‘Kita tidak bisa berubah selama kita terus mempertimbangkan Big Data dan pembelajaran mendalam sebagai cawan suci’ | Kredit foto: Getty Images/iStockphoto
Meningkatnya kekuatan dan pengaruh perusahaan-perusahaan teknologi besar menjadi perhatian para pembuat kebijakan di seluruh dunia. Untuk mematahkan kendali Big Tech atas Kecerdasan buatan (AI) ekosistem dan mendemokratisasi pengembangan AI, India, seperti banyak negara lainnya, berinvestasi pada infrastruktur cloud berdaulat, menciptakan platform data terbuka, dan mendukung startup lokal. Namun, upaya-upaya ini sepertinya tidak akan cukup dan bahkan mungkin akan memperdalam dominasi perusahaan teknologi besar.
Tantangan domain Big Tech
Biaya komputasi yang sangat besar untuk membangun model pembelajaran mendalam membuat pemain kecil hampir mustahil untuk bersaing. Pembelajaran mendalam kini menjadi bentuk AI yang populer karena kemampuannya yang luas. Namun justru inilah yang membuatnya mahal secara komputasi. Mulai tahun 2023, Gemini Ultra Itu adalah model yang paling mahal, biaya pelatihannya sekitar $200 juta. Agar terjangkau, setiap pendatang baru harus terikat pada perusahaan teknologi besar untuk mendapatkan kredit TI. Biaya-biaya ini juga memberi insentif kepada perusahaan-perusahaan teknologi besar untuk terus memperjuangkan pembelajaran mendalam sebagai masa depan dan mendorong model-model yang semakin besar: hal ini mengamankan posisi mereka sebagai pemain dominan dan menyediakan aliran pendapatan utama yang dapat digunakan untuk menutup biaya-biaya yang mereka keluarkan.
Beberapa usulan kebijakan baru-baru ini menyarankan investasi pada infrastruktur TI publik atau mengembangkan model gabungan, mengikuti contoh model infrastruktur publik digital di India. Namun, menyediakan infrastruktur alternatif saja tidak cukup. Infrastruktur ini juga harus bersaing dengan penawaran Big Tech. Perusahaan teknologi besar menawarkan berbagai alat pengembang yang membuat alur kerja lebih mudah dan efisien, dan alat ini dioptimalkan untuk infrastruktur mereka di cloud. Selain akses ke infrastruktur cloud, mereka juga memberi bisnis akses ke model algoritmik terbaru, sehingga tugas-tugas seperti analisis gambar atau video menjadi lebih mudah, serta alat untuk menyederhanakan persiapan dan pelabelan data. Penawaran layanan menyeluruh dari Big Tech menjadikan pengembangan lebih murah dan mudah serta meningkatkan biaya peralihan ke penyedia lain.
Monopoli data yang dilakukan oleh perusahaan teknologi besar bahkan lebih sulit untuk dilawan. Perusahaan-perusahaan ini mengakses aliran data yang berkelanjutan di berbagai domain, interaksi sosial, dan geografi. “Kecerdasan data” ini mungkin lebih canggih dibandingkan apa yang bisa dicapai oleh pemain lain, sehingga memberi mereka keunggulan kompetitif yang besar. Tidak mengherankan, banyak perusahaan AI kecil menyadari bahwa tujuan utama mereka adalah menjual ke perusahaan teknologi besar, sehingga semakin memperkuat siklus dominasi. Meskipun inisiatif data publik bertujuan untuk mendemokratisasi akses data dan menciptakan persaingan yang lebih seimbang, namun sering kali gagal. Inisiatif data terbuka rentan terhadap penangkapan komersial, karena pemain dengan sumber daya yang lebih baik (dalam hal ini, perusahaan teknologi besar dengan infrastruktur komputasi dan kecerdasan data yang canggih) diposisikan untuk memanfaatkan arsitektur data terbuka ini dengan sebaik-baiknya.
Peralihan ke pembelajaran mendalam (deep learning) sebagai bentuk AI yang paling populer juga berarti bahwa perusahaan komersial, khususnya perusahaan teknologi besar, kini mendominasi AI, dan peran akademisi semakin berkurang. Pelaku industri kini memiliki lebih banyak publikasi dan kutipan akademis dan sedang menentukan arah penelitian AI.
Prioritaskan teori perubahan
Kita memerlukan pendekatan yang sangat berbeda terhadap pengembangan AI yang tidak berupaya untuk bersaing atau meniru model Big Tech, namun justru mengubah aturan mainnya sepenuhnya. Selama kita masih terjebak dalam imajinasi AI yang ‘data besar’ dan ‘lebih besar lebih baik’, kita akan terus melemahkan model pengawasan komersial yang eksploitatif dan bahkan menyia-nyiakan sumber daya publik yang berharga.
Model pengembangan AI yang titik awalnya adalah teori perubahan, yaitu memahami mekanisme sebab akibat yang menghubungkan berbagai faktor dan mengembangkan hipotesis tentang bagaimana kemungkinan intervensi dapat berkontribusi terhadap perubahan.
Dalam model ini, keahlian domain dan pengalaman langsung memandu pengembangan AI, bukan pola statistik yang hanya ada di Big Data. Pengetahuan dan pengalaman ini dimanfaatkan untuk mengembangkan teori perubahan dan membangun model yang lebih kecil dan berorientasi pada tujuan yang mencerminkan kerangka kerja untuk perubahan progresif. Pengumpulan data kemudian ditargetkan dan dipilih untuk menguji lebih lanjut dan menyempurnakan teori perubahan. Dengan memperjuangkan “AI kecil”, yang berlandaskan teori perubahan, kita dapat menciptakan ruang bagi pengembangan AI yang lebih demokratis dan efektif.
Secara historis, kemajuan signifikan dalam bidang kedokteran, penerbangan, atau prakiraan cuaca biasanya didasarkan pada model berbasis teori, di mana pengujian hipotesis dan ketelitian ilmiah dalam bidang seperti biologi, fisika, dan kimia diprioritaskan dibandingkan data dalam jumlah besar. Dalam obsesi kita dengan “lebih besar lebih baik”, kita sepertinya telah melupakan hal ini sepenuhnya.
Peluang lain yang terlewatkan
Kita harus segera mengubah arah, dan kita tidak bisa melakukan hal ini jika kita terus menganggap big data dan pembelajaran mendalam sebagai hal yang paling penting. Saat ini, kita hanya semakin bergantung pada teknologi besar. Pakta Pembangunan Global yang baru saja ditandatangani adalah sebuah peluang yang terlewatkan untuk memikirkan kembali paradigma yang ada saat ini. Meskipun mereka melakukan yang terbaik untuk mendemokratisasi AI, mereka pada akhirnya kembali terjebak dalam asumsi bahwa jika negara-negara membangun kumpulan data yang cukup besar dan memiliki akses terhadap daya komputasi, kita secara ajaib akan mampu mencapai Tujuan Pembangunan Berkelanjutan dan mengatasi monopoli teknologi besar. .
Urvashi Aneja adalah pendiri dan direktur Digital Futures Lab
Diterbitkan – 23 November 2024 12:08 WIB
