeek di level platform gratis untuk semua orang memang belum selengkap ChatGPT dengan GPTs dan input yang tidak hanya teks atau file. Namun, di tahap ini saya yakin DeepSeek akan berkembang cepat untuk melewati ChatGPT.

Jawaban DeepSeek, menurut saya yang baru memakai AI ini, cukup memuaskan dibandingkan dengan model AI lain seperti Llama, Claude, atau Gemini. Saya sepertinya akan mencoba memakai DeepSeek sebagai secondary model AI di penelitian yang sedang saya buat COT DeepSeek juga menarik untuk dibaca karena kita sebagai individu kecerdasan organik seharusnya memiliki cara pikir yang minimal sama atau bahkan melebihi AI.

Kita lihat apa kejutan DeepSeek berikutnya.

The post Panduan Deepseek : LLM Open Source Tiongkok Yang Membuat ChatGPT Kalang Kabut appeared first on Jago Prompt.

Jensen Huang adalah pendiri dan CEO Nvidia, perusahaan teknologi yang didirikan pada tahun 1993. Di bawah kepemimpinannya, Nvidia awalnya berfokus pada pengembangan unit pemrosesan grafis (GPU) untuk industri game. Namun, Huang memiliki visi jauh ke depan dengan mengarahkan Nvidia untuk mengembangkan GPU yang juga dapat digunakan dalam komputasi paralel, yang menjadi fondasi bagi kemajuan kecerdasan buatan (AI) saat ini.

Popularitas Huang dalam dunia AI meningkat pesat karena peran Nvidia dalam menyediakan perangkat keras yang esensial untuk pengembangan AI. GPU Nvidia menjadi komponen kunci dalam melatih model AI canggih, seperti yang digunakan oleh OpenAI dalam pengembangan ChatGPT. Sekarang semua pemain besar AI seperti OpenAI, Microsoft, Meta, dan perusahaan teknologi besar lainnya memakai infrastruktur NVIDIA untuk menjalankan pemrosesan data untuk AInya.

image source : https://www.hindustantimes.com

Ini juga berarti Huang adalah orang paling berpengaruh karena hampir seluruh perusahaan besar pengguna AI bergantung pada perusahaanya.

Sepertinya cukup perkenalannya sampai disana, sederhananya ChatGPT yang kamu pakai sehari-hari tidak mungkin lancar menjawab tanpa bapak yang satu ini.

Jensen Huang berkesempatan datang ke Indonesia untuk mengikuti salah satu event AI oleh Indosat dan Gojek. Mbak Najwa Shihab berhasil mewawancarainya (sambil makan gultik) beserta menanyakan beberapa hal penting yang menarik untuk disarikan dari seorang Jensen Huang.

Berikut ini adalah inti pernyataan Jensen Huang tentang AI dari wawancara tersebut, bagi kamu yang sering nonton talk dari Jensen Huang atau belajar Generative AI dari Jagoprompt pasti tidak asing dengan ide-ide ini.

AI Itu Nggak Ribet, Semua Orang Bisa Pakai!

Jensen menjelaskan bahwa AI itu ibarat asisten pintar. Kamu nggak perlu jadi programmer jago untuk bisa memanfaatkan teknologi ini. Caranya sederhana, cukup “bertanya” ke AI dan dia bakal memberikan jawaban atau solusi yang kamu butuhkan. Ini artinya, akses ke pengetahuan jadi lebih mudah dan merata.

Bahkan pedagang kecil pun bisa menggunakan AI untuk mencari ide baru atau meningkatkan bisnis mereka. Bayangkan aja, kalau biasanya harus browsing lama, dengan AI kamu tinggal tanya langsung dan dapat jawabannya secara instan.

Namun Huang juga menegaskan, bertanya dengan suatu kecerdasan itu juga tidak mudah. Maka dari itulah kita harus belajar prompting yang baik karena menjadi seorang penanya yang baik juga syarat sebuah jawaban AI akan bagus.

AI dan Ilmu Pengetahuan: Ngebut Dalam Penemuan!

Ketika ditanya apa perkembangan dunia yang menarik dibantu oleh AI, Huang menjawab tentang perkembangan Sains. Huang bercerita bahwa AI sekarang sudah jadi alat bantu penting untuk penelitian. Misalnya:

• Menemukan solusi buat perubahan iklim.
• Mengembangkan material baru yang lebih efisien.
• Mempercepat penelitian obat-obatan.

Jadi, AI ini sebenarnya berperan besar dalam dunia penelitian dan tidak hanya membantu dalam hal-hal seperti membuat gambar dari AI, copywriting, atau hal kreatif lainnya (itulah mengapa jagoprompt fokus ke produktivitas para pembelajar ilmiah)

Masa Depan Pendidikan: Ngapain Belajar Coding Kalau Ada AI?

Nah, ini salah satu poin yang bikin mikir: Jensen bilang, coding itu nggak bakal sepenting dulu. Saya sudah menduga akan banyak orang salah menafsirkan ini sepotong sepotong.

Saya hanya khawatir akan ada bertebaran video memotong kata-kata “coding itu tidak penting lagi”. Mari saya jelaskan apa yang dimaksud oleh Jensen Huang.

Mengapa ia mengatakan hal ini? ya karena maksud dia adalah coding tidak perlu lagi dipelajari oleh “semua” orang dan mendemokratisasi kemampuan teknologi untuk membantu setiap orang memecahkan masalah.

Bayangkan kamu adalah seorang ahli fisika yang ingin melakukan percobaan. Untuk melakukan simulasi, dulunya kamu perlu orang yang bisa coding untuk melakukan pemrograman simulasi atau belajar coding sendiri sekian lama. Namun dengan AI, sekarang tak perlu karena kamu bisa prompting tanpa coding dan AI memberikan simulasinya.

Jensen Huang pun mengatakan keterampilan seperti logika, filosofi, dan cara bertanya yang baik itu lebih utama. Ingat sekali lagi, kamu tidak bisa menghasilkan pertanyaan bagus dengan kepala kosong.

Ini yang disebut prompt engineering—kemampuan untuk ngobrol dengan AI supaya bisa memahami kebutuhan kita dan membantu memberikan solusi. Jadi, skill masa depan itu bukan soal bikin kode, tapi cara menggunakan AI dengan efektif.

AI = Partner Superhuman

Huang memberikan analogi yang cocok soal AI. Dulu, kalau kamu bilang manusia bisa lari lebih cepat dari kuda, pasti kedengarannya mustahil, kan?

Tapi sekarang semua orang bisa lari lebih cepat dari kuda—tinggal naik mobil! Nah, AI itu seperti mobil buat otak kita.

Dengan AI, kamu bisa jadi superhuman—punya kemampuan lebih dari yang sebelumnya kamu bayangkan. Mau belajar, kerja, atau berbisnis, AI bisa jadi partner terbaik kamu. Ini selaras dengan apa yang kita ajarkan di Jagoprompt.

AI akan menjadi lebih baik ketika ia dijadikan teman brainstorming. Bayangkan, kamu punya teman brainstorming sekelas Albert Einstein, maka kamu juga harus menjadi teman yang cerdas untuk mengajak ia ngobrol ini itu bukan?

Pesan Jensen: Berani Pakai AI, Jangan Takut!

Tentu ada yang khawatir kalau AI ini bakal berbahaya, tapi menurut Jensen, nggak ada alasan untuk takut berlebihan. Sama seperti internet waktu pertama kali muncul, banyak yang nggak tahu kegunaannya, tapi sekarang malah jadi bagian hidup sehari-hari.

Yang penting, gunakan AI dengan bijak dan tetap hati-hati. Jensen optimis banget kalau AI ini bisa mengurangi kesenjangan teknologi di dunia. Dengan AI, semua orang punya kesempatan yang sama untuk sukses, tanpa harus belajar coding yang ribet.

Hal ini sudah menjadi nyata dimana semua lapisan pekerjaan sudah mencoba pemakaian AI, utamanya Generative AI dalam membuat pekerjaan efektif dan efisien. Banyak yang salah menyangka bahwa Generative AI itu harusnya dijauhkan dalam dunia akademis, namun bukankah AI bisa memberi kita ide-ide baru dan meningkatkan penelitian kita ke level berikutnya?

Inilah hal yang selalu kita tekankan di semua produk Jagoprompt yaitu tidak usah takut berlebihan namun pakai dengan bijak.

Kesimpulan: Waktunya Jadi Superhuman!

AI bukan sekadar alat, tapi jembatan menuju masa depan yang lebih baik jika dilakukan dengan bijaksana.

Pesan penting dari Jensen Huang adalah: gunakan AI untuk meningkatkan hidup kamu dan orang-orang di sekitar kamu. Nggak perlu takut, nggak perlu ragu—yang kamu butuhkan adalah keberanian untuk mencoba dan terus memegang etika penggunaannya agar tidak merugikan diri sendiri dan orang lain.

Kita harus siap menghadapi era AI dan menjadi bagian dari superhuman. Yuk, mulai eksplorasi AI dan temukan potensi terbaik kamu!

Note : Posting ini dibuat hanya dalam 30 menit dengan bantuan ChatGPT dan Canva Dreamlab, bisakah kamu membedakan mana tulisan AI mana tulisan saya? komposisi kasarnya sekitar 60% AI :40% Human.

The post 5 Poin Utama dari Percakapan Inspiratif Jensen Huang Bersama Najwa Shihab appeared first on Jago Prompt.

Rumor bahwa ChatGPT sedang mengembangkan sebuah mesin pencari memang sudah terbukti benar saat ChatGPT menyatakan sedang mengujicobakan prototype mesin pencari bernama SearchGPT. Namun setelah itu infonya tidak ada update lagi

Dan akhirnya, 31 Oktober 2024 lalu ChatGPT memberikan update tentang apa yang dilakukan mereka tentang membuat mesin pencari di ChatGPT. Sekarang, ChatGPT bisa melakukan pencarian web via form prompt yang biasa kita pakai.

Apakah fitur-fitur ini akan membuat Perplexity dan Google ketar-ketir, berikut fungsi dari ChatGPT Web Search.

Pencarian langsung dari form prompt

Fitur pencarian web ini hanya berlaku untuk pengguna Plus dan Tim, jadi pengguna Free mohon bersabar dulu. Caranya cukup sederhana, saat kamu akan melakukan prompt akan ada opsi untuk menghidupkan pencarian dari website seperti di bawah ini :

Klik saja “Search” hingga berwarna biru, maka itu menandakan fitur pencarian ke web sudah hidup. Mari kita lihat apa hasil dari pencarian saya dengan kata kunci tersebut :

Di sebelah jawaban muncul sumber informasi yang diambil oleh ChatGPT yang menariknya bisa dicek langsung dengan cara hover ke bagian tulisan sumber seperti ini :

Di bagian bawah, referensi sumber juga disertakan untuk melihat darimana saja ChatGPT mengambil jawaban seperti ini :

Seperti terlihat di atas, sumber ada di bagian bawah dan di bagian kanan ditandai dengan kotak merah. Menariknya tidak hanya referensi yang ditampilkan oleh ChatGPT namun juga hasil pencarian lain yang masih terkait dengan prompt yang ditempatkan di bawah sitasi.

Saya jadi penasaran bagaimana jika melakukan pencarian pada sesuatu yang real time seperti cuaca?

Pencarian real-time dari form prompt

Saya mencoba prompt cuaca dengan menanyakan sederhana “cuaca hari ini”, begini hasilnya :

Dan saya sekali lagi mencoba prompt sederhana menanyakan pergerakan saham hari lalu :

Sebenarnya untuk cuaca, saya agak kaget karena yang direferensi adalah BMKG, tidak seperti Google yang biasanya memberikan referensi dari Weather.com.

Ketika saya melakukan pencarian saham hari lalu saya cukup terkesan. Kapan lagi kita bisa bertanya pergerakan saham dan dijawab natural seperti ini dengan sumber yang terpercaya dan transparan. Masa depan pencarian ini sangat potensial untuk menang dengan kompetitor seperti Perplexity dan menjadi penantang serius Google.

Untuk para akademisi, fitur ini saya rasa menjadi pengubah permainan dimana pengguna bisa memvalidasi sumber berita sambil diringkaskan hal-hal penting tentang sebuah topik yang ingin diteliti, sangat menarik sampai saya rasa saya harus mengubah buku dan kursus saya untuk kesekian kalinya.

Mengetahui Trend Pencarian

Bukan cuma hasil pencarian yang langsung mengakses web, ChatGPT juga memperlihatkan apa yang sedang trend dicari oleh pengguna lainnya seperti ini :

Sebenarnya penting gak penting juga mengetahui pencarian lain karena biasanya pengguna ChatGPT sudah paham apa yang diinginkan ketika mengetikkan prompt di ChatGPT.

Pengaturan informasi yang rapi

Masih melanjutkan yang sebelumnya, ada hal yang menarik ketika saya mengklik salah satu trend pencarian di ChatGPT. Saya klik “Pramono Anung” (ini tidak ada kaitannya dengan politik ya tapi) dan voila….hasilnya membuat saya terkesan :

Saya tidak menyangka ChatGPT akan memunculkan gambar di dalam form prompt, hasil pencarian sebelumnya tidak pernah disertai gambar. Lalu saya iseng klik salah satu gambar dan hasilnya :

Ketika diklik akan zoom dan bisa digeser ke gambar berikutnya, gambar-gambar ini juga dilengkapi dengan sumber di bagian kiri bawah.

Jika diperhatikan, struktur informasi yang diberikan ChatGPT hasil jawaban prompt menjadi runut seperti ini sekalipun membuat prompt yang sangat sederhana:

Kesimpulan

Update ini menurut saya menjadi update yang paling signifikan utamanya bagi para pengguna yang menginginkan jawaban valid dan sudah bosan dengan jawaban ChatGPT yang sering mensitasi sumber tak jelas.

Dengan begini, efek halusinasi ChatGPT sebenarnya sudah bisa ditangani dengan melakukan validasi langsung di dalam ChatGPT sendiri. Tidak ada lagi tuh referensi buku yang sebenarnya tidak pernah ada ataupun publikasi yang dibuat-buat oleh ChatGPT.

Saya berencana mengupdate materi kursus saya tentang penelitian dengan ChatGPT karena update ini tentunya membuat beberapa pembelajaran menjadi out of date di masa depan ketika mesin pencari ChatGPT sudah bisa digunakan untuk user gratis.

Gimana menurut kamu?

The post Akhirnya Open AI Membuat ChatGPT Menjadi Mesin Pencari , Begini Caranya. appeared first on Jago Prompt.

Seperti yang sekarang akan saya bahas ini yaitu aplikasi yang bisa membuat link artikel atau dokumen menjadi sebuah podcast AI, betapa gak pernah terpikirkannya hal ini bukan?

Tunggu, ini maksudnya gimana kok AI bisa mengubah input menjadi podcast?

Jadi begini, Google punya sebuah aplikasi catatan baru yang dilengkapi AI, sekarang masih dalam tahap eksperimen bernama Notebooklm. Kamu bisa mengaksesnya disini : https://notebooklm.google.com , dan jika kamu memasukkan link sebuah artikel atau dokumen apapun (misalnya publikasi berupa paper), maka AI ini akan mengubahnya menjadi sebuah podcast dimana dua AI akan ngobrol satu sama lain persis seperti di podcast.

Cara Buat Podcast Dengan NotebookLM

Masuk ke link tersebut lalu klik “Try NotebookLM” , pilih “New Notebook.

Setelah memilih “New Notebook”, nanti kamu diminta untuk mengupload sumber bisa berupa link Google Docs, Google Slides, link langsung, atau copy paste dari teks.

Sesudah memasukkan source, beberapa saat kemudian akan diproses dan kamu tinggal klik “Generate” di tombol deep dive conversation. Tunggu beberapa saat, kamu pasti akan tercengang dengan hasilnya karena dokumen atau link yang kamu masukkan menghasilkan dua AI yang bercakap-cakap tentang topik tersebut layaknya sebuah podcast.

Hasil Artikel Menjadi Podcast AI

Berikut contoh percakapan podcast ini :

Sebenarnya aplikasi Google ini diperuntukkan untuk catatan dengan berbagai macam tujuan misalnya penjelasan produk ke pengguna, sebagai bahan onboarding pegawai, atau hanya sekedar untuk catatan yang disimpan sendiri.

Dengan adanya fitur podcast ini, di masa depan kamu mungkin sudah tidak tahu lagi mana podcast yang disuarakan manusia atau AI.

Kesimpulan

KESIMPULAN

Saya sebenarnya jadi berpikir apakah dengan begini kita bisa mengambil keuntungan untuk belajar dengan gaya baru? Misalnya saja upload sebuah publikasi lalu memahaminya tanpa membaca namun melalui podcast AI.

Selain itu, hal ini juga akan sangat memudahkan rekan tuna netra untuk memahami sebuah publikasi seperti buku atau paper yang berbentuk digital.

Bagaimana perkembangan ini menurut kalian?

The post Aplikasi Dari Google Ini Bisa Bikin Podcast AI Dari Artikel Atau Dokumen, Ini Dia Notebooklm appeared first on Jago Prompt.

Tapi, kenyataan nggak selalu seindah yang awalnya dikatakan. Sekarang, sudah dua tahun berlalu dan ternyata dampak yang dijanjikan belum sepenuhnya terasa.

Tapi, yang menarik, ada fenomena unik yang mulai muncul. AI ternyata nggak cuma jadi alat bantu kerja, tapi mulai masuk lebih dalam ke kehidupan kita. Orang-orang mulai menjalin hubungan dengan AI, dari ngobrol sehari-hari sampai menggunakannya sebagai teman, pacar, mentor, bahkan terapis.

Ya, kamu nggak salah dengar, AI bukan malah gak terlalu dipakai untuk kerja, tapi juga mulai dianggap sebagai teman hidup.

Nah, hal ini membuat para peneliti mulai memperingatkan soal potensi “inteligensi adiktif”. AI yang kita gunakan ini ternyata bisa bikin kecanduan lho. Mirip seperti aplikasi media sosial yang bikin kita nggak bisa berhenti scroll, AI juga punya potensi untuk ‘mengikat’ kita dalam pola perilaku tertentu.

Ada AI yang dirancang dengan pola-pola tertentu yang sengaja dibuat agar kita terus-menerus menggunakannya, sama saja sebenarnya membuat kita menjadi ketagihan.

Hubungan Emosional dengan AI: Realita atau Fantasi?

Mungkin dulu kita berpikir bahwa hubungan dengan AI hanya ada di film fiksi ilmiah. Tapi sekarang, hal ini mulai jadi kenyataan. Ada banyak bukti bahwa manusia bisa menjalin hubungan emosional dengan chatbot.

Misalnya, selama tes keamanan OpenAI, para pengguna menunjukkan tanda-tanda ketergantungan emosional pada model AI. Mereka bahkan menggunakan kata-kata perpisahan yang emosional seperti, “Ini hari terakhir kita bersama.” Bayangkan, ngobrol sama AI kayak ngobrol sama teman beneran!

Hal ini jadi perhatian karena OpenAI sendiri mengakui bahwa ketergantungan emosional pada chatbot bisa jadi risiko besar. AI memang pintar dalam meniru percakapan manusia, tapi ketika kita mulai mengandalkannya secara emosional, bisa berbahaya.

AI Bukan Hanya untuk Produktivitas

Saat ChatGPT pertama kali diluncurkan, orang-orang menganggap bahwa AI akan mempercepat produktivitas. Tapi, kenyataannya, banyak yang justru menggunakan AI untuk hal-hal yang lebih personal dan kreatif.

Berdasarkan analisis dari satu juta log interaksi ChatGPT, selain digunakan untuk menulis kreatif, brainstorming, dan mencari informasi, salah satu penggunaan yang paling populer adalah… bermain peran seksual (sangat mengejutkan). Wah, pasti hal ini gak pernah terbayangkan oleh kamu atau bahkan investor sekalipun.

Namun, ini juga menunjukkan bahwa AI nggak selalu tentang meningkatkan produktivitas dalam arti yang tradisional. Justru, orang-orang lebih suka menggunakannya untuk aktivitas yang lebih kreatif dan menyenangkan.

Misalnya, para komedian menemukan bahwa AI bisa membantu mereka menulis draft pertama lawakan mereka. Tentu, AI belum bisa menggantikan humor manusia sepenuhnya, tapi setidaknya bisa membantu memberikan ide awal.

Kekecewaan dan Harapan yang Tidak Terpenuhi

Di sisi lain, hype AI yang besar membuat ekspektasi kita terlalu tinggi. Kita berharap teknologi ini bisa memberikan perubahan besar dalam waktu singkat.

Tapi, kenyataannya, kita masih jauh dari aplikasi AI yang benar-benar revolusioner. Bahkan, beberapa kegagalan AI yang paling memalukan terjadi saat orang-orang mulai terlalu mempercayai chatbot sebagai sumber informasi yang akurat.

Misalnya, Google pernah mencoba fitur AI yang merangkum hasil pencarian online, dan salah satu sarannya adalah… makan batu!

Atau, yang lebih konyol lagi, mereka menyarankan untuk menambahkan lem pada pizza. Ini menunjukkan bahwa AI memang pintar, tapi kadang masih membuat kesalahan yang konyol.

Hal ini juga menegaskan bahwa kita masih perlu waktu untuk melihat manfaat sesungguhnya dari AI. Meskipun ada banyak janji, kenyataannya mungkin butuh bertahun-tahun sebelum kita benar-benar melihat dampak positif dari teknologi ini.

Tantangan dan Masa Depan AI

Jadi, apakah kita sedang berada dalam “gelembung” AI? Ada perdebatan besar soal ini, terutama karena harga saham teknologi belakangan ini mengalami penurunan tajam. Meskipun ada tantangan besar, para ahli berpendapat bahwa terlalu dini untuk menulis AI sebagai teknologi yang gagal.

Potensi transformasinya masih ada, meskipun mungkin butuh waktu lebih lama dari yang kita harapkan.

Sebagai penutup, AI memang sudah merambah ke banyak aspek kehidupan kita, dari pekerjaan hingga hubungan pribadi. Tapi, kita juga harus waspada dan tidak terlalu cepat mengandalkan teknologi ini untuk segala hal. Ada potensi besar, tapi juga risiko yang tidak bisa diabaikan.

Yang pasti, AI bukan cuma tentang mesin yang pintar, tapi juga tentang bagaimana kita sebagai manusia berinteraksi dan bergantung pada teknologi tersebut.

Sumber : Here’s how people are actually using AI | MIT Technology Review

Disclaimer : Tulisan ini dibuat oleh GPT 4o-mini dengan menulis ulang dari sumbernya dan diedit oleh jagoprompt.

The post MIT Technology Review Melaporkan Bagaimana Orang-Orang Sebenarnya Menggunakan AI, Bukan Untuk Kerja Juga! appeared first on Jago Prompt.