Setelah memahami cara kerja AI dari Bab 1–7, sekarang kita luruskan beberapa kesalahpahaman umum yang paling sering membuat orang salah menilai kemampuan (atau bahaya) AI.

Kesalahpahaman 1: “AI itu sadar/punya perasaan”

Faktanya: LLM adalah sistem statistik yang memprediksi token berikutnya. Ia bisa menulis “Saya senang membantu Anda” bukan karena benar-benar merasakan senang, tapi karena pola kalimat semacam itu yang paling sesuai secara statistik. Studi kasus mudah: ini mirip aktor yang memerankan tokoh sedih di film — ucapannya terdengar tulus, tapi aktor itu sendiri tidak benar-benar sedih.

Kesalahpahaman 2: “AI selalu benar karena komputer tidak salah”

Faktanya: LLM bisa berhalusinasi — menghasilkan info yang terdengar meyakinkan tapi salah. Studi kasus mudah: seperti teman yang sangat pandai bicara tapi kadang menjawab dengan percaya diri padahal sebenarnya menebak — enak didengar, tapi tetap perlu dicek ulang untuk hal penting.

Kesalahpahaman 3: “AI belajar dari percakapan saya secara langsung”

Faktanya: seperti dibahas di Bab 4, model tidak berubah permanen hanya karena satu percakapan (inference tidak mengubah bobot model). Perubahan pengetahuan model hanya terjadi lewat training ulang yang mahal dan jarang dilakukan.

Kesalahpahaman 4: “Model yang lebih besar/mahal selalu lebih baik untuk semua tugas”

Faktanya: seperti dibahas di Bab 7, ada trade-off kepintaran vs kecepatan vs biaya. Model kelas tertinggi bisa jadi terlalu “berlebihan” dan lambat untuk tugas sederhana.

Kesalahpahaman 5: “AI itu netral dan objektif 100%”

Faktanya: karena LLM belajar dari data buatan manusia, ia juga bisa mewarisi bias yang ada dalam data tersebut. Bias dikurangi lewat RLHF dan pedoman keamanan, tapi tidak pernah bisa hilang 100%.