Dunia teknologi sedang ramai dengan argumen yang provokatif: sistem AI modern seperti ChatGPT terkesan mengesankan bukan karena mereka mewakili rekayasa yang elegan, tetapi karena mereka adalah solusi sementara yang kuat untuk dekade upaya gagal dalam mengorganisir informasi dengan benar. Perdebatan ini telah memicu diskusi intens tentang apakah kita mengambil jalur yang tepat dalam sejarah komputasi.
Masalah Inti: Struktur vs Pencarian
Diskusi berpusat pada perubahan fundamental dalam cara kita menangani informasi. Alih-alih membangun sistem yang terorganisir dengan baik dengan struktur yang jelas, industri berulang kali memilih pendekatan cari segalanya. Google Drive mencontohkan pola ini - daripada membuat alat organisasi file yang lebih baik, Google hanya menambahkan kemampuan pencarian yang kuat dan menyuruh pengguna untuk membuang semuanya ke dalam folder.
Pola yang sama muncul di mana-mana. Situs e-commerce membanjiri halaman produk dengan kata kunci alih-alih membangun navigasi yang logis. Perusahaan menerapkan chatbot daripada menulis dokumentasi yang jelas. Hasilnya adalah dunia digital di mana menemukan informasi memerlukan algoritma pencarian yang semakin canggih daripada organisasi yang intuitif.
Mengapa Semantic Web Tidak Pernah Terjadi
Komunitas telah mengidentifikasi beberapa alasan utama mengapa semantic web - visi data terstruktur yang dapat dibaca mesin di seluruh internet - tidak pernah terwujud. Insentif ekonomi memainkan peran utama. Perusahaan secara terbuka memusuhi upaya membuat informasi berharga mereka mudah di-scrape oleh pesaing. Seperti yang dicatat oleh seorang developer, bisnis ingin pengunjung melihat iklan mereka, bukan konten mereka dikonsumsi oleh bot dan dikemas ulang oleh perusahaan lain.
Tantangan teknis juga muncul. Konten web dibuat oleh manusia, bukan insinyur, membuat standar yang konsisten sulit ditegakkan. Browser memilih fleksibilitas daripada kepatuhan yang ketat, merender halaman dengan cara terbaik daripada merusak situs yang tidak sesuai.
*Semantic web: Visi untuk World Wide Web di mana data terstruktur dan terhubung dengan cara yang membuatnya mudah dibaca oleh mesin, memungkinkan pemrosesan informasi yang lebih cerdas.
Paradigma Komputasi Historis yang Dibandingkan:
- Visi 1990an-2000an: Web semantik terstruktur dengan data yang saling terhubung
- Realitas Saat Ini: Data tidak terstruktur yang diproses oleh algoritma pencarian yang kuat
- Pendekatan AI: Pengenalan pola brute-force di seluruh informasi yang kacau
- Jalur Alternatif: Basis pengetahuan terstruktur dengan kueri yang efisien
Solusi Brute Force
Sistem AI modern seperti large language model mewakili apa yang dilihat banyak orang sebagai solusi brute-force untuk kegagalan organisasi ini. Alih-alih memerlukan data terstruktur, sistem ini memindai web yang kacau dan membangun peta semantik sementara di seluruh semuanya. Mereka dapat menjawab pertanyaan multi-langkah yang kompleks yang akan membingungkan mesin pencari tradisional, tetapi dengan biaya komputasi yang sangat besar.
LLM menghidrasi ulang ini untuk kita, membuatnya jauh lebih mudah dicerna; jika Anda terbiasa mengunyah buah kering, mereka tampak menakjubkan. Tapi masih banyak pekerjaan yang harus dilakukan.
Ironinya tidak luput dari developer yang ingat ketika komputer menjadi lebih cepat tetapi entah bagaimana lebih sulit digunakan. Sementara mesin modern dapat melakukan ribuan operasi per detik, kita telah menginvestasikan miliaran dalam sistem bertenaga GPU yang dapat mensimulasikan pemahaman bahasa tetapi kesulitan dengan tugas dasar seperti menghitung huruf dalam kata.
Konsep Teknis Utama yang Dibahas:
- Semantic Web: Data web terstruktur yang dapat dibaca mesin dengan tautan yang kaya
- Large Language Models (LLMs): Sistem AI yang memproses dan menghasilkan teks mirip manusia
- Vector Databases: Sistem penyimpanan untuk representasi data yang kompatibel dengan AI
- Knowledge Graphs: Jaringan terstruktur dari informasi yang saling terhubung
 |
|---|
| Sebuah ringkasan yang dihasilkan AI yang mendemonstrasikan kemampuan sintesis informasi dari sistem AI modern |
Melihat ke Depan: Struktur atau Fleksibilitas?
Perdebatan mengungkapkan perpecahan filosofis yang lebih dalam dalam komputasi. Beberapa berpendapat bahwa jika kita berhasil menciptakan basis pengetahuan yang terstruktur dengan benar dan terhubung secara semantik, kita dapat menjawab pertanyaan kompleks menggunakan daya komputasi yang jauh lebih sedikit sambil menjaga informasi tetap dapat diakses dan dipahami.
Yang lain berpendapat pandangan ini tidak realistis. Sistem kompleks melibatkan banyak aktor berbeda dengan insentif yang bersaing. Mengharapkan semua orang mengikuti standar yang sempurna mengabaikan sifat manusia dan kenyataan berantakan tentang bagaimana teknologi benar-benar dibangun dan diterapkan.
Diskusi memiliki implikasi praktis untuk pengembangan AI saat ini. Beberapa perusahaan sedang mengeksplorasi apakah sistem AI dapat membantu menciptakan graf pengetahuan terstruktur yang gagal dibangun manusia secara manual, berpotensi menggabungkan yang terbaik dari kedua pendekatan.
Apakah AI mewakili kemenangan rekayasa atau perban mahal pada arsitektur informasi yang buruk tetap diperdebatkan dengan sengit. Yang jelas adalah bahwa percakapan ini mencerminkan pertanyaan yang lebih luas tentang bagaimana kita ingin masa depan digital kita bekerja - dan apakah kita membangun sistem yang benar-benar melayani kebutuhan manusia atau hanya demonstrasi teknologi yang mengesankan.
Referensi: Al is impressive because we've failed at semantic web and personal computing