Coba tanya AI apa saja tentang topik yang kamu kuasai — pelajaran sejarah sekolahmu, klub yang kamu ikuti, atau bahkan biodata dirimu sendiri kalau namamu cukup unik untuk dicari. Ada kemungkinan besar jawabannya terdengar meyakinkan, disusun rapi, pakai istilah yang tepat — dan sebagian isinya salah total. Bukan salah ketik, bukan typo. Fakta yang dikarang begitu saja, disampaikan dengan nada seyakin orang yang benar-benar tahu.
Fenomena ini punya nama: halusinasi AI. Bukan berarti AI "berbohong" seperti manusia yang sengaja menipu — AI bahkan tidak tahu bahwa dirinya sedang salah. Dan justru di situ masalahnya. Kalau AI ragu-ragu saat salah, kita gampang curiga. Yang bikin repot adalah ketika AI salah sambil terdengar seyakin ketika benar.
Coba minta AI ceritakan buku fiksi dengan judul yang kamu karang sendiri, yang jelas-jelas tidak ada. Ada kemungkinan besar AI tetap menjawab — lengkap dengan nama penulis, tahun terbit, bahkan ringkasan ceritanya. Semua itu dikarang saat itu juga, bukan dicari dari data yang benar-benar ada.
Kenapa ini jadi bab pertama
Sebelum masuk ke cara pakai ChatGPT, Gemini, atau tools AI lain, A.I.T.A sengaja mulai dari sini. Alasannya sederhana: kalau kamu belajar cara pakai AI dulu baru belajar batasannya belakangan, kebiasaan yang terbentuk duluan adalah "percaya apa kata AI". Padahal yang seharusnya terbentuk adalah kebiasaan bertanya "kenapa AI bisa jawab begini, dan apa buktinya".
Itu juga alasan kenapa program ini namanya bukan "kelas ChatGPT" atau "kelas prompt". Pilar utama A.I.T.A adalah critical thinking — bukan sekadar tahu tombol mana yang harus diklik, tapi paham apa yang sebenarnya terjadi di balik layar setiap kali AI mengeluarkan jawaban.
Sejarah singkat, bukan buat dihafal
Kamu mungkin sudah dengar AI itu bukan barang baru — riset soal kecerdasan buatan sudah dimulai jauh sebelum orang tuamu lahir.
Yang jadi pertanyaan menarik bukan "kapan AI ditemukan", tapi kenapa baru sekarang AI seperti ChatGPT tiba-tiba ada di mana-mana, padahal risetnya sudah puluhan tahun berjalan. Jawabannya tiga hal yang akhirnya matang bersamaan:
- Data teks meledak. Internet menghasilkan miliaran halaman tulisan yang bisa dipakai untuk melatih model.
- Komputer cukup kuat. Chip yang tadinya dibuat untuk grafis game ternyata sangat cocok untuk menghitung jutaan operasi matematika sekaligus.
- Teknik pelatihan yang tepat ditemukan. Cara melatih model raksasa itu secara efisien baru benar-benar matang belakangan.
Ketiganya nyaris tidak berguna kalau berdiri sendiri — data besar tanpa komputer kuat cuma jadi arsip mati, komputer kuat tanpa teknik yang tepat cuma jadi mesin mahal yang salah kerja. Begitu ketiganya siap bersamaan, sekitar awal 2020-an, lompatannya terasa mendadak — padahal fondasinya dibangun bertahun-tahun.
Paham sejarah singkat ini penting bukan buat ujian hafalan, tapi supaya kamu tidak menganggap AI sebagai "sihir" yang tiba-tiba muncul dari ketiadaan. Ini teknologi yang punya proses, punya batasan, dan — seperti akan kamu pelajari di bab berikutnya — punya cara kerja yang sebenarnya bisa dijelaskan dengan cukup sederhana.
Di bab selanjutnya, kita bongkar kenapa AI bisa salah dengan pede seperti yang kamu lihat di awal tadi — jawabannya ada di cara AI benar-benar menyusun setiap kalimat yang dia tulis.