AGI (Artificial General Intelligence): Peluang Indonesia Melompat Jauh ke Depan
Abstract
AGI (Artificial General Intelligence) adalah kecerdasan buatan yang setara dengan kecerdasan manusia, sehingga semua pekerjaan intelektual manusia bisa digantikan oleh perangkat AGI. Nilai komersialnya akan sangat tinggi di masa yang akan datang. Devisa yang diperoleh dari ekspor perangkat AGI bisa mencapai 10 triliun dolar per tahun. Indonesia memiliki peluang mengembangkan teknologi AGI dan mengkomersialkannya, sebab sampai saat ini belum ada satu ahli pun yang mengetahui cara kerja otak manusia secara lengkap yang bisa dijabarkan ke dalam algoritma AGI. Jadi, Indonesia tidak ketinggalan. Berdasarkan perkiraan paling optimis, AGI akan tercipta pada tahun 2029. Bila Indonesia menganggarkan dana untuk penelitian dan pengembangan AGI sebesar Rp 90 miliar total untuk 10 tahun, ada kemungkinan Indonesia berhasil menciptakan AGI. Biaya ini relatif kecil sebab strateginya adalah memanfaatkan sebanyak mungkin teknologi yang sudah dipublikasikan baik berupa open source maupun API (Application Programming Interface), dan menjadwalkan eksperimen sesuai dengan penurunan harga perangkat keras. Dalam makalah ini penulis mengusulkan Model Kecerdasan Berbasis Konsep atau CBIM (Concept Based Intelligence Model), yang dapat digunakan untuk menciptakan AGI. Model ini menggunakan pendekatan berdasarkan cara kerja otak manusia bukan hanya dari segi struktural otak melainkan juga pembelajaran dan perkembangannya secara evolusi. Secara teori, model ini masuk akal (plausible) karena bisa memberikan jawaban yang memuaskan terhadap masalah-masalah utama dalam menciptakan AGI. Namun, model ini hanya terbukti benar setelah dilakukan pengembangan. Karena kompleksitasnya dalam tingkat detail, diperkirakan butuh waktu 10 tahun untuk menyelesaikan pengembangannya, dimana targetnya adalah mendidik AGI sampai tingkat sarjana. Keberhasilan pengembangan AGI memiliki nilai yang sangat strategis. Sebagaimana diilustrasikan dalam makalah ini, AGI bisa dimanfaatkan untuk mencerdaskan kehidupan bangsa, sesuai amanah UUD 45. Kemajuan akan mengalami percepatan di segala bidang termasuk di bidang ekonomi, kesehatan, pendidikan, budaya, sains, teknologi, dan militer, sehingga Indonesia akan menjadi negara termaju. Mengingat nilai strategisnya, sebaiknya pemerintah segera memulai proyek AGI.
Downloads
References
B. J. Baars and N. M. Gage, Cognition, Brain, and Consciousness, 2nd ed. Elsevier Ltd., 2010.
M. T. Banich and R. J. Compton, Cognitive Neuroscience, 4th ed. Cambridge University Press, 2018.
M. W. Matlin, Cognition, 8th ed. Wiley, 2013.
S. Blackmore, Conversations on consciousness: What the best minds think about the brain, free will, and what it means to be human. Oxford University Press, 2005.
D. J. Chalmers, “Facing Up to the Problem of Consciousness,” J. Conscious Stud., vol. 2, no. 3, pp. 200–219, 1995.
D. Kahneman, Thinking, Fast and Slow. Farrar, Straus and Giroux, 2013.
R. Kurzweil, The Age of Spiritual Machines. Viking Adult, 1999.
J. Searle, “Minds, Brains, and Programs,” Behav. Brain Sci., vol. 3, pp. 417–424, 1980.
R. Aharonov, “IBM Debating Technologies: How Persuasive Can a Computer Be?,” IBM Research Challenges of Science and Technology in the 21st Century, 2017. [Online]. Available: https://www.youtube.com/watch?v=lWQb2vdJ-KM.
J. McCarthy, Formalizing Common Sense. Ablex, 1990.
M. Minsky, The Society of Mind. Simon and Schuster, 1986.
J. Locke, An Essay Concerning Human Understanding. Penguin Classics, 1690.
E. J. Lowe, The Routledge Guidebook to Locke’s Essay Concerning Human Understanding. Routledge, 2014.
S. Harnad, “The Symbol Grounding Problem,” Phys. D Nonlinear Phenom., vol. 42, pp. 335–346, 1990.
J. Fodor and Z. Pylyshyn, “Connectionism and cognitive architecture: A critical analysis,” Cognition, vol. 28, pp. 3–71, 1988.
A. Santoro et al., “A simple neural network module for relational reasoning,” pp. 1–16, 2017.
J. Hawkins and S. Blakeslee, On Intelligence. St. Martin’s Griffin, 2005.
R. Granger, “Engines of the Brain Set of Human Cognition,” AI Mag., vol. 32, pp. 15–32, 2006.
Y. Bengio, “Learning Deep Architectures for AI,” Found. Trends Mach. Learn., vol. 2, no. 1, pp. 1–127, 2009.
F. Akhtar, Practical Reinforcement Learning: Develop self-evolving, intelligent agents with OpenAI Gym, Python and Java. Packt Publishing, 2017.
S. Franklin, S. Strain, J. Snaider, R. McCall, and U. Faghihi, “Global Workspace Theory, its LIDA model and the underlying neuroscience,” Biol. Inspired Cogn. Archit., vol. 1, pp. 32–43, 2012.
G. L. Murphy, The Big Book Of Concepts. The MIT Press, 2002.
