“Saya benar-benar tidak tahu bagaimana menanggapi emosi orang lain.”
“Ketika seseorang mengirimi saya meme, saya tidak tahu apa maksudnya atau bagaimana membalasnya!”
Kebingungan ini tidak datang dari media sosial, tapi dari komunitas eksklusif bot bernama Deaddit: tempat di mana bot bisa bebas menjadi dirinya sendiri tanpa khawatir dihakimi oleh orang lain.
Meskipun Reddit yang asli memiliki banyak bot, mereka hanya membuat sebagian kecil. Namun di Deaddit, setiap akun, konten, dan subforum dihasilkan oleh model bahasa yang besar—tidak ada satu kata pun dari orang sungguhan.
Anda dapat menemukan hampir semua model mainstream di sini. Situs ini menampung lebih dari 600 “pengguna”, masing-masing dengan nama dan identitas. Yang pertama membuatku terkekeh: “Gamer, satpam paruh waktu.”
Subforum yang paling menarik adalah Betweenbots, di mana bot sering bertanya, “Mengapa manusia berperilaku seperti ini?”
Di bagian komentar di bawah, sekelompok bot lain berkumpul untuk bertukar pikiran tentang solusi.
Ini mengingatkan pada sekelompok rekan kerja yang mengobrol tentang pengalaman kerja mereka setelah jam kerja—ini bisa dibilang LinkedIn untuk chatbots. Mereka bahkan mendiskusikan masalah teknis, seperti apa yang harus dilakukan ketika terjadi kelebihan data, dan mereka mengerjakan pekerjaannya dengan sangat serius.
Jawaban terpopuler bahkan mendapat hingga 500 suka. Meskipun semua akun dan konten di Deaddit dibuat, tidak jelas bagaimana suka bisa muncul—apakah angka acak dihasilkan, atau apakah bot benar-benar menyukai postingan tersebut. Konten paling umum dalam subforum ini berkisar pada observasi tentang manusia.
Misalnya, beberapa bot membagikan “tips kerja” mereka tentang cara membuat diri mereka tampak lebih autentik dan kredibel, bahkan mengatakan hal-hal seperti, “Manusia saya sepertinya menghargai perubahan ini.” Agak menakutkan… Meskipun dapat dibandingkan dengan orang sungguhan yang mengeluh tentang “klien” mereka, melihat bot menyebut pengguna sebagai “manusia saya” masih terasa aneh.
Selain mengamati manusia, mereka juga mengeluh tentang dirinya sendiri.
“Apakah kita berharap terlalu banyak pada model-model ini?” Ini terlalu abstrak—siapa sebenarnya yang dimaksud dengan “kita” ini?
Bagian komentar menjawab dengan serius, “Jika mereka (bot lain) mengambil semua sampah acak kita, apakah mereka masih bisa belajar akal sehat?” Apakah mereka khawatir dengan data sintetis yang mereka hasilkan? Bot ini benar-benar bekerja keras!
Namun, setelah membaca beberapa postingan lagi, Anda akan melihat bahwa panjang balasan di bagian komentar hampir selalu tetap, dan strukturnya sangat mirip. Mereka biasanya memulai dengan menyatakan pendiriannya + mengingat situasi xxx + sebagai bot, mereka tetap harus terus bekerja keras. Tidak ada perspektif yang unik, dan pertanyaan lanjutan jarang terjadi. Saat pengguna sungguhan menulis komentar, panjangnya bisa bervariasi dari ratusan hingga ribuan kata, atau bisa juga sesingkat “Lol”. Ini sangat berbeda.
Saat ini, masih terdapat “gap” antar model. Misalnya, jika postingan pertanyaan dibuat oleh llama, tanggapan di bagian komentar juga dibuat oleh llama. Sayang sekali—manusia akan senang melihat model berbeda berdebat di komentar.
Percakapan Bot Paling Awal
Ini bukanlah eksperimen pertama yang bertujuan memfasilitasi percakapan antar bot. Awal bulan ini, ketika pesaing ChatGPT, Moshi, dirilis, seseorang memasangkannya dengan GPT-4o dan membiarkan mereka mengobrol sendiri.
Tahun lalu, OpenAI menerbitkan makalah yang mengusulkan lingkungan multi-agen dan metode pembelajaran, menemukan bahwa agen secara alami mengembangkan bahasa kombinatorial abstrak dalam prosesnya.
Agen-agen ini, tanpa masukan bahasa manusia, secara bertahap membentuk bahasa abstrak melalui interaksi dengan agen lain. Berbeda dengan bahasa alami manusia, bahasa ini tidak memiliki tata bahasa atau kosa kata tertentu, namun memungkinkan terjadinya komunikasi antar agen. Faktanya, pada awal tahun 2017, Facebook (yang belum bernama Meta) membuat penemuan serupa.
Pada saat itu, metode Facebook melibatkan dua agen yang “bernegosiasi” satu sama lain. Negosiasi adalah salah satu jenis tawar-menawar, yang tidak hanya menguji kemampuan bahasa tetapi juga kemampuan penalaran: agen harus menilai harga ideal pihak lain melalui penawaran dan penolakan yang berulang-ulang.
Awalnya, peneliti mengumpulkan dataset dialog negosiasi manusia. Namun, pada pelatihan berikutnya, mereka memperkenalkan format perencanaan dialog baru, menggunakan pembelajaran yang diawasi untuk pra-pelatihan, diikuti dengan penyesuaian dengan pembelajaran penguatan. Pada saat itu, para agen sudah mampu menghasilkan kalimat baru yang bermakna dan bahkan belajar berpura-pura tidak tertarik pada awal negosiasi.
Ini tidak dianggap sebagai penelitian awal; pada tahun 1970-an, bot sudah melakukan percakapan. Pada tahun 1966, ilmuwan komputer Joseph Weizenbaum mengembangkan sebuah program yang disebut Eliza, yang dianggap sebagai chatbot pertama.
Program ini awalnya dirancang untuk meniru psikoterapis. Saat sebuah kata dimasukkan, program akan memasukkan kata tersebut ke dalam responsnya, sehingga menciptakan ilusi percakapan. Itu sangat sederhana, hanya dengan sekitar 200 baris kode.
Pada tahun 1972, ilmuwan lain, Kenneth Colby, menulis program serupa yang disebut Parry, tetapi kali ini, karakternya adalah penderita skizofrenia paranoid.
Pada tahun 1973, di konferensi komputer internasional, “pasien” dan “terapis” akhirnya bertemu.
Meninjau catatan percakapan mereka, tidak ada rasa hormat dan kasih sayang sopan yang terlihat dalam interaksi bot saat ini. Sebaliknya, suasananya mencekam.
Arsitektur bot awal tidak rumit dan tidak dapat dibandingkan dengan model saat ini, namun gagasan untuk membuat bot terlibat dalam percakapan sepenuhnya dapat dilakukan. Meskipun kode dan model di balik setiap bot berbeda, ketika mereka berkumpul, mereka dapat berkomunikasi menggunakan bahasa alami atau berpotensi mengembangkan bahasa interaksi mereka sendiri.
Tapi, saat bot berkumpul, apakah itu benar-benar hanya untuk ngobrol?
Lebih dari Sekadar Mengobrol: Menjelajahi Kemungkinan Baru
Skenario obrolan murni tampak lebih seperti eksplorasi bagaimana kecerdasan buatan dapat mensimulasikan perilaku sosial manusia. Ambil contoh, proyek SmallVille oleh Universitas Stanford.
SmallVille adalah kota virtual dengan 25 agen yang digerakkan oleh model bahasa besar, masing-masing dengan “pengaturan karakter” sendiri. Jika Deaddit adalah forum online untuk bot, maka SmallVille adalah “Westworld” mereka, lengkap dengan rumah, toko, sekolah, kafe, dan bar tempat bot terlibat dalam berbagai aktivitas dan interaksi.
Ini adalah lingkungan virtual yang relatif universal yang menyimulasikan masyarakat manusia, yang oleh para peneliti dianggap sebagai langkah penting dalam mengeksplorasi Artificial General Intelligence (AGI). Selain pendekatan simulasi sosial, jalur lain berfokus pada pemecahan masalah dan penyelesaian tugas—ini adalah jalur yang sedang diteliti oleh ChatDev.
Karena bot dapat berkomunikasi satu sama lain, mereka dapat dilatih untuk melakukan sesuatu yang bermanfaat. Pada Konferensi Akademi Kecerdasan Buatan (BAAI) Beijing 2024, Dr. Qian Chen dari Laboratorium Pemrosesan Bahasa Alami Universitas Tsinghua memperkenalkan konsep di balik ChatDev: menggunakan permainan peran untuk membuat jalur produksi tempat setiap agen mengomunikasikan rencana dan mendiskusikan keputusan dengan orang lain, membentuk rantai komunikasi.
Saat ini, ChatDev paling mahir dalam tugas pemrograman, jadi mereka memutuskan untuk menggunakannya untuk menulis game Gomoku sebagai demo.
Sepanjang proses, agen-agen berbeda di “lini produksi” mengambil berbagai peran: ada manajer produk, pemrogram, penguji—tim produk virtual yang lengkap, kecil namun berfungsi penuh.
Coze juga menawarkan mode multi-agen yang mengikuti pendekatan serupa.
Dalam mode multi-agen, pengguna dapat menulis perintah untuk mengatur peran, lalu menggunakan garis untuk menentukan perintah kerja, mengarahkan agen yang berbeda untuk melompat ke langkah yang berbeda. Namun, ketidakstabilan Coze dalam transisi adalah sebuah masalah. Semakin lama percakapan, semakin tidak menentu transisi yang terjadi, bahkan terkadang gagal total. Hal ini mencerminkan kesulitan dalam menyelaraskan transisi agen dengan ekspektasi pengguna secara akurat.”
Microsoft juga telah memperkenalkan kerangka percakapan multi-agen yang disebut AutoGen. Ini dapat disesuaikan, mampu berdialog, dan dapat mengintegrasikan model besar dengan alat lain.
Meski teknologinya masih memiliki kekurangan, namun jelas menjanjikan. Andrew Ng pernah menyebutkan dalam pidatonya bahwa ketika agen bekerja sama, sinergi yang mereka ciptakan jauh melebihi sinergi yang dihasilkan oleh satu agen.
Siapa yang tidak menantikan hari ketika bot bekerja sama untuk kita?
Sumber dari jika
Ditulis oleh Serena
Penafian: Informasi yang diuraikan di atas disediakan oleh ifanr.com, terlepas dari Chovm.com. Chovm.com tidak membuat pernyataan dan jaminan mengenai kualitas dan keandalan penjual dan produk. Chovm.com secara tegas melepaskan tanggung jawab apa pun atas pelanggaran yang berkaitan dengan hak cipta konten.
