ChatGPT, chatbot AI percakapan yang dikembangkan oleh OpenAI, telah memikat dunia dengan kemampuannya untuk menghasilkan teks seperti manusia, menjawab pertanyaan, dan bahkan menulis berbagai jenis konten kreatif. Namun, meskipun kemampuannya yang mengesankan, ChatGPT memiliki keterbatasan. Keterbatasan ini tidak muncul dari niat jahat atau upaya aktif untuk mengekang potensi, tetapi lebih sebagai kombinasi dari kendala teknis, pertimbangan etis, dan hakikat bagaimana model bahasa besar dilatih dan diterapkan. Memahami keterbatasan ini penting bagi pengguna dan pengembang, untuk mengelola harapan dan mendorong inovasi lebih lanjut di bidang AI. Banyak faktor berkontribusi pada batasan yang ada. Dari kompleksitas komputasi dan kemungkinan menghasilkan konten yang berbahaya, sampai faktor biaya dan batasan yang ditetapkan oleh data pelatihan itu sendiri.
Anakin AI
Salah satu alasan utama mengapa ChatGPT memiliki batasan adalah biaya komputasi yang sangat besar terkait dengan menjalankan model bahasa yang begitu besar. ChatGPT didorong oleh jaringan saraf dengan miliaran parameter. Setiap kali seorang pengguna mengajukan permintaan, model perlu melakukan perhitungan kompleks di seluruh parameter ini untuk menghasilkan respons yang koheren dan relevan. Ini memerlukan daya komputasi yang signifikan, perangkat keras khusus (seperti GPU), dan jumlah energi yang substansial. Bayangkan seperti mencoba menyelesaikan Rubik's Cube dengan jutaan kotak – jumlah kombinasi yang mungkin untuk dipertimbangkan membuat masalah ini sangat intensif secara komputasi. Membatasi panjang permintaan masukan dan keluaran yang dihasilkan adalah strategi penting untuk mengelola tuntutan komputasi ini. Tanpa batasan ini, sistem akan menjadi sangat lambat dan mahal untuk dioperasikan; membuatnya tidak dapat diakses oleh sebagian besar pengguna.
Selain biaya komputasi, faktor kritis lain di balik keterbatasan ChatGPT adalah kebutuhan akan keselamatan dan pertimbangan etis. Karena ChatGPT dilatih pada dataset teks dan kode yang sangat besar yang diambil dari internet, maka ia tidak dapat tidak belajar untuk menghasilkan konten yang bisa berbahaya, bias, atau menyesatkan. Untuk mengurangi risiko ini, OpenAI telah menerapkan berbagai langkah pengamanan, termasuk filter dan sistem moderasi, untuk mencegah model menghasilkan respons yang tidak pantas. Membatasi panjang permintaan, terutama yang mungkin mendorong model untuk menghasilkan konten problematik, memudahkan deteksi dan pencegahan penciptaan keluaran yang berbahaya, seperti ujaran kebencian, informasi yang salah, atau materi yang eksplisit secara seksual. Meskipun langkah-langkah pengamanan ini penting untuk pengembangan AI yang bertanggung jawab, mereka juga memberlakukan batasan pada kemampuan model.
Secara khusus, mengontrol panjang keluaran adalah mekanisme penting untuk membantu mencegah penyebaran informasi yang salah. Pertimbangkan skenario di mana seorang pengguna meminta ChatGPT menulis artikel berita tentang klaim palsu, seperti "Vaksin menyebabkan autisme." Jika model menghasilkan artikel panjang yang tampak diteliti dengan baik yang mengulangi kebohongan ini, hal itu bisa memiliki konsekuensi serius, yang berpotensi menyebabkan keraguan vaksin dan berdampak pada kesehatan masyarakat. Dengan membatasi panjang keluaran, kemampuan untuk mengarang narasi yang meyakinkan dan tampak benar secara signifikan berkurang, yang mengurangi risiko penyebaran berita palsu. Ini terutama penting di dunia di mana informasi bergerak dengan kecepatan cahaya, dan potensi kerusakan akibat disinformasi sangat besar.
Meskipun OpenAI secara aktif berusaha mengurangi bias dalam ChatGPT, diakui bahwa bias yang dipelajari dari data pelatihan masih dapat secara tidak sengaja meresap ke dalam keluaran model. Memperpendek keluaran yang dihasilkan oleh model adalah salah satu strategi untuk mengurangi kemungkinan munculnya bias yang mencolok, karena respons yang lebih pendek dapat memberikan lebih sedikit peluang bagi bias untuk muncul. Misalkan ChatGPT diminta untuk menyarankan pekerjaan untuk seseorang hipotetis yang hanya dijelaskan berdasarkan jenis kelamin. Tanpa batasan panjang keluaran, model mungkin menghasilkan daftar yang lebih panjang dengan pekerjaan yang biasanya didominasi oleh pria dan wanita. Namun, dengan batasan yang ada, respons harus disesuaikan, sehingga memberikan kesempatan untuk memperkenalkan pilihan yang lebih beragam.
Sementara ChatGPT tampak sangat percakapan, ia tidak benar-benar "mengingat" giliran sebelumnya dalam percakapan dengan cara yang sama seperti manusia. Sebaliknya, ia memiliki "jendela konteks" yang terbatas, yang mengacu pada jumlah teks yang dapat dipertimbangkan dari percakapan saat ini saat menghasilkan respons. Jendela konteks ini biasanya mencakup beberapa giliran terbaru, tetapi tidak tidak terbatas, dan model pada akhirnya akan "melupakan" bagian-bagian awal dari diskusi. Membatasi panjang setiap permintaan dan respons membantu menjaga percakapan dalam jendela konteks ini, memastikan bahwa model tetap relevan dengan interaksi yang sedang berlangsung. Jika percobaan menjadi terlalu panjang atau kompleks, model mungkin mulai kehilangan jejak konteks dan menghasilkan respons yang tidak konsisten atau tidak masuk akal.
Sebagai contoh, jika Anda mengadakan percakapan panjang dengan ChatGPT tentang topik tertentu, seperti sejarah Kekaisaran Romawi, dan kemudian tiba-tiba mengajukan pertanyaan tentang detail yang disebutkan di awal percakapan, model mungkin tidak dapat mengingatnya dengan benar, bahkan jika tampaknya ia memahaminya pada saat itu. Ini karena bagian awal dari percakapan mungkin telah jatuh di luar jendela konteks. Untuk mengimbangi keterbatasan ini, pengguna harus memperhatikan untuk memberikan konteks yang cukup dalam permintaan mereka, terutama ketika merujuk pada informasi yang telah dibahas sebelumnya dalam percakapan.
Untuk menggunakan ChatGPT secara efektif, penting untuk menyadari batasan jendela konteks ini dan menyesuaikan gaya percakapan Anda dengan tepat. Jika Anda perlu merujuk pada sesuatu yang telah dikatakan sebelumnya dalam percakapan, seringkali berguna untuk mengingatkan model secara singkat tentang konteks yang relevan. Misalnya, Anda dapat mengatakan, "Tadi, kita membahas jatuhnya Kekaisaran Romawi Barat. Bisakah Anda memberi tahu lebih banyak tentang peran ekonomi dalam kejatuhannya?" Ini membantu memastikan bahwa model memiliki informasi yang diperlukan untuk menghasilkan respons yang akurat dan relevan. Penting juga untuk merancang aplikasi yang menggunakan ChatGPT dengan cara yang meminimalkan tuntutan pada jendela konteks, seperti membagi tugas kompleks menjadi langkah-langkah yang lebih kecil dan lebih dapat dikelola.
Keterbatasan praktis lainnya adalah biaya pelatihan dan penyempurnaan terus-menerus dari model bahasa raksasa ini. Algoritma dalam model bahasa memerlukan dataset yang sangat besar dan bisa sangat berubah ketika menambahkan data baru. Untuk meningkatkan kinerjanya dan mengatasi masalah seperti bias, generasi konten berbahaya, dan kurangnya pengetahuan spesifik, OpenAI secara teratur menyempurnakan ChatGPT pada data baru, yang merupakan proses yang memakan sumber daya. Penyempurnaan ini memerlukan ilmuwan data dan insinyur ahli, serta sumber daya komputasi yang luas. Untuk mengelola biaya ini, ukuran pembaruan penyempurnaan dan frekuensi penerapannya dipertimbangkan dengan hati-hati. Batasan panjang dapat membantu menjaga model pada ukuran yang dapat disempurnakan dalam waktu yang layak.
Mendapatkan dan menyiapkan data pelatihan berkualitas tinggi adalah biaya besar dalam penyempurnaan model bahasa. Data yang digunakan untuk melatih ChatGPT berasal dari berbagai sumber, termasuk buku, artikel, situs web, dan teks serta kode lain yang tersedia untuk umum. Namun, tidak semua data ini cocok untuk pelatihan, jadi perlu diseleksi dan disaring dengan hati-hati. Proses ini sering melibatkan pelabel yang manusia yang memberi label pada data untuk menunjukkan relevansinya, akurasi, dan potensi bias. Ini sangat mahal untuk memperoleh dan memberi label data yang diperlukan untuk penyempurnaan AI, karena memerlukan keahlian tertentu.
Proses aktual pelatihan model bahasa besar seperti ChatGPT memerlukan akses ke infrastruktur komputasi yang kuat, termasuk perangkat keras khusus seperti GPU dan TPU. GPU ini memerlukan banyak energi terutama ketika model cukup besar. OpenAI mempertahankan kluster besar dari mesin ini, yang digunakan untuk melatih dan menyempurnakan model. Biaya infrastruktur ini, termasuk listrik yang diperlukan untuk menjalankannya, sangat substansial. Seiring dengan pertumbuhan ukuran model, tuntutan komputasi dan biaya terkait terus meningkat, sehingga perlu untuk mengoptimalkan algoritma pelatihan dan infrastruktur untuk meningkatkan efisiensi.
Data pelatihan yang digunakan untuk ChatGPT berasal dari berbagai sumber, termasuk materi yang dilindungi hak cipta. Meskipun OpenAI berusaha memastikan bahwa penggunaan data ini adalah legal dan etis, masih ada potensi masalah hak cipta. Jika ChatGPT menghasilkan keluaran yang sangat mirip dengan konten yang dilindungi hak cipta, hal ini bisa memicu tantangan hukum. Untuk mengurangi risiko ini, OpenAI mungkin telah menerapkan filter atau batasan yang mencegah model dari menghasilkan salinan persis dari materi yang dilindungi hak cipta. Ini terutama relevan ketika pengguna menghasilkan konten kreatif, seperti cerita atau puisi, dengan ChatGPT. Penting untuk mematuhi undang-undang hak cipta yang melindungi pencipta.
Mendeteksi pelanggaran hak cipta oleh model adalah tantangan teknis. Model bahasa belajar mengenali pola dan menghasilkan konten berdasarkan kemungkinan kata muncul dengan kata-kata yang terkait. Untuk menghindari kekhawatiran tentang pelanggaran hak cipta, beberapa batasan dapat diterapkan untuk mencegah regurgitasi langsung dari konten teks yang besar.
Seringkali AI berusaha untuk tetap berada dalam batasan "Penggunaan Wajar", di mana sejumlah kecil materi hak cipta digunakan dan dimodifikasi. Ini bisa sulit ketika seseorang mencoba untuk membangun model bahasa besar untuk berbagai tujuan. Dengan demikian, menjaga batasan pada keluaran membatasi jumlah keluaran yang terlihat mirip dengan materi hak cipta.
Seiring dengan kemajuan teknologi AI, semakin banyak pengakuan akan perlunya standar keselamatan dan etika untuk memastikan bahwa AI dikembangkan dan digunakan dengan cara yang bertanggung jawab. Pemerintah dan organisasi di seluruh dunia sedang bekerja untuk mengembangkan regulasi dan pedoman untuk pengembangan dan penerapan AI, yang dapat memberikan batasan tambahan pada kemampuan model seperti ChatGPT. Standar yang berkembang ini dapat mengharuskan OpenAI untuk menerapkan batasan baru pada fungsionalitas model atau akses ke jenis informasi tertentu. Saat lanskap hukum dan regulasi untuk AI berkembang, kemungkinan besar ChatGPT dan model bahasa lainnya perlu beradaptasi untuk mematuhi persyaratan baru ini.
