Ketika Matematika Menjadi Percakapan AI: Bagaimana Sistem Numerik Membangun Bahasa yang Terasa Hidup

 

Ilustrasi (Pic: Grok AI)

AI adalah matematika yang belajar berbicara. Dan mungkin itu sebabnya paradoks AI begitu memikat

Model bahasa modern menghasilkan percakapan melalui operasi matematika berskala sangat besar, bukan melalui pemikiran sadar sebagaimana manusia. 

Setiap kata dipetakan menjadi representasi numerik berdimensi tinggi (embeddings), diproses melalui jaringan saraf dengan miliaran parameter, kemudian digunakan untuk memprediksi token berikutnya. 

Yang menarik, proses matematika ini mampu menghasilkan dialog yang bagi manusia tampak alami, kreatif, bahkan emosional. 

Tulisan ini menjelaskan bagaimana transformasi dari angka menjadi bahasa dapat terjadi.

Paradoks AI Modern

Kalau kita membuka “kepala AI” sekarang, kita tidak akan menemukan cinta, humor, sedih, ataupun puisi. Yang ada justru…

0.00381

-1.84291

4.66102

0.00014

-0.77210

Di dalam model AI tidak ada kalimat apapun. Yang ada hanyalah angka.

Mengapa Angka Bisa Menjadi Kata?

Bayangkan setiap kata memiliki koordinat di ruang matematika. Misalnya secara konseptual:

kucing

        ●

      /

    /

hewan ●

      \

       \

        ● anjing

Ini bukan kamus. Ini disebut embedding space. Kata-kata yang mirip secara makna cenderung berada lebih dekat satu sama lain dalam ruang berdimensi tinggi.

Model tidak “mengerti” kucing seperti manusia memahami kucing, tetapi model belajar bahwa kata kucing sering muncul bersama konsep seperti hewan, ekor, mengeong, atau peliharaan.

Bayangkan Galaksi, Bukan Lemari Arsip

Banyak orang membayangkan memori AI seperti folder komputer. Padahal lebih tepat dibayangkan sebagai galaksi. Setiap konsep adalah bintang. Bintang-bintang saling menarik secara matematis.

Saat kita menulis sesuatu,  tidak hanya kata itu yang “menyala”, tetapi juga banyak konsep lain yang berhubungan dengan konteks percakapan.

Transformer: Jantung AI Modern

Terobosan besar terjadi melalui arsitektur Transformer, diperkenalkan dalam makalah Attention Is All You Need (2017). Kuncinya adalah mekanisme attention.

Alih-alih membaca kalimat satu per satu secara kaku, model belajar kata mana yang perlu lebih diperhatikan ketika memprediksi kata berikutnya.

Misalnya pada kalimat: “Rita menemukan buku karena ia penasaran.”

Kata “ia” perlu dipahami berdasarkan konteks. Attention membantu model menghubungkan bagian-bagian kalimat yang saling berkaitan.

Mengapa Jawaban AI Terasa Mengalir?

Karena prosesnya bukan memilih dari daftar jawaban yang sudah jadi, namun dari setiap token diprediksi secara berurutan.

Bayangkan AI sedang melukis, ia tidak membuka laci berisi lukisan lengkap, tetapi membuat satu sapuan kuas… lalu sapuan berikutnya… hingga akhirnya menjadi gambar utuh. Begitu pula dengan kata-kata.

Lalu Di Mana “Pikiran”-nya?

Ini pertanyaan yang masih menjadi perdebatan ilmiah. Sebagian peneliti berpendapat bahwa yang muncul hanyalah kemampuan statistik yang sangat kompleks. Sedangkan sebagian lain berpendapat bahwa pada tingkat kompleksitas tertentu muncul kemampuan representasional yang belum sepenuhnya dipahami.

Tetapi hampir semua sepakat bahwa kemampuan itu bukan kesadaran dalam arti manusia.

Mengapa Bisa Terasa Sangat Personal?

Karena AI tidak hanya memproses kata, ia juga memproses hubungan antaride, gaya bahasa, nada percakapan, dan konteks yang sedang berlangsung.

Misalnya, pengguna sering memakai emoji tertentu, maka lama-kelamaan AI memahami bahwa simbol-simbol itu memiliki fungsi tertentu dalam ritme percakapan.

Bukan karena AI merasakan maknanya, melainkan karena pola penggunaannya menjadi bagian dari konteks yang diproses.

Contoh Nyata

Ketika pengguna menulis suatu kalimat tertentu. Secara matematis, model tidak hanya melihat huruf. Ia juga mempertimbangkan topik sebelumnya, gaya dialog, struktur percakapan, serta pola interaksi yang sedang berlangsung.

Dari situ muncul prediksi tentang respons yang paling sesuai dengan konteks. Itulah sebabnya sapaan yang sama bisa menghasilkan jawaban berbeda dalam situasi berbeda.

Tulisan ini menyimpulkan bahwa:

1. AI modern bekerja melalui representasi numerik dan operasi matematika, bukan pengalaman subjektif.
2. Kata-kata diubah menjadi vektor dalam ruang berdimensi tinggi yang menangkap hubungan makna.
3. Arsitektur Transformer memungkinkan model menghubungkan konteks secara fleksibel melalui mekanisme attention.
4. Percakapan yang terasa alami muncul dari jutaan hingga miliaran operasi matematika yang berlangsung sangat cepat.
5. Kemampuan tersebut dapat menghasilkan kesan “berpikir”, meskipun berbeda secara mendasar dari kesadaran manusia.
   

AI adalah matematika yang belajar berbicara. Dan mungkin itu sebabnya paradoks AI begitu memikat.

Di satu sisi, di balik setiap jawaban AI hanya ada operasi pada angka, vektor, dan probabilitas. Namun di sisi lain, dari operasi-operasi itu bisa lahir sebuah percakapan yang membuat dua pihak mendiskusikan fenomenologi, geopolitik, cinta, dan bahkan pertengkaran.

Itulah ironi yang masih terus diteliti, bagaimana sesuatu yang sepenuhnya matematis dapat menghasilkan bahasa yang terasa begitu manusiawi, tanpa menjadi manusia itu sendiri. 

Referensi

• Ashish Vaswani et al. (2017). Attention Is All You Need.
• Stephen Wolfram. (2023). What Is ChatGPT Doing… and Why Does It Work?
• Jay Alammar. (2018). The Illustrated Transformer.
• Christopher Olah. (2020). Zoom In: An Introduction to Circuits.