"Human in the Loop": Simbiosis Manusia dan AI yang Berkualitas

Meski demikian, peran manusia tetap tidak tergantikan. Terutama untuk meningkatkan kualitas dalam rangka mewujudkan Responsible AI.

Ketika membangun model AI, berbagai aspek dapat menjadi prioritas, mulai dari biaya, kecepatan hingga kecerdasan.

Namun, kualitas adalah satu-satunya hal yang tidak boleh dikorbankan. Itulah sebabnya presisi dan akurasi menjadi tujuan utama dalam pelatihan algoritma AI.

Dalam situasi di mana keselamatan adalah hal utama, campur tangan menjadi keharusan. Hal ini yang mendasari konsep yang disebut dengan "human-in-the-loop (HITL)"

Mesin AI mampu membantu pekerjaan manusia, sementara manusia memberikan kualitas. Dengan menggabungkan keduanya, hasil keseluruhan bisa diperkuat dan ditingkatkan.

Pada saat yang sama, pengetahuan domain yang mendalam juga sangat penting saat membangun algoritma AI.

Untuk merancang model yang memberikan keuntungan kompetitif, penting untuk memasukkan pengetahuan khusus dan unik yang hanya dimiliki oleh ahli domain manusia.

Hal ini terlihat dalam keputusan Nasdaq tahun 2019, yang pertama kalinya dalam sejarah, membangun sistem berbasis AI untuk memantau pasar saham Amerika Serikat.

Sistem ini menjadi sangat penting karena tim surveilans pasar Nasdaq harus meninjau lebih dari 750.000 peringatan setiap tahun.

Dari hasil pemantauan tersebut, Nasdaq masih harus mengidentifikasi pergerakan harga yang tidak biasa, kesalahan perdagangan, dan potensi manipulasi.

Nasdaq membutuhkan peran manusia untuk menjamin kualitas hasil analisis AI karena sangat kritikalnya sistem ini.

Contoh lain dari pengguaan HITL adalah UIPath. Perusahaan pionir dalam hal otomasi pekerjaan (office automation) ini masih melibatkan peran manusia dalam proses otomasinya.

Operator harus melakukan satu contoh langkah dalam melakukan tugas yang biasanya repetitif. Contoh dari operator ini kemudian menjadi masukan AI UIPath untuk dipelajari, diotomasikan, dan dilakukan berulang sesuai dengan kehendak operator.

Kemudian ada Midjourney dan DALL-E yang saat ini sedang naik daun. AI pembuat gambar dari masukan teks manusia ini masih harus melibatkan peran manusia.

Midjourney maupun DALL-E membutuhkan manusia untuk memilih di antara empat gambar hasil buatan AI.

Demikian juga beberapa perusahaan global yang telah mulai menggunakan AI sebagai alat bantu dalam penjaminan kualitas. Mereka masih ada kebutuhan untuk ahli manusia untuk validasinya.

Kualitas dan pengurangan kesalahan dapat dicapai dengan mendeteksi dan menghindari bias dalam AI. Menambahkan manusia ke dalam loop dapat membantu melihat dan mencegah penyebaran bias segera setelah terjadi, bukan pada tahap pengujian akhir.

Manusia mampu mengidentifikasi titik-titik problematik sebelum masalah karena AI terlanjur terjadi. Setelah diberikan masukan, model AI siap dilatih kembali.

Konsep HITL dapat membantah anggapan populer bahwa AI akan mengambil alih pekerjaan manusia. Sebaliknya, konsep ini justru memperkenalkan opsi baru yang lebih baik, menarik, dan ambisius untuk manusia.

Misalnya, saat ini banyak sekali perusahaan AI India yang membutuhkan anotator data. Tulis saja di Google "India data annotator job" maka akan muncul ratusan lowongan pekerjaan terkait hal ini.

Bahkan, anotator data telah membawa pertumbuhan signifikan bagi ekonomi nasional India dalam beberapa tahun terakhir.

Selain HITL ada juga konsep "human-out-of-the-loop (HOOTL)." Pada konsep ini, manusia tidak dilibatkan dalam pembuatan model AI, namun diletakkan di luar sistem sebagai arbitrator.

Seorang manusia (yang biasanya ahli) dapat melakukan intervensi jika mesin membuat kesalahan penilaian.

Contoh HOOTL ini adalah AI pada sistem visa di Kanada. Meski petugas visa Kanada sebagian digantikan oleh robot, selalu ada petugas manusia yang dapat Anda ajak bicara untuk menegosiasikan keputusan yang dibuat oleh mesin.

Beberapa layanan satu atap di Jepang yang menggunakan AI juga menganut sistem HOOTL ini.

Secara keseluruhan, AI memiliki potensi luar biasa untuk membantu manusia. Namun, peran manusia dalam proses ini tetap penting.

Untuk memastikan AI beroperasi secara etis, adil, aman, dan berkualitas, manusia harus tetap berperan dalam merancang, melatih, dan mengawasi AI. Dan pada akhirnya, baik HITL maupun HOOTL bukan hanya konsep, tetapi kebutuhan penting dalam era digital ini.

Lebih jauh lagi, HITL akan menghilangkan ketakutan bahwa AI akan menggantikan manusia. Karena alih-alih menggantikan, simbiosis manusia dan AI justru dibutuhkan. Untuk mewujudkan kehidupan manusia yang lebih nyaman dan berkualitas.