Kita telah melihat bagaimana AI bisa bertindak di luar pemahaman kita dan bagaimana bias manusia meresap ke dalam intinya. Namun, dua rahasia berikutnya akan membawa kita lebih dalam ke sisi-sisi AI yang jarang dibicarakan, yang menunjukkan bahwa di balik setiap kecanggihan, ada harga yang harus dibayar, baik oleh manusia maupun oleh bumi. Ini adalah aspek-aspek yang, jika dipahami sepenuhnya, akan mengubah cara Anda memandang setiap interaksi Anda dengan teknologi cerdas, dari asisten suara di ponsel Anda hingga rekomendasi produk di toko daring.
Ribuan Tangan Manusia di Balik Otak Buatan yang Canggih
Ketika kita melihat sebuah sistem AI yang dengan mulus mengenali objek dalam gambar, menerjemahkan bahasa secara instan, atau bahkan menghasilkan teks yang koheren, kita cenderung membayangkan algoritma yang ajaib, sebuah kecerdasan yang muncul entah dari mana. Namun, di balik setiap sistem AI yang tampak otonom dan canggih, ada pasukan besar pekerja manusia yang secara diam-diam melakukan "pekerjaan kotor" yang sangat penting: memberi label data. Mereka adalah para pekerja gig economy, seringkali dari negara berkembang, yang menghabiskan waktu berjam-jam setiap hari untuk mengidentifikasi mobil dalam foto, menandai batas-batas pejalan kaki di rekaman jalan, mentranskripsi audio, atau memverifikasi kebenaran informasi. Pekerjaan mereka adalah tulang punggung yang tak terlihat, tanpa mana AI modern tidak akan pernah bisa berfungsi.
Bayangkan Anda sedang melatih AI untuk mengenali kucing. Anda tidak bisa hanya memberinya jutaan gambar dan berharap ia "tahu" apa itu kucing. Seseorang harus secara manual membuka setiap gambar, menggambar kotak di sekitar setiap kucing, dan memberi label "kucing" pada kotak itu. Proses ini, yang disebut anotasi data atau pelabelan data, membutuhkan ketelitian, konsistensi, dan, yang paling penting, waktu yang sangat banyak. Untuk melatih model AI yang canggih, dibutuhkan jutaan, bahkan miliaran, titik data yang diberi label dengan benar. Pekerjaan ini tidak glamor, seringkali berulang, dan biasanya dibayar sangat rendah, terkadang hanya beberapa sen per tugas. Para pekerja ini adalah "hantu" di balik mesin, kontribusi mereka tak terlihat namun esensial.
Perusahaan-perusahaan teknologi raksasa, yang seringkali memamerkan kemajuan AI mereka sebagai hasil dari algoritma cerdas semata, sangat bergantung pada pekerja-pekerja ini. Mereka mungkin bersembunyi di balik platform crowdsourcing seperti Amazon Mechanical Turk atau perusahaan outsourcing di negara-negara seperti India, Filipina, atau Kenya. Kondisi kerja mereka seringkali jauh dari ideal, dengan tekanan untuk bekerja cepat, upah yang tidak stabil, dan sedikit atau tanpa jaminan sosial. Mereka adalah bagian dari apa yang disebut "ghost work" atau pekerjaan hantu, sebuah industri global yang bernilai miliaran dolar yang secara harfiah memberdayakan revolusi AI, tetapi dengan biaya kemanusiaan yang signifikan. Tanpa mereka, banyak aplikasi AI yang kita gunakan setiap hari tidak akan ada.
"Di balik setiap keajaiban AI ada ribuan manusia yang tidak dibayar dengan baik, yang secara manual melakukan pekerjaan yang terlalu rumit bagi mesin. Ini adalah pekerjaan hantu, dan itu adalah fondasi yang menyedihkan dari janji otomatisasi." - Mary L. Gray & Siddharth Suri, Penulis 'Ghost Work'.
Rahasia ini memaksa kita untuk mempertanyakan narasi tentang otomatisasi total dan masa depan tanpa pekerjaan. Ironisnya, untuk mencapai tingkat otomatisasi yang lebih tinggi, kita membutuhkan lebih banyak pekerjaan manual yang intensif. Ini juga menimbulkan pertanyaan etis yang serius tentang keadilan dan eksploitasi. Apakah etis untuk membangun teknologi yang akan menggantikan pekerjaan manusia di masa depan, sambil secara bersamaan bergantung pada pekerjaan manusia yang rentan dan bergaji rendah untuk membuatnya berfungsi? Memahami "pekerja hantu" ini adalah langkah penting untuk melihat AI bukan hanya sebagai kode dan mesin, tetapi sebagai sistem sosioteknis yang kompleks, yang terjalin erat dengan kondisi ekonomi dan keadilan global. Ini adalah pengingat bahwa di balik layar yang mulus, ada realitas manusia yang seringkali keras dan tidak adil.
Konsumsi Energi AI yang Menguras Bumi Lebih dari yang Anda Bayangkan
Ketika kita berbicara tentang dampak lingkungan, pikiran kita mungkin langsung tertuju pada pabrik-pabrik yang berasap atau kendaraan bermotor yang mengeluarkan emisi. Namun, ada jejak karbon yang tumbuh pesat dan seringkali tidak terlihat: jejak karbon dari kecerdasan buatan. Model-model AI modern, terutama yang paling canggih seperti model bahasa besar (LLM) yang kita lihat hari ini, membutuhkan daya komputasi yang luar biasa besar untuk dilatih. Proses pelatihan ini tidak hanya memakan waktu berhari-hari atau berminggu-minggu, tetapi juga mengonsumsi energi listrik dalam jumlah yang setara dengan konsumsi energi seluruh kota atau bahkan negara kecil.
Bayangkan sebuah model AI yang sedang dilatih. Proses ini melibatkan miliaran, bahkan triliunan, perhitungan matematis yang berulang-ulang untuk menyesuaikan parameter model agar dapat mengenali pola dan membuat prediksi. Setiap perhitungan ini membutuhkan daya dari server-server besar yang beroperasi di pusat data raksasa. Pusat data ini sendiri membutuhkan energi yang sangat besar, tidak hanya untuk menjalankan server, tetapi juga untuk mendinginkannya agar tidak terlalu panas. Panas yang dihasilkan oleh ribuan server yang bekerja secara simultan bisa sangat ekstrem, sehingga sistem pendingin menjadi komponen kritis yang juga mengonsumsi energi dalam jumlah besar.
Sebuah studi yang mengkhawatirkan pada tahun 2019 menemukan bahwa melatih satu model AI besar (khususnya model bahasa yang disebut Transformer) dapat menghasilkan emisi karbon yang setara dengan lima kali siklus hidup rata-rata sebuah mobil, termasuk pembuatan dan penggunaannya. Angka ini mungkin sudah jauh lebih tinggi mengingat ukuran dan kompleksitas model-model AI yang muncul setelahnya, seperti GPT-3 atau model-model generatif lainnya. Ini adalah jumlah energi yang sangat besar, dan sebagian besar energi ini masih berasal dari sumber bahan bakar fosil, yang berarti setiap kemajuan AI yang kita nikmati datang dengan harga lingkungan yang signifikan dalam bentuk emisi gas rumah kaca.
Implikasi dari konsumsi energi AI ini sangat serius. Di tengah krisis iklim global yang mendesak, setiap sektor industri didorong untuk mengurangi jejak karbonnya. Namun, industri AI, yang seringkali dipandang sebagai solusi untuk masalah dunia, secara paradoks justru menjadi penyumbang emisi yang semakin besar. Ini bukan hanya tentang energi yang digunakan untuk pelatihan; penggunaan AI yang berkelanjutan (disebut inferensi) juga membutuhkan energi, meskipun dalam jumlah yang lebih kecil per transaksi. Tetapi ketika miliaran orang menggunakan AI setiap hari untuk pencarian, rekomendasi, atau fitur lainnya, konsumsi energi kumulatifnya menjadi sangat substansial. Ini adalah beban yang harus kita pertimbangkan secara serius jika kita ingin membangun masa depan yang berkelanjutan.
Rahasia ini mengingatkan kita bahwa teknologi tidak pernah netral dalam dampaknya. Setiap inovasi memiliki konsekuensi, dan dalam kasus AI, salah satu konsekuensi terbesar adalah dampaknya terhadap planet kita. Ini menantang kita untuk mencari cara-cara yang lebih efisien dalam melatih dan menggunakan AI, untuk berinvestasi dalam energi terbarukan untuk pusat data, dan untuk mengembangkan algoritma yang lebih "hemat energi". Kita tidak bisa lagi melihat AI sebagai entitas tanpa bobot yang hanya ada di dunia digital; ia memiliki jejak fisik yang nyata dan besar di dunia nyata, dan jejak itu semakin membesar. Memahami hal ini adalah langkah pertama untuk menuntut inovasi yang tidak hanya cerdas, tetapi juga bertanggung jawab terhadap lingkungan.
