Kata "weird" tidak selalu artinya aneh. Dulu dalam bahasa Inggris kuno, yang berasal dari campuran konsep Jermanik dan Norse, artinya lebih dekat ke "takdir" atau "menjadi" atau bahkan "nasib." Dulu sekali, manusia di budaya itu berpikir bahwa jalan hidup seseorang tidak bisa dipisahkan dari keanehan dasar dari hidup itu sendiri.
Drama MacBeth karya William Shakespeare terkenal karena tiga penyihirnya, yang mempopulerkan baris "double, double, toil and trouble," sering salah dikutip dari penampilannya di kartun Disney jadi "bubble, bubble." Tapi yang sering dilupakan adalah Shakespeare menamai karakter ini "Weird Sisters," menghubungkan mereka dengan kelompok mitologis lain dari tiga wanita tua: the Norns dari mitologi Skandinavia, yang bersama-sama menenun jaring takdir bernama (apa lagi?) "wyrd," berisi cerita hidup setiap manusia. (J.K. Rowling kemudian menamai band populer di dunia Harry Potter-nya "The Weird Sisters," tapi itu semua anggotanya laki-laki.)
Hal paling aneh dalam ekonomi, kata Profesor Ekonomi Universitas Brandeis Benjamin Shiller, adalah bahwa keanehan sangat terkait dengan takdir di era kecerdasan buatan (AI). Semakin aneh kamu, katanya ke Fortune, semakin baik nasibmu.
Dalam buku barunya "AI Economics," Shiller berargumen bahwa semakin aneh pekerjaanmu, semakin kecil kemungkinan AI akan mengambilnya. Seorang spesialis ekonomi perubahan teknologi—dan juga putra dari ekonom terkenal, Yale’s Robert Shiller—Shiller bilang ke Fortune bahwa masa depan pekerjaan itu aneh.
"Model AI bisa belajar dengan sangat baik tapi hanya dengan data latihan yang sangat banyak, karena manusia jauh lebih efisien belajarnya," kata Shiller. "Kalau kamu punya bidang spesial yang datanya tidak banyak untuk melatih model AI, maka AI mungkin tidak akan menggantikan pekerjaanmu."
Goldman Sachs memperkirakan bahwa 300 juta pekerjaan di AS dan Eropa bisa terkena dampak perubahan karena AI, memperkirakan manusia bisa seperti kuda pekerja di ekonomi modern. Namun, "premi keanehan" Shiller menyarankan kode curang untuk menghadapi pengambilalihan AI: cari pekerjaan yang sangat kompleks, sampai triliunan data pun tidak bisa menggantikannya.
AI tidak belajar seefisien manusia… untuk sekarang
Shiller menggambarkan apa yang CEO Tesla Elon Musk baru-baru ini sarankan tentang banyaknya informasi yang dibutuhkan untuk mengganti keahlian manusia. Pengusaha itu menulis di X (dulu Twitter) "Diperlukan kira-kira 10 miliar mil data latihan untuk mencapai mengemudi mandiri yang aman tanpa pengawasan."
"Kalau orang Amerika biasa menyetir sekitar 13.500 mil per tahun, itu sekitar 750.000 tahun orang menyetir yang mereka butuhkan untuk data latihan," kata Shiller. Sebaliknya, manusia rata-rata hanya butuh beberapa ratus mil menyetir dan enam bulan latihan untuk dapat SIM.
Tentu, mobil swakemudi sudah ada dan bisa bawa orang dari titik A ke B dengan aman. Tapi kalau butuh data sebanyak itu untuk AI belajar tugas sesederhana menyetir, maka bisa butuh data yang sangat besar untuk mengotomatisasi profesi spesialis, seperti analis kecelakaan penerbangan atau insinyur wahana industri. Dengan kata lain, di bidang di mana datanya langka, manusia tetap punya keuntungan komparatif.
Manusia lebih siap menangani kanguru
Shiller menggambarkan keterbatasan AI dengan "contoh kanguru," cerita peringatan saat Waymo menguji mobil swakemudinya di Australia. Kendaraannya gagal menghadapi rintangan aneh dan asing: marsupial yang melompat. "Mereka terus menabrak kanguru karena kanguru tidak ada di data latihan mereka dan gerakan mereka berbeda dari gerakan hewan lain."
AI gagal memprediksi hal yang tidak diketahui, dan kegagalan itu yang membedakan manusia dari mesin paling canggih sekalipun. "Untuk manusia, kita bisa beradaptasi dan menangani kasus-kasus khusus ini tanpa dilatih khusus untuk menanganinya," kata Shiller. Kita secara alami cakap menangani skenario khusus, dari ketidakpastian di jalan sampai kekacauan di rumah sakit atau bank investasi.
Shiller bilang pekerja modern—dan anak muda yang mempertimbangkan gelar—harus hindari terjebak di profesi yang dilakukan semua orang. "Hanya mengambil kelas standar dan menjadi mahir dalam apa yang langsung diajarkan di jurusan besar itu adalah strategi yang berisiko," kata Shiller.
Dengan kata lain, takdirmu pasti akan aneh. Halo semuanya!
Saya mau ngomongin tentang pentingnya menjaga lingkungan. Sebenarnya, kita semua bisa bantu dengan cara sederhana. Misalnya, kurangi pemakaian plastik sekali pakai dan lebih sering pakai tas belanja yang bisa dipakai ulang.
Kita juga harus hemat energi, seperti matiin lampu kalo lagi ga di kamar. Kalau kita semua berusaha sedikit, dampaknya akan sangat besar untuk bumi kita.
Ayo kita mulai dari hal-hal kecil di rumah sendiri!