Foto: Joe Raedle (Getty Images)
Dalam hal melacak kemajuan inkremental potensi AI, manusia memiliki kecenderungan aneh untuk berpikir dalam kerangka permainan papan yang mungkin belum pernah kita mainkan sejak masa kanak-kanak. Meskipun tidak ada kekurangan contoh, bahkan yang baru-baru ini, yang menyoroti kemampuan AI untuk sepenuhnya memiliki ruang permainan karton, pengujian tersebut hanya sejauh ini dalam menggambarkan keefektifan teknologi dalam memecahkan masalah dunia nyata.
“Tantangan” yang berpotensi jauh lebih baik adalah menempatkan AI berdampingan dengan manusia dalam kompetisi pemrograman. DeepMind milik alfabet melakukan hal itu dengan model AlphaCode-nya. Hasil? Nah, AlphaCode bekerja dengan baik tetapi tidak luar biasa. Performa keseluruhan model, menurut sebuah makalah yang diterbitkan di Science yang dibagikan dengan Gizmodo, sesuai dengan “programmer pemula” dengan beberapa bulan hingga satu tahun pelatihan. Sebagian dari temuan itu dipublikasikan oleh DeepMind awal tahun ini.
Dalam pengujian, AlphaCode mampu mencapai “kinerja tingkat manusia” dan memecahkan masalah bahasa alami yang sebelumnya tak terlihat dalam sebuah kompetisi dengan memprediksi segmen kode dan menciptakan jutaan solusi potensial. Setelah menghasilkan sejumlah besar solusi, AlphaCode kemudian memfilternya hingga maksimal 10 solusi, yang menurut para peneliti semuanya dihasilkan, “tanpa pengetahuan bawaan tentang struktur kode komputer.”
AlphaCode menerima peringkat rata-rata di 54,3% teratas dalam evaluasi simulasi dalam kompetisi pengkodean baru-baru ini pada platform pengkodean kompetitif Codeforce ketika terbatas pada menghasilkan 10 solusi per masalah. Namun, 66% dari masalah tersebut diselesaikan menggunakan pengajuan pertama.
Itu mungkin tidak terdengar terlalu mengesankan, terutama jika dibandingkan dengan penampilan model yang tampaknya lebih kuat melawan manusia dalam permainan papan yang rumit, meskipun para peneliti mencatat bahwa berhasil dalam kompetisi coding sangatlah sulit. Agar berhasil, AlphaCode pertama-tama harus memahami masalah pengkodean yang rumit dalam bahasa alami dan kemudian “bernalar” tentang masalah yang tidak terduga daripada hanya menghafal potongan kode. AlphaCode mampu memecahkan masalah yang belum pernah terlihat sebelumnya, dan para peneliti mengklaim bahwa mereka tidak menemukan bukti bahwa model mereka hanya menyalin logika inti dari data pelatihan. Gabungan, para peneliti mengatakan faktor-faktor tersebut menjadikan kinerja AlphaCode sebagai “langkah maju yang besar”.
“Pada akhirnya, AlphaCode bekerja dengan sangat baik pada tantangan pengkodean yang sebelumnya tidak terlihat, terlepas dari sejauh mana ia ‘benar-benar’ memahami tugas tersebut,” tulis Profesor J. Zico Kolter dari Universitas Carnegie Mellon University, Bosch Center untuk AI dalam artikel Perspektif baru-baru ini yang mengomentari tentang belajar.
AlphaCode bukan satu-satunya model AI yang dikembangkan dengan mempertimbangkan pengkodean. Terutama, OpenAI telah mengadaptasi model bahasa alami GPT-3 untuk membuat fungsi pelengkapan otomatis yang dapat mengurangi baris kode. GitHub juga memiliki alat pemrograman AI populernya sendiri yang disebut Copilot. Namun, tak satu pun dari program-program itu yang menunjukkan kehebatan bersaing melawan manusia dalam memecahkan masalah kompetitif yang kompleks.
Meskipun kami masih berada di masa-masa awal pembuatan kode yang dibantu AI, para peneliti DeepMind yakin keberhasilan AlphaCode baru-baru ini akan menghasilkan aplikasi yang berguna bagi pemrogram manusia di masa mendatang. Selain meningkatkan produktivitas secara umum, para peneliti mengatakan AlphaCode juga dapat “membuat pemrograman lebih mudah diakses oleh generasi pengembang baru”. Pada tingkat tertinggi, para peneliti mengatakan AlphaCode suatu hari berpotensi menyebabkan perubahan budaya dalam pemrograman di mana manusia terutama ada untuk merumuskan masalah yang kemudian ditugaskan untuk diselesaikan oleh AI.
Pada saat yang sama, beberapa pencela di ruang AI mempertanyakan kemanjuran model pelatihan inti yang menopang banyak model AI tingkat lanjut. Baru bulan lalu, seorang programmer bernama Matthew Butterick mengajukan gugatan pertama dari jenisnya terhadap GitHub milik Microsoft, dengan alasan alat asisten Copilot AI-nya secara terang-terangan mengabaikan atau menghapus lisensi yang diberikan oleh insinyur perangkat lunak selama fase pembelajaran dan pengujiannya. Penggunaan bebas dari kode pemrogram lain, menurut Butterick, sama dengan “pembajakan perangkat lunak dalam skala yang belum pernah terjadi sebelumnya”. Hasil gugatan itu dapat memainkan peran penting dalam menentukan kemudahan bagi pengembang AI, terutama yang melatih model mereka pada kode manusia masa lalu, untuk meningkatkan dan memajukan model mereka.