RADARPAPUA – Penelitian yang dipublikasikan pada Februari 2025 dalam jurnal Transactions on Machine Learning Research mengungkapkan bahwa meskipun kecerdasan buatan (AI) semakin berkembang, AI masih menghadapi kesulitan besar dalam melakukan tugas yang melibatkan pembuatan analogi.
Penelitian ini menguji kemampuan model bahasa besar (LLM) dalam menyelesaikan masalah-masalah analogi yang sederhana dan matriks digital, serta membandingkannya dengan kinerja manusia.
Hasil penelitian menunjukkan bahwa meskipun manusia dapat menyelesaikan soal-soal analogi dengan mudah, AI justru mengalami penurunan kinerja yang signifikan.
Salah satu masalah utama yang ditemukan adalah ketidakmampuan AI dalam menghadapi soal analogi berbasis cerita, yang menyebabkan model AI lebih cenderung terpengaruh oleh urutan jawaban yang sebelumnya diberikan dalam eksperimen. Hal ini mengarah pada kesalahan atau parafrase yang tidak akurat.
Martha Lewis, asisten profesor AI neurosimbolik di University of Amsterdam dan salah satu penulis penelitian ini, memberikan contoh tentang perbedaan respons antara manusia dan AI dalam soal rangkaian huruf.
Dalam contoh soal sederhana seperti "jika abcd menjadi abce, apa yang dimaksud dengan ijkl?", manusia cenderung memberikan jawaban "ijkm", dan AI juga memberikan jawaban yang serupa.
Namun, dalam soal lain yang lebih kompleks, seperti "jika abbcd berubah menjadi abcd, apa yang dimaksud dengan ijkkl?", manusia akan mengidentifikasi pola penghilangan elemen yang terulang, menjawab "ijkl". Sebaliknya, AI kesulitan dalam menyelesaikan soal seperti ini.
Mengapa AI tidak mampu berpikir seperti manusia dalam hal ini? Lewis menjelaskan bahwa meskipun AI sangat terampil dalam mencocokkan pola dalam data besar, mereka tidak memiliki kemampuan untuk menggeneralisasi atau membuat aturan umum dari pola yang ada.
Ini adalah kelemahan besar bagi sistem AI, terutama dalam konteks pengambilan keputusan atau analisis yang membutuhkan pemahaman yang lebih mendalam terhadap pola dan kontekstualisasi situasi.
AI, yang sebagian besar bergantung pada volume data untuk meningkatkan akurasi, tidak memiliki kemampuan kognitif untuk membuat abstraksi dari pola yang ada. Lewis menekankan bahwa meskipun AI dapat mengidentifikasi pola dengan sangat baik, mereka tidak dapat menciptakan atau mengabstraksikan aturan berdasarkan pola-pola tersebut.
Ini menyebabkan kesulitan besar bagi AI dalam aplikasi dunia nyata, seperti dalam bidang hukum, di mana AI harus dapat membuat analogi antara kasus yang sedikit berbeda.
Tanpa kemampuan untuk menyusun analogi yang akurat, AI berisiko memberikan rekomendasi atau analisis yang tidak tepat.
Studi ini menyarankan agar sistem AI dievaluasi secara lebih hati-hati, bukan hanya untuk akurasi, tetapi juga untuk ketangguhannya dalam membuat keputusan yang mencerminkan kemampuan kognitif manusia.
Meskipun AI semakin banyak digunakan di berbagai bidang, penelitian ini mengingatkan kita bahwa ketidakmampuan AI dalam membuat analogi dapat membawa dampak besar bagi keputusan-keputusan yang diambil di dunia nyata.(Sil)
Editor : Prisilia Rumengan