Table of Contents
Sebuah studi revolusioner dari Universitas Johns Hopkins mengungkapkan kelemahan besar pada AI models—ketidakmampuan mereka untuk secara akurat menafsirkan dan memprediksi interaksi sosial manusia. Temuan ini memunculkan pertanyaan serius tentang kesiapan sistem kecerdasan buatan saat ini untuk aplikasi dunia nyata seperti kendaraan otonom dan robot asisten.
Penelitian menunjukkan bahwa manusia unggul dalam membaca isyarat sosial dan memahami konteks dalam situasi dinamis, sementara bahkan AI models tercanggih pun gagal mencapai level tersebut. Keterbatasan ini berpotensi berdampak besar pada masa depan AI, terutama ketika teknologi ini semakin masuk ke dalam kehidupan sehari-hari.
Pentingnya Pemahaman Sosial dalam AI
Interaksi manusia dipenuhi dengan isyarat halus—bahasa tubuh, nada suara, dan konteks—yang membantu kita memahami maksud orang lain. Untuk sistem berbasis AI seperti mobil tanpa pengemudi atau robot sosial, mengenali nuansa ini sangat penting.
“AI untuk mobil otonom, misalnya, harus bisa mengenali niat, tujuan, dan tindakan pengemudi atau pejalan kaki manusia,” jelas Leyla Isik, penulis utama studi ini dan asisten profesor ilmu kognitif di Universitas Johns Hopkins. “Anda ingin AI tahu ke mana pejalan kaki akan melangkah atau apakah dua orang sedang berbicara atau hendak menyeberang jalan. Saat ini, AI models tidak mampu melakukan itu.”
Artikel Lainnya : Aplikasi Neuron Buatan di Masa Depan
Studi: Membandingkan Persepsi Manusia dan AI Models
Untuk menyelidiki kesenjangan ini, tim Johns Hopkins melakukan eksperimen dengan meminta manusia dan AI models mengevaluasi klip video pendek yang berisi adegan sosial.
Cara Eksperimen Dilakukan
- Peserta manusia: Diminta menonton video berdurasi 3 detik dan menilai bagaimana video tersebut menggambarkan interaksi sosial—apakah orang-orang berkomunikasi, beraktivitas sendiri, atau berkolaborasi.
- AI models: Lebih dari 350 model berbasis bahasa, gambar, dan video diminta memprediksi bagaimana manusia akan menilai video tersebut dan bagaimana otak manusia merespons saat menontonnya.
Hasilnya sangat mencolok. Manusia menunjukkan kesepakatan yang kuat dalam penilaian mereka, sementara AI models kesulitan menangkap isyarat sosial.
Hasil Mengejutkan: Kelemahan AI dalam Dinamika Sosial
Performa Model Video vs. Gambar vs. Bahasa
- Video AI models gagal mendeskripsikan apa yang dilakukan orang dalam adegan dinamis.
- Model berbasis gambar, yang menganalisis frame diam, juga tidak dapat memprediksi keterlibatan sosial secara andal.
- Model bahasa sedikit lebih baik dalam memprediksi perilaku manusia tetapi masih jauh dari pemahaman setingkat manusia.
“Itu bukan hanya tentang mengenali objek dan wajah. Kehidupan nyata tidaklah statis. Kita membutuhkan AI yang bisa memahami cerita yang sedang berkembang dalam sebuah adegan,” kata Kathy Garcia, penulis pertama bersama studi ini.
Mengapa AI Models Kesulitan Memahami Dinamika Sosial?
Masalah ini mungkin berasal dari cara AI models dirancang. Jaringan saraf modern terinspirasi dari bagian otak yang memproses gambar statis, tetapi interaksi sosial melibatkan pemodelan mental yang kompleks—kemampuan yang manusia kembangkan melalui pengalaman hidup.
“Ada sesuatu yang fundamental tentang cara manusia memproses adegan dinamis yang tidak dimiliki AI models,” ujar Isik. “Ini bukan hanya masalah teknis; ini masalah konseptual.”
Dampak Bagi Pengembangan AI
Keterbatasan ini lebih dari sekadar keingintahuan akademis—ini menjadi hambatan kritis untuk membangun AI yang dapat dipercaya.
- Kendaraan otonom harus memprediksi pergerakan pejalan kaki untuk menghindari kecelakaan.
- Robot asisten harus mengenali isyarat sosial untuk berinteraksi dengan aman.
- Bahkan asisten virtual perlu memahami konteks sosial agar responsnya tepat.
Jika AI tidak dapat menafsirkan perilaku manusia dengan andal, teknologi ini berisiko menjadi bahaya daripada bantuan.
Menutup Kesenjangan: Masa Depan AI Models
Penelitian ini menunjukkan bahwa langkah selanjutnya dalam pengembangan AI adalah:
– Memahami adegan dinamis.
– Mengembangkan arsitektur yang meniru bagian otak yang memproses gerakan dan interaksi sosial.
– Melatih AI dengan dataset yang lebih kaya dan kompleks secara kontekstual.
“Inilah frontier berikutnya dalam AI,” kata Garcia. “Kita butuh sistem yang mampu menghadapi sifat dinamis dan tak terduga dari kehidupan manusia.”
Kesimpulan: Mengapa AI yang Paham Sosial Sangat Diperlukan
Meskipun AI models telah mencapai kemajuan luar biasa, penelitian ini menyoroti keterbatasan signifikan mereka dalam memahami interaksi sosial. Untuk saat ini, tidak ada pengganti otak manusia dalam menavigasi kompleksitas kehidupan sosial.
Baca Juga : NY Times






Leave a Reply