Banyak analis dan pakar teknologi menyebut hampir semua peran manusia bakal digantikan oleh kercerdasan buatan atau artificial intelligence (AI). Namun, sebuah penelitian yang dilakukan baru-baru ini membuktikan, tak semua hal dari manusia bisa digantikan AI. Dan justru hal itu sangat penting.
__________
Sebuah penelitian terbaru yang diterbitkan oleh jurnal Transactions on Machine Learning Research pada Februari 2025, misalnya, menyimpulkan bahwa ada perbedaan mendasar antara cara manusia dan AI dalam memproses informasi.
Utamanya soal kemampuan membuat analogi atau membandingkan dua situasi atau pola yang berbeda, tetapi serupa secara logika.
Dalam penelitian ini, para ilmuwan menguji kemampuan manusia dan AI, khususnya model bahasa besar (Large Language Models/LLM), dalam menyelesaikan soal analogi sederhana dan masalah pola angka digital.
Hasilnya cukup mencolok: manusia mampu menyelesaikan soal-soal itu dengan baik, sementara performa AI menurun tajam.
Contohnya terlihat dalam soal analogi huruf.
“Jika ‘abcd’ berubah menjadi ‘abce’, lalu ‘ijkl’ berubah menjadi apa? Sebagian besar manusia akan menjawab ‘ijkm’, dan AI biasanya menjawab hal yang sama,” kata Martha Lewis, asisten profesor AI neurosimbolik di Universitas Amsterdam sekaligus penulis studi tersebut.
Namun, ketika soal dibuat sedikit lebih kompleks, AI mulai kesulitan. “Misalnya, ‘abbcd’ menjadi ‘abcd’, lalu ‘ijkkl’ harus menjadi apa? Manusia cenderung menjawab ‘ijkl’ karena melihat pola penghapusan elemen yang berulang. Tapi, kecerdaan buatan GPT-4 seringkali gagal menjawab benar pada tipe soal seperti ini,” jelas Lewis.
Salah satu temuan penting penelitian ini adalah, model AI ternyata belum memiliki kemampuan “zero-shot learning“, yaitu kemampuan untuk mengenali dan memahami pola dari kelas data yang belum pernah mereka temui sebelumnya.
Ini adalah kemampuan alami manusia dalam menyusun logika dan membuat kesimpulan dari situasi baru tanpa harus melihat contoh yang serupa sebelumnya.
Lewis menekankan bahwa manusia bisa menggeneralisasi pola tertentu menjadi aturan yang lebih umum, sementara AI hanya mampu mencocokkan pola yang sudah dikenal.
“AI bagus dalam mengenali dan mencocokkan pola, tapi buruk dalam membuat generalisasi dari pola tersebut,” ujarnya.
Kelemahan ini bukan sekadar masalah teknis. Implikasinya bisa sangat luas, terutama karena AI sudah mulai banyak digunakan di bidang-bidang penting seperti hukum.
AI dipakai untuk membantu riset hukum, menganalisis yurisprudensi, bahkan memberikan rekomendasi hukuman. Namun, jika AI tidak mampu membuat analogi dengan baik, ada risiko dia gagal menerapkan preseden hukum pada kasus yang sedikit berbeda, tapi relevan.
Studi ini memperingatkan bahwa manusia perlu mengevaluasi AI bukan hanya berdasarkan akurasinya, tapi juga dari kemampuannya dalam berpikir dan menalar. Kemampuan berpikir analogis adalah bagian penting dari kecerdasan manusia yang belum bisa ditiru sepenuhnya oleh mesin.
Penelitian ini menjadi pengingat penting bahwa, meski AI berkembang sangat pesat, masih ada jurang besar antara kecerdasan manusia dan mesin. “Ini bukan sekadar soal seberapa banyak data yang dimiliki, tapi bagaimana data itu dipahami dan digunakan,” kata Lewis.
Dengan kata lain, manusia perlu berhati-hati saat mengandalkan AI dalam pengambilan keputusan penting. Sebab, seperti yang ditunjukkan oleh studi ini, AI belum bisa “berpikir” seperti manusia — dan mungkin tidak akan bisa dalam waktu dekat. ***
