Yann LeCun, tokoh penting dalam kecerdasan buatan modern, secara terbuka memperingatkan bahwa perkembangan AI di Silicon Valley saat ini tidak berkelanjutan dan kemungkinan besar akan menemui jalan buntu. LeCun, peraih Turing Award dan mantan kepala ilmuwan AI di Meta, berpendapat bahwa fokus industri yang berlebihan pada model bahasa besar (LLM) – seperti yang mendukung ChatGPT – pada akhirnya tidak akan membuahkan hasil dalam mencapai kecerdasan umum buatan (AGI) yang sebenarnya.
Batasan Pendekatan Saat Ini
LeCun menegaskan bahwa LLM, meskipun ada investasi besar dan kemajuan pesat, memiliki keterbatasan yang melekat. Permasalahan intinya adalah bahwa peningkatan model ini saja tidak akan menghasilkan komputer yang menyamai atau melampaui kecerdasan manusia. Dia menggambarkan “efek kelompok” di mana perusahaan secara membabi buta mengejar pendekatan berbasis LLM yang sama, menghambat arah penelitian yang lebih menjanjikan namun kurang populer.
Hal ini penting karena ratusan miliar dolar dikucurkan untuk proyek-proyek yang mungkin tidak memberikan hasil yang diinginkan. Upaya tanpa henti untuk menerapkan AGI berbasis LLM berisiko membuang-buang sumber daya dan menunda terobosan nyata.
Risiko Tertinggal
LeCun juga menunjukkan bahwa meskipun negara-negara Barat fokus pada LLM, wilayah lain – khususnya Tiongkok – mungkin sedang mengejar arsitektur AI alternatif dengan potensi jangka panjang yang lebih besar. Ia berpendapat bahwa perusahaan-perusahaan Tiongkok, yang tidak terbebani oleh tekanan industri yang sama, dapat melampaui upaya Barat dalam perlombaan menuju AGI.
Seruan untuk Diversifikasi
Kritik LeCun bukan hanya tentang keterbatasan teknologi; ini juga tentang kurangnya keragaman intelektual. Kondisi saat ini menghambat eksplorasi metode AI alternatif yang pada akhirnya mungkin terbukti lebih unggul. Peringatannya muncul setelah puluhan tahun merintis pekerjaan di bidang ini, termasuk kontribusi mendasar pada jaringan saraf konvolusional dan pembelajaran mendalam.
“Ada efek kawanan (herd effect) yang membuat semua orang di Silicon Valley harus mengerjakan hal yang sama,” kata LeCun. “Hal ini tidak memberikan banyak ruang bagi pendekatan lain yang mungkin lebih menjanjikan dalam jangka panjang.”
Pesan mendasarnya jelas: industri AI perlu memperluas wawasannya, menantang asumsi yang ada, dan mengeksplorasi pendekatan-pendekatan yang berbeda secara mendasar jika ingin mencapai kecerdasan sejati dalam mesin. Tanpa diversifikasi, kemajuan yang ada mungkin terhenti, sehingga bidang ini akan mengalami stagnasi meskipun ada investasi besar-besaran.
Masa depan pengembangan AI bergantung pada kesadaran akan keterbatasan ini dan mendorong lanskap penelitian yang lebih eksperimental dan tidak terlalu konformis.
