Diyetekno.com- Pernahkah Anda merasa frustrasi saat bertanya sesuatu kepada Siri, lalu asisten digital itu seolah lupa apa yang baru saja Anda bicarakan? Masalahnya bukan karena Siri tidak mendengar Anda, melainkan karena ia dibangun untuk era kecerdasan buatan yang sangat berbeda. Demikian penjelasan Nikola Mrkšić, CEO dan salah satu pendiri perusahaan AI percakapan PolyAI, yang sebelumnya terlibat dalam pengembangan teknologi di balik Siri.
Mrkšić mengungkapkan bahwa perbedaan mendasar antara Siri versi lama dengan model bahasa besar (LLM) modern seperti ChatGPT atau Gemini terletak pada cara kerjanya. "Siri yang lama bekerja berdasarkan ‘intent’ yang sudah ditentukan. Setiap jalur percakapan harus dipetakan terlebih dahulu," jelas Mrkšić. "Saat Anda menyimpang dari skrip, sistem akan macet." Ini menjelaskan mengapa Siri selama satu dekade terakhir seringkali terasa kaku dan tidak natural dalam percakapan dua arah.
Pada masa awal pengembangan Siri, para pengembang tidak bisa begitu saja memberikan model AI sebuah percakapan dan membiarkannya mencari tahu apa yang diinginkan pengguna. Sebaliknya, insinyur harus mengantisipasi setiap kemungkinan pertanyaan dan membangun alur kerja yang mampu menangani permintaan tersebut. Misalnya, mengatur alarm adalah satu alur, memutar musik adalah alur lain, dan mengirim pesan teks adalah alur yang berbeda lagi. Masalah muncul ketika manusia, yah, berperilaku seperti manusia.
Ketika pengguna mengubah pikiran di tengah permintaan, merujuk kembali pada sesuatu yang mereka katakan sebelumnya, atau mengajukan pertanyaan dengan cara yang tidak terduga, jalur yang telah dibangun dengan hati-hati itu bisa runtuh. "Terlihat seperti asisten itu lupa apa yang sedang dilakukannya, padahal sebenarnya ia hanya terpojok," kata Mrkšić. Salah satu masalah yang sangat sulit adalah disambiguasi. Jika Anda meminta Siri untuk menghubungi seseorang yang namanya mirip dengan orang lain di daftar kontak Anda, insinyur harus membangun sistem yang mampu menentukan siapa yang Anda maksud. Mrkšić menggambarkan proses ini sebagai pembangunan "ontologi percakapan," yaitu memetakan berbagai arah yang mungkin diambil oleh interaksi dan mencoba membuat tugas-tugas umum tetap berfungsi dalam struktur tersebut.
Berbeda dengan pendekatan tersebut, LLM seperti ChatGPT atau Gemini dapat mempertimbangkan seluruh percakapan sebagai konteks dan menentukan cara merespons secara dinamis. Inilah mengapa berbicara dengan Gemini Live atau ChatGPT Voice terasa sangat berbeda dari berbicara dengan Siri yang selama ini kita kenal.
Lalu, mengapa Apple tidak bisa begitu saja meningkatkan Siri yang sudah ada menjadi sesuatu seperti ChatGPT? Menurut Mrkšić, hal itu tidak mungkin dilakukan. Salah satu alasannya adalah keterbatasan teknologi. Sebelum munculnya LLM modern, kemampuan untuk melakukan percakapan yang benar-benar mengalir bebas belum ada. Namun, Mrkšić berpendapat ada batasan lain: risiko. "Siri tidak pernah bertujuan menjadi asisten bergaya ChatGPT," katanya. "Kepemimpinan Apple selalu memiliki toleransi risiko yang rendah, jadi setiap respons Siri yang bisa disalahartikan sebagai ofensif atau salah dianggap sebagai risiko nyata." Pilihan yang lebih aman adalah mendefinisikan secara ketat apa yang bisa dilakukan Siri. Memintanya untuk mengatur alarm, memutar lagu, atau menambahkan sesuatu ke kalender adalah tugas yang hasilnya dapat diprediksi Apple. Memberikan AI kebebasan lebih besar untuk menafsirkan maksud seseorang membuat perilakunya jauh lebih sulit dikendalikan.
Salah satu hal paling membuat frustrasi tentang asisten suara tradisional adalah betapa mudahnya mereka kehilangan alur percakapan. Mrkšić mengatakan bahwa kemampuan untuk mengingat apa yang dikatakan seseorang sebelumnya dalam percakapan yang sama "sebagian besar telah dipecahkan di tingkat model." Model saat ini dapat memproses konteks dalam jumlah besar, memberi mereka ruang yang jauh lebih dari cukup untuk melacak percakapan biasa. Jadi, jika seorang asisten tiba-tiba terlihat lupa apa yang Anda katakan, model itu sendiri mungkin tidak selalu menjadi masalah. Perusahaan masih menempatkan aturan dan struktur di sekitar model untuk mengontrol apa yang bisa mereka lakukan. Menurut Mrkšić, batasan-batasan tersebut terkadang dapat menciptakan kesan bahwa asisten telah kehilangan percakapan padahal sebenarnya ia telah menabrak batas yang ditetapkan.
Ada juga jenis memori yang jauh lebih sulit dipecahkan: mengenal Anda. Asisten yang mengingat apa yang Anda katakan lima menit yang lalu memang berguna. Namun, asisten yang memahami orang-orang dalam hidup Anda, rutinitas Anda, email Anda, dan hal-hal yang sedang Anda kerjakan bisa jauh lebih bermanfaat. Di sinilah Apple menghadapi dilema menarik. Apple berpotensi memiliki sesuatu yang tidak dimiliki secara otomatis oleh ChatGPT dan aplikasi AI mandiri lainnya: akses mendalam ke sistem operasi. iPhone Anda berisi pesan, email, foto, kontak, dan informasi pribadi lainnya yang dapat memberikan asisten AI konteks yang dibutuhkan untuk memahami apa yang sebenarnya Anda tanyakan.
"Secara teori, ya," kata Mrkšić ketika ditanya apakah itu memberi Siri keuntungan. "Akses tingkat OS ke email, pesan, foto, apa pun yang ada di layar Anda, adalah persis konteks yang membuat asisten AI berguna, lebih dari yang bisa didapatkan oleh chatbot berbasis aplikasi mana pun tanpa konektor tambahan." Namun, ada kendalanya yaitu privasi dan kepercayaan. Apple telah bertahun-tahun memposisikan privasi sebagai salah satu fitur utama iPhone. Memberikan asisten AI konteks pribadi yang cukup untuk menjadi sangat berguna, oleh karena itu, mengharuskan Apple untuk berjalan di garis yang jauh lebih sempit daripada sekadar membangun chatbot yang tahu lebih banyak tentang Anda. Mrkšić berpendapat bahwa pendekatan privasi Apple secara historis membatasi jumlah data pengguna yang tersedia untuk sistemnya dibandingkan dengan beberapa pesaing. "Agen suara menjadi lebih berguna semakin banyak mereka tahu tentang Anda," katanya. Itu mungkin pada akhirnya menjadi ujian sebenarnya bagi Siri: bukan apakah Apple dapat membangun model yang cerdas, tetapi seberapa banyak konteks pribadi yang bersedia diizinkan oleh model tersebut untuk digunakan.
Ada alasan lain mengapa berbicara lebih sulit daripada mengetik: manusia adalah pembicara yang berantakan. Kita berhenti. Kita menyela diri sendiri. Kita mengubah pikiran di tengah kalimat. Bayangkan mengatakan, "Buat janji untuk jam 2… 3 sore." Pendengar manusia dapat mendengar jeda dan perubahan dalam suara Anda dan memahami bahwa Anda mengoreksi diri sendiri. Sistem yang mengubah ucapan Anda menjadi teks sebelum memprosesnya mungkin hanya memiliki transkrip untuk dikerjakan. Itu dapat menghilangkan informasi yang dibawa dalam nada, waktu, dan cara penyampaian Anda. Model AI audio-native yang lebih baru dirancang untuk memproses audio secara langsung daripada hanya mengandalkan transkrip. Mrkšić menunjuk pada Dialog-RSN-1 milik PolyAI sendiri sebagai contoh pendekatan tersebut. Untuk asisten seperti Siri, memahami isyarat-isyarat tersebut pada akhirnya dapat membuat percakapan terasa tidak lagi seperti mengeluarkan perintah ke komputer dan lebih seperti berbicara biasa.
Bagian yang mengejutkan dari penilaian Mrkšić adalah bahwa AI yang mendasarinya mungkin bukan lagi bagian tersulit. Teknologi untuk agen suara untuk melakukan percakapan yang panjang dan alami sudah ada. PolyAI, misalnya, menerapkan agen percakapan untuk bisnis di berbagai industri termasuk perbankan, perhotelan, dan perawatan kesehatan. Pertanyaan yang lebih besar bagi Apple adalah apa yang bersedia mereka biarkan Siri lakukan. "Yang hilang adalah kesediaan Apple untuk sedikit melonggarkan batasannya sehingga Siri benar-benar dapat membantu Anda menyelesaikan sesuatu," kata Mrkšić.
Generasi berikutnya dari asisten suara tidak akan didefinisikan hanya oleh apakah mereka dapat menjawab pertanyaan lanjutan atau mengingat apa yang Anda katakan tiga kalimat yang lalu. ChatGPT, Gemini, dan sistem AI modern lainnya telah mengubah ekspektasi seputar itu. Lompatan yang lebih besar datang ketika seorang asisten cukup memahami tentang Anda dan memiliki akses yang cukup untuk benar-benar bertindak berdasarkan apa yang Anda katakan. Apple memiliki keuntungan besar karena Siri sudah ada di perangkat tempat sebagian besar kehidupan digital kita terjadi. Namun, memanfaatkan posisi itu berarti memecahkan masalah yang lebih banyak tentang kepercayaan dan filosofi produk daripada tentang AI. Teknologi yang membuat Siri lama terasa seperti terus-menerus melupakan Anda sedang menghilang. Sekarang Apple harus memutuskan seberapa banyak mereka ingin Siri baru mengingat.
