Angka-Angka di Balik Kecerdasan Buatan yang Bikin Melongo
Tahun 2023, ChatGPT mencapai 100 juta pengguna aktif hanya dalam 2 bulan. Untuk konteks, Instagram butuh 2,5 tahun untuk angka yang sama. Tapi di balik pertumbuhan gila-gilaan itu, ada fakta-fakta tentang teknologi AI yang hampir tidak pernah dibicarakan di media mainstream Indonesia.
Bukan sekadar “AI itu canggih” atau “AI bisa gantikan pekerjaan” — kita sudah terlalu sering mendengar narasi itu. Yang lebih menarik adalah data dan realita yang tersembunyi di balik layar.
Fakta 1: AI Modern Butuh Listrik Sebesar Satu Kota Kecil
Setiap kali kamu mengetik pertanyaan ke ChatGPT, model tersebut mengonsumsi energi sekitar 10 kali lebih besar dibanding satu pencarian Google biasa. Kedengarannya kecil, tapi kalikan dengan miliaran permintaan per hari.
Menurut riset dari University of Massachusetts Amherst, melatih satu model bahasa besar (large language model) bisa menghasilkan emisi karbon setara 5 kali perjalanan mobil selama seumur hidup satu manusia. Goldman Sachs pada 2024 memproyeksikan konsumsi listrik data center AI akan naik 160% dalam 6 tahun ke depan.
Ironisnya, banyak perusahaan teknologi yang mengklaim komitmen ramah lingkungan justru sedang berjibaku membangun infrastruktur AI yang rakus energi. Microsoft, Google, dan Amazon semuanya mencatat kenaikan jejak karbon setelah investasi besar-besaran di AI — berlawanan arah dari target net-zero yang mereka umumkan sebelumnya.
Fakta 2: Model AI Paling Canggih Punya Tingkat Halusinasi yang Mengkhawatirkan
“Halusinasi” dalam konteks AI bukan metafora — ini istilah teknis untuk kondisi di mana model menghasilkan informasi yang terdengar meyakinkan tapi sepenuhnya salah.
Studi dari Stanford HAI (Human-Centered AI) menemukan bahwa model GPT-4 masih menghasilkan konten yang tidak akurat dalam 15-20% kasus untuk pertanyaan berbasis fakta spesifik. Untuk domain medis dan hukum, angkanya bisa lebih tinggi.
Yang lebih mengejutkan: semakin percaya diri nada jawaban AI, belum tentu semakin akurat isinya. Model cenderung menggunakan bahasa yang lebih asertif justru pada topik yang data pelatihannya paling tipis. Ini disebut “calibration problem” — dan ini alasan utama kenapa dokter, pengacara, serta jurnalis dilarang keras mengandalkan output AI tanpa verifikasi manual.
Banyak pengguna awam tidak menyadari hal ini. Mereka melihat antarmuka yang rapi dan respons yang terstruktur, lalu langsung percaya. Di sinilah literasi teknologi jadi krusial — termasuk memahami bahwa tools digital, seperti halnya platform hiburan seperti siul4d slot sekalipun, selalu punya mekanisme dan logika tersendiri yang perlu dipahami sebelum digunakan.
Fakta 3: 80% Dataset Pelatihan AI Berbahasa Inggris — dan Ini Masalah Serius
Common Crawl, salah satu dataset terbesar yang dipakai melatih model AI, terdiri dari lebih dari 46% konten berbahasa Inggris. Bahasa Indonesia, dengan 270 juta penutur, representasinya kurang dari 1%.
Dampaknya nyata dan terukur:
- Model AI cenderung lebih akurat dan nuanced saat menjawab pertanyaan dalam bahasa Inggris
- Pemahaman konteks budaya lokal Indonesia sering meleset
- Istilah-istilah spesifik seperti “warung”, “gotong royong”, atau konteks hukum adat hampir tidak dipahami secara mendalam
Ini bukan sekadar soal bahasa — ini soal representasi. Ketika model dilatih dengan data yang tidak merepresentasikan mayoritas populasi dunia secara proporsional, output-nya secara inheren bias ke arah perspektif barat dan anglofon.
Beberapa inisiatif lokal seperti IndoNLP dan penelitian dari BRIN mulai mencoba memperbaiki gap ini, tapi jalannya masih panjang.
Apa Artinya untuk Kamu sebagai Pengguna?
Tiga fakta di atas bukan untuk menakut-nakuti atau membuat kamu skeptis berlebihan terhadap AI. Tujuannya sebaliknya — supaya kamu bisa menggunakan teknologi ini dengan lebih cerdas.
Beberapa langkah praktis yang bisa langsung diterapkan:
Verifikasi Silang Selalu
Jangan jadikan satu model AI sebagai satu-satunya sumber. Bandingkan output dari beberapa tools, atau cross-check dengan sumber primer.
Pahami Batasan Bahasa
Kalau kamu butuh jawaban yang sangat kontekstual soal Indonesia, coba masukkan pertanyaan dalam Bahasa Indonesia dan Inggris, lalu bandingkan hasilnya.
Tanya Soal Sumber
Biasakan meminta AI menyebutkan sumber atau dasar klaim-nya. Ini membantu kamu mengidentifikasi kapan model sedang “mengarang” versus merujuk informasi nyata.
Teknologi AI berkembang cepat — tapi kecepatan adopsi yang melampaui pemahaman pengguna adalah resep untuk masalah. Semakin banyak yang tahu cara kerjanya secara jujur, semakin sehat ekosistem teknologi kita ke depan.