Tetap terinformasi dengan pembaruan gratis
Cukup daftar ke Artificial intelligence myFT Digest — langsung dikirimkan ke kotak masuk email Anda.
Mahasiswa universitas telah mengadopsi kecerdasan buatan dengan cara yang sama seperti pengemudi baru yang gelisah dengan peta jalan yang kusut mungkin mengadopsi navigasi global positioning system (GPS) — dengan penuh semangat dan bisa dimengerti.
Survei mahasiswa S1 di Inggris oleh lembaga pemikir Higher Education Policy Institute menunjukkan bahwa 92 persen dari mereka menggunakan kecerdasan buatan generatif dalam beberapa bentuk tahun ini dibandingkan dengan 66 persen tahun lalu, sementara 88 persen telah menggunakannya dalam penilaian, naik dari 53 persen tahun lalu.
Apa yang seharusnya dilakukan oleh universitas? Insting saya adalah untuk mendekat. Beritahu mahasiswa Anda bahwa Anda akan memberikan pertanyaan esai yang sama kepada sebuah alat seperti ChatGPT. Mereka akan dinilai berdasarkan seberapa baik versi mereka dibandingkan dengan mesin: seberapa lebih orisinal, kreatif, cerdas, atau akurat. Atau berikan kepada mereka versi kecerdasan buatan dan beritahu mereka untuk memperbaikinya, serta mengidentifikasi dan memperbaiki halusinasi-halusinasi yang ada.
Pada akhirnya, prospek mahasiswa Anda di dunia kerja akan bergantung pada seberapa banyak nilai yang dapat mereka tambahkan, di atas apa yang bisa dihasilkan oleh mesin. Lebih dari itu, studi tentang penggunaan kecerdasan buatan di tempat kerja menunjukkan bahwa tugas-tugas pengeditan dan pengawasan ini akan menjadi semakin umum. Studi Microsoft yang diterbitkan tahun ini tentang penggunaan kecerdasan buatan generatif oleh pekerja pengetahuan menemukan bahwa alat tersebut telah mengubah “sifat berpikir kritis” dari “pengumpulan informasi menjadi verifikasi informasi”, dari “pemecahan masalah menjadi integrasi respons kecerdasan buatan”, dan dari “pelaksanaan tugas menjadi pengawasan tugas”.
Tetapi seperti banyak solusi yang menarik untuk masalah kompleks, solusi saya ternyata adalah ide yang buruk. Maria Abreu, seorang profesor geografi ekonomi di Universitas Cambridge, mengatakan kepada saya bahwa departemennya telah bereksperimen dalam hal ini. Namun, ketika mereka memberikan teks kecerdasan buatan kepada mahasiswa dan meminta mereka untuk memperbaikinya, hasilnya mengecewakan. “Perbaikan-perbaikan tersebut sangat kosmetik, tidak mengubah struktur argumen-argumen,” katanya.
Mahasiswa S2 berkinerja lebih baik, mungkin karena mereka sudah mengasah kemampuan untuk berpikir kritis dan menyusun argumen. “Kekhawatiran adalah, jika kami tidak melatih mereka untuk berpikir sendiri, apakah mereka kemudian tidak akan mengembangkan kemampuan itu?” Setelah pandemi mendorong pergeseran ke penilaian di mana mahasiswa memiliki akses ke internet, departemen Abreu sekarang kembali ke kondisi ujian tertutup.
Michael Veale, seorang profesor terkait di fakultas hukum University College London, mengatakan kepada saya bahwa departemennya juga telah kembali menggunakan ujian yang lebih tradisional. Veale, yang merupakan ahli kebijakan teknologi, melihat kecerdasan buatan sebagai “ancaman terhadap proses pembelajaran” karena menawarkan jalan pintas yang menarik bagi mahasiswa yang terbatas waktu dan cemas untuk mendapatkan nilai bagus.
“Kami khawatir. Peran kami adalah untuk memperingatkan mereka tentang jalan pintas ini — jalan pintas yang membatasi potensi mereka. Kami ingin mereka menggunakan alat terbaik untuk pekerjaan saat waktunya tiba, tetapi ada waktu untuk itu, dan waktu itu tidak selalu di awal,” katanya.
Kekhawatiran ini tidak hanya berlaku untuk mata pelajaran berbasis esai. Sebuah studi tentang pemrogram pemula oleh ACM Digital Library menemukan bahwa mahasiswa dengan nilai lebih baik menggunakan alat kecerdasan buatan generatif dengan cerdas untuk “mempercepat menuju solusi”. Orang lain berkinerja buruk dan mungkin mendapatkan kesalahpahaman, tetapi tetap “dalam ilusi kompetensi yang tidak beralasan” berkat kecerdasan buatan.
Kita mungkin segera melihat pola-pola yang sama di tempat kerja. Studi pekerja pengetahuan oleh Microsoft (yang sedang mendorong keras untuk membawa kecerdasan buatan ke tempat kerja) menemukan bahwa alat kecerdasan buatan generatif “mengurangi usaha berpikir kritis sementara juga mendorong ketergantungan berlebihan pada kecerdasan buatan”.
Tentu saja, ini bukan hal baru. Pada tahun 1983, Lisanne Bainbridge menunjukkan masalah ini dalam sebuah makalah terkenal yang berjudul “Ironies of Automation”. Dia berpendapat bahwa manusia yang diminta untuk menjadi operator “pengawas mesin” akan menemukan bahwa keterampilan dan pengetahuan mereka akan melemah karena kurangnya penggunaan yang teratur, membuat lebih sulit bagi mereka untuk turun tangan saat diperlukan.
Dalam banyak kasus, itu tidak masalah. Orang-orang menyambut navigasi global positioning system (GPS) dan melupakan cara navigasi dengan benar. Dunia tidak berakhir. Tetapi tidak akan baik bagi semua orang untuk menelan keluaran kecerdasan buatan yang sering salah tanpa kritisisme di berbagai tugas kerja yang luas.
Bagaimana menghindari masa depan ini? Seperti pada mahasiswa pemrograman, tampaknya jawabannya adalah mengetahui materi Anda: studi Microsoft menemukan bahwa orang dengan rasa percaya diri yang lebih tinggi — yang tahu bahwa mereka dapat melakukan tugas tanpa kecerdasan buatan jika mereka mau — menerapkan pemikiran kritis yang lebih.
Para peneliti menyimpulkan bahwa “fokus pada mempertahankan keterampilan dasar dalam pengumpulan informasi dan pemecahan masalah akan membantu pekerja menghindari menjadi terlalu bergantung pada kecerdasan buatan”. Dengan kata lain, untuk menggunakan jalan pintas secara efektif daripada tanpa pemikiran, Anda perlu tahu bagaimana melakukannya tanpa jalan pintas. Universitas — dan mahasiswa — perhatikanlah.