Bagaimana Kecerdasan Umum Buatan pertama akan mengubah masyarakat: Masa depan kecerdasan buatan P2

Kami telah membangun piramida. Kami belajar memanfaatkan listrik. Kami memahami bagaimana alam semesta kita terbentuk setelah Big Bang (kebanyakan). Dan tentu saja, contoh klise, kami menempatkan seorang pria di bulan. Namun, terlepas dari semua pencapaian ini, otak manusia tetap jauh di luar pemahaman sains modern dan, secara default, merupakan objek paling kompleks di alam semesta yang diketahui—atau setidaknya pemahaman kita tentangnya.

Mengingat kenyataan ini, seharusnya tidak mengejutkan bahwa kita belum membangun kecerdasan buatan (AI) yang setara dengan manusia. AI seperti Data (Star Trek), Rachael (Blade Runner), dan David (Prometheus), atau AI non-humanoid seperti Samantha (Her) dan TARS (Interstellar), ini semua adalah contoh tonggak penting berikutnya dalam pengembangan AI: kecerdasan umum buatan (AGI, terkadang juga disebut sebagai HLMI atau Human Level Machine Intelligence). 

Dengan kata lain, tantangan yang dihadapi peneliti AI adalah: Bagaimana kita bisa membangun pikiran buatan yang sebanding dengan milik kita ketika kita bahkan tidak memiliki pemahaman penuh tentang cara kerja pikiran kita sendiri?

Kami akan mengeksplorasi pertanyaan ini, bersama dengan bagaimana manusia akan menghadapi AGI di masa depan, dan akhirnya, bagaimana masyarakat akan berubah sehari setelah AGI pertama diumumkan ke dunia. 

Apa itu kecerdasan umum buatan?

Rancang AI yang dapat mengalahkan pemain peringkat teratas di Catur, Jeopardy, dan Go, dengan mudah (Deep Blue, Watson, dan AlfaGO masing-masing). Rancang AI yang dapat memberi Anda jawaban atas pertanyaan apa pun, menyarankan item yang mungkin ingin Anda beli, atau mengelola armada taksi rideshare—seluruh perusahaan multi-miliar dolar dibangun di sekitar mereka (Google, Amazon, Uber). Bahkan AI yang dapat mengantar Anda dari satu sisi negara ke sisi lain ... yah, kami sedang mengerjakannya.

Tetapi minta AI untuk membaca buku anak-anak dan memahami konten, makna, atau moral yang coba diajarkan, atau minta AI membedakan antara gambar kucing dan zebra, dan Anda akan berakhir menyebabkan lebih dari beberapa sirkuit pendek. 

Alam menghabiskan jutaan tahun untuk mengembangkan perangkat komputasi (otak) yang unggul dalam pemrosesan, pemahaman, pembelajaran, dan kemudian bertindak berdasarkan situasi baru dan dalam lingkungan baru. Bandingkan dengan setengah abad terakhir ilmu komputer yang berfokus pada pembuatan perangkat komputasi yang disesuaikan dengan tugas tunggal yang dirancang untuk mereka. 

Dengan kata lain, manusia-komputer adalah generalis, sedangkan komputer buatan adalah spesialis.

Tujuan membuat AGI adalah untuk menciptakan AI yang dapat berpikir dan belajar lebih seperti manusia, melalui pengalaman daripada melalui pemrograman langsung.

Di dunia nyata, ini berarti AGI masa depan belajar membaca, menulis, dan menceritakan lelucon, atau berjalan, berlari, dan mengendarai sepeda sebagian besar sendiri, melalui pengalamannya sendiri di dunia (menggunakan tubuh atau organ/perangkat sensorik yang kami berikan), dan melalui interaksinya sendiri, AI lain dan manusia lain.

Apa yang diperlukan untuk membangun kecerdasan umum buatan

Meskipun secara teknis sulit, membuat AGI harus dimungkinkan. Jika faktanya, ada properti yang dipegang teguh dalam hukum fisika — universalitas komputasi — yang pada dasarnya mengatakan semua yang dapat dilakukan objek fisik, komputer tujuan umum yang cukup kuat, pada prinsipnya, harus dapat menyalin/mensimulasikan.

Namun, itu rumit.

Untungnya, ada banyak peneliti AI pintar dalam kasus ini (belum lagi banyak pendanaan perusahaan, pemerintah, dan militer yang mendukung mereka), dan sejauh ini, mereka telah mengidentifikasi tiga unsur utama yang mereka rasa perlu dipecahkan untuk membawa AGI ke dunia kita.

Big data. Pendekatan paling umum untuk pengembangan AI melibatkan teknik yang disebut pembelajaran mendalam—jenis tertentu dari sistem pembelajaran mesin yang bekerja dengan menyedot sejumlah besar data, mengolah data tersebut dalam jaringan neuron simulasi (dimodelkan setelah otak manusia), dan kemudian menggunakan temuan untuk memprogram wawasannya sendiri. Untuk detail lebih lanjut tentang pembelajaran mendalam, membaca ini.

Sebagai contoh, di 2017, Google memberi AI-nya ribuan gambar kucing yang digunakan sistem pembelajaran mendalamnya untuk mempelajari tidak hanya cara mengidentifikasi kucing, tetapi juga membedakan ras kucing yang berbeda. Tidak lama kemudian, mereka mengumumkan rilis yang akan datang dari Google Lens, aplikasi pencarian baru yang memungkinkan pengguna mengambil gambar apa pun dan Google tidak hanya akan memberi tahu Anda apa itu, tetapi juga menawarkan beberapa konten kontekstual berguna yang menjelaskannya—berguna saat bepergian dan Anda ingin mempelajari lebih lanjut tentang objek wisata tertentu. Tapi di sini juga, Google Lens tidak akan mungkin tanpa miliaran gambar yang saat ini terdaftar di mesin pencari gambarnya.

Namun, kombo data besar dan pembelajaran mendalam ini masih belum cukup untuk menghasilkan AGI.

Algoritma yang lebih baik. Selama dekade terakhir, anak perusahaan Google dan pemimpin di bidang AI, DeepMind, membuat terobosan dengan menggabungkan kekuatan pembelajaran mendalam dengan pembelajaran penguatan—pendekatan pembelajaran mesin gratis yang bertujuan untuk mengajarkan AI cara mengambil tindakan di lingkungan baru untuk mencapai tujuan yang ditetapkan.

Berkat taktik hybrid ini, AI perdana DeepMind, AlphaGo, tidak hanya belajar sendiri cara bermain AlphaGo dengan mengunduh aturan dan mempelajari strategi pemain master manusia, tetapi setelah bermain melawan dirinya sendiri jutaan kali kemudian mampu mengalahkan pemain AlphaGo terbaik menggunakan gerakan dan strategi yang belum pernah terlihat dalam permainan. 

Demikian juga, percobaan perangkat lunak Atari DeepMind melibatkan pemberian kamera AI untuk melihat layar permainan yang khas, memprogramnya dengan kemampuan untuk memasukkan perintah permainan (seperti tombol joystick), dan memberinya tujuan tunggal untuk meningkatkan skornya. Hasil? Dalam beberapa hari, ia belajar sendiri cara bermain dan cara menguasai lusinan game arcade klasik. 

Namun, sama menariknya dengan keberhasilan awal ini, masih ada beberapa tantangan utama yang harus dipecahkan.

Pertama, peneliti AI sedang bekerja untuk mengajarkan AI sebuah trik yang disebut 'chunking' yang sangat baik dilakukan oleh otak manusia dan hewan. Sederhananya, ketika Anda memutuskan untuk pergi keluar untuk membeli bahan makanan, Anda dapat memvisualisasikan tujuan akhir Anda (membeli alpukat) dan rencana kasar tentang bagaimana Anda akan melakukannya (meninggalkan rumah, mengunjungi toko kelontong, membeli alpukat, kembali ke rumah). Apa yang tidak Anda lakukan adalah merencanakan setiap napas, setiap langkah, setiap kemungkinan yang mungkin terjadi dalam perjalanan Anda ke sana. Sebaliknya, Anda memiliki konsep (potongan) di pikiran Anda tentang ke mana Anda ingin pergi dan menyesuaikan perjalanan Anda dengan situasi apa pun yang muncul.

Seperti biasa bagi Anda, kemampuan ini adalah salah satu keunggulan utama yang masih dimiliki otak manusia dibandingkan AI—ini adalah kemampuan beradaptasi untuk menetapkan tujuan dan mengejarnya tanpa mengetahui setiap detail sebelumnya dan terlepas dari hambatan atau perubahan lingkungan apa pun, kami mungkin menghadapi. Keterampilan ini akan memungkinkan AGI untuk belajar lebih efisien, tanpa memerlukan data besar yang disebutkan di atas.

Tantangan lainnya adalah kemampuan untuk tidak hanya membaca buku tetapi mengerti artinya atau konteks di baliknya. Jangka panjang, tujuannya di sini adalah agar AI membaca artikel surat kabar dan dapat menjawab berbagai pertanyaan tentang apa yang dibacanya secara akurat, seperti menulis laporan buku. Kemampuan ini akan mengubah AI dari sekadar kalkulator yang mengolah angka menjadi entitas yang mengolah makna.

Secara keseluruhan, kemajuan lebih lanjut ke algoritme belajar mandiri yang dapat meniru otak manusia akan memainkan peran kunci dalam pembuatan AGI, tetapi di samping pekerjaan ini, komunitas AI juga membutuhkan perangkat keras yang lebih baik.

Perangkat keras yang lebih baik. Menggunakan pendekatan saat ini yang dijelaskan di atas, AGI hanya akan menjadi mungkin setelah kami secara serius meningkatkan daya komputasi yang tersedia untuk menjalankannya.

Untuk konteksnya, jika kita mengambil kemampuan otak manusia untuk berpikir dan mengubahnya menjadi istilah komputasi, maka perkiraan kasar kapasitas mental rata-rata manusia adalah satu exaflop, yang setara dengan 1,000 petaflops ('Flop' singkatan dari floating-point operations per detik dan mengukur kecepatan komputasi).

Sebagai perbandingan, pada akhir 2018, superkomputer paling kuat di dunia, Jepang AI Menjembatani Cloud akan bersenandung di 130 petaflops, jauh dari satu exaflop.

Seperti yang diuraikan dalam kami superkomputer bab di kami Masa Depan Komputer seri, baik AS dan Cina bekerja untuk membangun superkomputer exaflop mereka sendiri pada tahun 2022, tetapi bahkan jika mereka berhasil, itu mungkin masih belum cukup.

Superkomputer ini beroperasi pada beberapa lusin megawatt daya, mengambil beberapa ratus meter persegi ruang, dan biaya beberapa ratus juta untuk membangun. Otak manusia hanya menggunakan daya 20 watt, muat di dalam tengkorak dengan keliling sekitar 50 cm, dan ada tujuh miliar dari kita (2018). Dengan kata lain, jika kita ingin membuat AGI biasa seperti manusia, kita perlu belajar cara membuatnya dengan cara yang lebih ekonomis.

Untuk itu, peneliti AI mulai mempertimbangkan untuk memberdayakan AI masa depan dengan komputer kuantum. Dijelaskan lebih detail di komputer kuantum bab dalam seri Future of Computers kami, komputer ini bekerja dengan cara yang berbeda secara fundamental dari komputer yang telah kami buat selama setengah abad terakhir. Setelah disempurnakan pada tahun 2030-an, satu komputer kuantum akan mengungguli setiap superkomputer yang saat ini beroperasi pada tahun 2018, secara global, jika digabungkan. Mereka juga akan jauh lebih kecil dan menggunakan energi jauh lebih sedikit daripada superkomputer saat ini. 

Bagaimana kecerdasan umum buatan lebih unggul dari manusia?

Mari kita asumsikan bahwa setiap tantangan yang tercantum di atas telah diketahui, bahwa peneliti AI menemukan kesuksesan dalam menciptakan AGI pertama. Bagaimana pikiran AGI akan berbeda dari pikiran kita?

Untuk menjawab pertanyaan semacam ini, kita perlu mengklasifikasikan pikiran AGI ke dalam tiga kategori, yaitu pikiran yang hidup di dalam tubuh robot (Data dari Star Trek), yang memiliki bentuk fisik tetapi terhubung secara nirkabel ke internet/cloud (Agen Smith dari Matrix) dan yang tidak berbentuk fisik yang hidup sepenuhnya di komputer atau online (Samantha dari Buku).

Untuk memulai, AGI di dalam tubuh robot yang diisolasi dari web akan bersaing setara dengan pikiran manusia, tetapi dengan keunggulan tertentu:

• Memori: Tergantung pada desain bentuk robot AGI, memori jangka pendek dan memori informasi penting mereka pasti akan lebih unggul daripada manusia. Tetapi pada akhirnya, ada batasan fisik untuk seberapa banyak ruang hard drive yang dapat Anda masukkan ke dalam robot, dengan asumsi kami mendesainnya agar terlihat seperti manusia. Untuk alasan ini, memori jangka panjang AGI akan bertindak sangat mirip dengan manusia, secara aktif melupakan informasi dan memori yang dianggap tidak perlu untuk fungsinya di masa depan (untuk mengosongkan 'ruang disk').
• Kecepatan: Kinerja neuron di dalam otak manusia maksimal sekitar 200 hertz, sedangkan mikroprosesor modern berjalan pada tingkat gigahertz, jadi jutaan kali lebih cepat daripada neuron. Ini berarti dibandingkan dengan manusia, AGI masa depan akan memproses info dan membuat keputusan lebih cepat daripada manusia. Pikiran Anda, ini tidak berarti AGI ini akan membuat keputusan yang lebih cerdas atau lebih tepat daripada manusia, hanya saja mereka dapat mengambil kesimpulan lebih cepat.
• Kinerja: Sederhananya, otak manusia menjadi lelah jika bekerja terlalu lama tanpa istirahat atau tidur, dan ketika itu terjadi, ingatan dan kemampuannya untuk belajar dan nalar menjadi terganggu. Sedangkan untuk AGI, dengan asumsi mereka mendapatkan isi ulang (listrik) secara teratur, mereka tidak akan memiliki kelemahan itu.
• Kemampuan untuk ditingkatkan: Bagi manusia, mempelajari kebiasaan baru dapat membutuhkan latihan berminggu-minggu, mempelajari keterampilan baru dapat memakan waktu berbulan-bulan, dan mempelajari profesi baru dapat memakan waktu bertahun-tahun. Untuk AGI, mereka akan memiliki kemampuan untuk belajar baik melalui pengalaman (seperti manusia) dan dengan mengunggah data langsung, serupa dengan cara Anda memperbarui OS komputer Anda secara rutin. Pembaruan ini dapat diterapkan pada peningkatan pengetahuan (keterampilan baru) atau peningkatan kinerja ke bentuk fisik AGI. 

Selanjutnya, mari kita lihat AGI yang memiliki bentuk fisik, tetapi juga terhubung secara nirkabel ke internet/cloud. Perbedaan yang dapat kita lihat dengan level ini jika dibandingkan dengan AGI yang tidak terhubung antara lain:

• Memori: AGI ini akan memiliki semua keuntungan jangka pendek yang dimiliki kelas AGI sebelumnya, kecuali bahwa mereka juga akan mendapat manfaat dari memori jangka panjang yang sempurna karena mereka dapat mengunggah memori tersebut ke cloud untuk diakses saat dibutuhkan. Jelas, memori ini tidak akan dapat diakses di area dengan konektivitas rendah, tetapi itu akan menjadi kurang menjadi perhatian selama tahun 2020-an dan 2030-an ketika lebih banyak dunia online. Baca selengkapnya di Bab satu dari kami Masa Depan Internet series. 
• Kecepatan: Bergantung pada jenis kendala yang dihadapi AGI ini, mereka dapat mengakses kekuatan komputasi awan yang lebih besar untuk membantu mereka menyelesaikannya.
• Performa: Tidak ada perbedaan jika dibandingkan dengan AGI yang tidak terhubung.
• Upgradeability: Satu-satunya perbedaan antara dengan AGI ini yang berkaitan dengan upgradeability adalah bahwa mereka dapat mengakses upgrade secara real time, secara nirkabel, daripada harus mengunjungi dan menyambungkan ke depot upgrade.
• Kolektif: Manusia menjadi spesies dominan di Bumi bukan karena kami adalah hewan terbesar atau terkuat, tetapi karena kami belajar bagaimana berkomunikasi dan berkolaborasi dalam berbagai cara untuk mencapai tujuan bersama, mulai dari memburu Woolly Mammoth hingga membangun Stasiun Luar Angkasa Internasional. Sebuah tim AGI akan membawa kolaborasi ini ke tingkat berikutnya. Mengingat semua keuntungan kognitif yang tercantum di atas dan kemudian menggabungkannya dengan kemampuan untuk berkomunikasi secara nirkabel, baik secara langsung maupun jarak jauh, tim AGI/pikiran sarang masa depan secara teoritis dapat menangani proyek jauh lebih efisien daripada tim manusia. 

Terakhir, jenis AGI yang terakhir adalah versi tanpa bentuk fisik, yang beroperasi di dalam komputer, dan memiliki akses ke daya komputasi penuh dan sumber daya online yang disediakan oleh pembuatnya. Dalam pertunjukan dan buku fiksi ilmiah, AGI ini biasanya berbentuk asisten/teman virtual ahli atau sistem operasi yang gagah dari pesawat ruang angkasa. Namun dibandingkan dengan dua kategori AGI lainnya, AI ini akan berbeda dalam beberapa hal berikut;

• Kecepatan: Tidak terbatas (atau, setidaknya hingga batas perangkat keras yang dapat diaksesnya).
• Memori: Tidak Terbatas  
• Kinerja: Peningkatan kualitas pengambilan keputusan berkat aksesnya ke pusat superkomputer.
• Upgradeability: Mutlak, secara real time, dan dengan pilihan upgrade kognitif yang tidak terbatas. Tentu saja, karena kategori AGI ini tidak memiliki bentuk robot fisik, maka tidak akan memerlukan upgrade fisik yang tersedia kecuali upgrade tersebut ke superkomputer tempat ia beroperasi.
• Kolektif: Mirip dengan kategori AGI sebelumnya, AGI tanpa bodi ini akan berkolaborasi secara efektif dengan rekan-rekan AGI-nya. Namun, mengingat aksesnya yang lebih langsung ke daya komputasi tak terbatas dan akses ke sumber daya online, AGI ini biasanya akan mengambil peran kepemimpinan dalam keseluruhan kolektif AGI. 

Kapan manusia akan menciptakan kecerdasan umum buatan pertama?

Tidak ada tanggal pasti kapan komunitas riset AI percaya bahwa mereka akan menemukan AGI yang sah. Namun, 2013 survei dari 550 peneliti AI top dunia, yang dilakukan oleh pemikir penelitian AI terkemuka Nick Bostrom dan Vincent C. Müller, membuat rata-rata rentang pendapat hingga tiga tahun yang mungkin:

• Tahun optimis median (kemungkinan 10%): 2022
• Tahun realistis median (kemungkinan 50%): 2040
• Tahun pesimis median (kemungkinan 90%): 2075 

Seberapa tepat perkiraan ini tidak terlalu penting. Yang penting adalah bahwa sebagian besar komunitas riset AI percaya bahwa kita akan menemukan AGI dalam hidup kita dan relatif di awal abad ini. 

Bagaimana menciptakan kecerdasan umum buatan akan mengubah umat manusia

Kami mengeksplorasi dampak AI baru ini secara mendetail di sepanjang bab terakhir dari seri ini. Yang mengatakan, untuk bab ini, kita akan mengatakan bahwa penciptaan AGI akan sangat mirip dengan reaksi masyarakat yang akan kita alami jika manusia menemukan kehidupan di Mars. 

Satu kubu tidak akan memahami pentingnya dan akan terus berpikir bahwa para ilmuwan membuat masalah besar tentang menciptakan komputer lain yang lebih kuat.

Kamp lain, kemungkinan terdiri dari Luddites dan individu yang berpikiran religius, akan takut AGI ini, berpikir itu adalah kekejian bahwa ia akan mencoba untuk memusnahkan manusia gaya SkyNet. Kamp ini akan secara aktif menganjurkan untuk menghapus/menghancurkan AGI dalam segala bentuknya.

Di sisi lain, kubu ketiga akan melihat penciptaan ini sebagai peristiwa spiritual modern. Dalam semua hal yang penting, AGI ini akan menjadi bentuk kehidupan baru, yang berpikir berbeda dari kita dan yang tujuannya berbeda dari kita sendiri. Setelah penciptaan AGI diumumkan, manusia tidak akan lagi berbagi Bumi hanya dengan hewan, tetapi juga bersama kelas baru makhluk buatan yang kecerdasannya setara atau lebih unggul dari kita.

Kamp keempat akan mencakup kepentingan bisnis yang akan menyelidiki bagaimana mereka dapat menggunakan AGI untuk mengatasi berbagai kebutuhan bisnis, seperti mengisi kesenjangan di pasar tenaga kerja dan mempercepat pengembangan barang dan jasa baru.

Selanjutnya, kami memiliki perwakilan dari semua tingkat pemerintahan yang akan tersandung mencoba memahami bagaimana mengatur AGI. Ini adalah tingkat di mana semua perdebatan moral dan filosofis akan mencapai puncaknya, khususnya seputar apakah akan memperlakukan AGI ini sebagai properti atau sebagai pribadi. 

Dan akhirnya, kamp terakhir adalah militer dan badan keamanan nasional. Sebenarnya, ada kemungkinan besar pengumuman publik tentang AGI pertama mungkin tertunda berbulan-bulan hingga bertahun-tahun karena kamp ini saja. Mengapa? Karena penemuan AGI, dalam waktu singkat akan mengarah pada penciptaan kecerdasan buatan (ASI), yang akan mewakili ancaman geopolitik besar-besaran dan peluang yang jauh melampaui penemuan bom nuklir. 

Untuk alasan ini, beberapa bab berikutnya akan fokus sepenuhnya pada topik ASI dan apakah umat manusia akan bertahan setelah penemuannya.

(Cara yang terlalu dramatis untuk mengakhiri sebuah bab? Astaga.)

Masa depan seri Kecerdasan Buatan

Kecerdasan Buatan adalah listrik masa depan: Masa Depan Kecerdasan Buatan P1

Bagaimana kami akan membuat Kecerdasan Buatan pertama: Masa Depan Kecerdasan Buatan P3 

Akankah Kecerdasan Buatan memusnahkan umat manusia? Masa Depan Kecerdasan Buatan P4

Bagaimana manusia akan bertahan melawan Kecerdasan Buatan: Masa Depan Kecerdasan Buatan P5

Akankah manusia hidup damai di masa depan yang didominasi oleh kecerdasan buatan? Masa Depan Kecerdasan Buatan P6