Bayangkan jika hidupmu adalah reality show tanpa jeda iklan, di mana setiap aktivitasmu direkam dari sudut pandang GoPro yang menempel di dahi. Kedengarannya seperti mimpi buruk? Tidak juga, jika kamu dibayar mahal untuk itu. Itulah yang dialami Taylor dan teman sekamarnya, demi melatih kecerdasan buatan melihat dunia seperti kita.
Ketika GoPro Jadi Mahkota: Kisah Data Freelancer
Taylor, bukan nama sebenarnya (demi keamanan data, mungkin?), adalah seorang seniman yang juga bekerja sebagai data freelancer untuk Turing Labs. Tugasnya sederhana: mengenakan GoPro selama lima jam sehari, merekam segala aktivitas mulai dari melukis hingga mencuci piring. Tujuannya? Melatih model visi AI agar memahami problem-solving dan visual reasoning. Bukan untuk mengajari AI membuat lukisan abstrak, tapi lebih ke pemahaman mendalam soal bagaimana tangan manusia berinteraksi dengan dunia.
Turing Labs tidak hanya merekrut seniman seperti Taylor. Mereka juga menggandeng koki, pekerja konstruksi, hingga tukang listrik. Intinya, siapa pun yang bekerja dengan tangan dan menghasilkan data visual yang beragam. Sudarshan Sivaraman, Chief AGI Officer Turing, berujar bahwa pengumpulan data manual adalah satu-satunya cara mendapatkan dataset yang cukup bervariasi. Bayangkan, AI diajari caranya memasak nasi goreng langsung dari ahlinya, bukan dari resep di internet.
Ini bukan sekadar soal mengumpulkan data sebanyak-banyaknya. Ini tentang kualitas data. Turing Labs sadar betul, data yang berkualitas akan menghasilkan model AI yang lebih cerdas. Ibaratnya, lebih baik makan nasi padang satu porsi daripada makan mie instan sebakul. Nutrisinya beda jauh!
Dari “Scraping” Gratisan ke Data Kurasi Harga Sultan
Dulu, perusahaan AI seenaknya men-scraping data dari internet atau menyewa annotator dengan bayaran murah. Sekarang, situasinya berubah drastis. Mereka rela membayar mahal demi mendapatkan data yang berkualitas dan terkurasi dengan baik. Kenapa? Karena mereka sadar, kekuatan AI bukan hanya terletak pada algoritmanya, tapi juga pada data yang melatihnya.
Email company Fyxer, misalnya, menggunakan AI untuk menyortir email dan membuat draft balasan. Setelah melakukan beberapa eksperimen, sang founder, Richard Hollingsworth, menemukan bahwa pendekatan terbaik adalah menggunakan model-model kecil dengan data pelatihan yang fokus. Intinya, daripada punya satu model raksasa yang sok tahu segalanya, lebih baik punya banyak model kecil yang ahli di bidangnya masing-masing. Mirip tim Avengers, lah.
Efek Samping Jadi “Bintang Reality Show” Dadakan
Meskipun terdengar menyenangkan, pekerjaan sebagai data freelancer ini tidak semudah yang dibayangkan. Taylor mengaku harus mengalokasikan waktu tujuh jam sehari untuk menghasilkan lima jam rekaman yang disinkronkan. Selain itu, ada efek samping yang cukup mengganggu. “Bikin sakit kepala,” ujarnya. “Setelah dilepas, ada bekas merah berbentuk kotak di dahi.”
Namun, bagi Taylor, semua itu sepadan dengan bayaran yang diterimanya. Selain itu, ia juga bisa menghabiskan sebagian besar waktunya untuk berkarya seni. Jadi, bisa dibilang, ia dibayar untuk melakukan hobinya. Siapa yang tidak mau?
Fenomena ini menunjukkan bahwa era “data gratisan” sudah berakhir. Perusahaan AI semakin sadar bahwa data adalah aset berharga yang harus dijaga dan dikelola dengan baik. Mereka rela berinvestasi besar untuk mendapatkan data yang berkualitas, bahkan jika itu berarti harus menyewa seniman untuk memakai GoPro di dahi.
Kualitas Data: Bukan Sekadar “Asal Ada”
Richard Hollingsworth dari Fyxer menekankan bahwa kualitas data jauh lebih penting daripada kuantitas. “Kami menyadari bahwa kualitas data, bukan kuantitas, adalah hal yang benar-benar menentukan performa,” ujarnya. Dalam praktiknya, hal itu berarti Fyxer harus merekrut banyak executive assistant berpengalaman untuk melatih model AI mereka. Mereka bertugas mengajarkan AI tentang dasar-dasar membalas email, sesuatu yang ternyata sangat bergantung pada human touch.
Turing Labs juga memiliki pandangan serupa. Mereka menggunakan data sintetis yang diekstrapolasi dari video GoPro untuk memperluas dataset mereka. Namun, mereka tetap menekankan pentingnya kualitas data asli. “Jika data pre-training-nya tidak berkualitas, maka apa pun yang Anda lakukan dengan data sintetis juga tidak akan berkualitas,” kata Sivaraman.
Dalam dunia AI, data berkualitas adalah fondasi dari segalanya. Tanpa data yang baik, algoritma tercanggih pun tidak akan bisa menghasilkan sesuatu yang berguna. Ibaratnya, membangun rumah tanpa fondasi yang kuat. Cepat atau lambat, pasti roboh.
Data: Benteng Terakhir di Era AI Generatif?
Lebih dari sekadar masalah kualitas, ada logika kompetitif yang kuat di balik upaya perusahaan untuk menjaga data mereka tetap eksklusif. Bagi Fyxer, kerja keras dalam mengumpulkan data adalah salah satu cara terbaik untuk melindungi diri dari persaingan. Hollingsworth berpendapat bahwa siapa pun bisa membangun model open-source ke dalam produk mereka, tetapi tidak semua orang bisa menemukan annotator ahli untuk melatihnya menjadi produk yang berguna. Ini adalah perlombaan tanpa akhir untuk mengumpulkan data yang lebih baik, lebih cepat, dan lebih eksklusif.
Jadi, di era AI yang semakin canggih ini, data bukan hanya sekadar bahan bakar. Data adalah benteng terakhir yang melindungi perusahaan dari gempuran kompetitor. Perusahaan yang memiliki data berkualitas akan menjadi penguasa pasar. Sementara itu, perusahaan yang hanya mengandalkan data gratisan akan tertinggal jauh. Inilah era baru dalam dunia AI, di mana data adalah segalanya.
Strategi “Moat” Data: Lebih Ampuh dari Sekadar Algoritma Canggih?
Istilah “moat” dalam bisnis mengacu pada keunggulan kompetitif yang sulit ditiru oleh pesaing. Dalam konteks ini, Fyxer melihat data berkualitas sebagai “moat” mereka. Mereka percaya bahwa membangun model khusus dengan data pelatihan yang dipimpin oleh manusia adalah cara terbaik untuk bersaing di pasar yang semakin ramai. Ini adalah strategi yang cerdas, mengingat algoritma AI semakin mudah diakses dan ditiru. Yang sulit ditiru adalah data yang unik dan berkualitas.
Ini bukan berarti algoritma tidak penting. Algoritma tetap menjadi jantung dari sistem AI. Namun, algoritma tanpa data berkualitas hanyalah mesin kosong. Ibarat mobil mewah tanpa bahan bakar. Tampilannya keren, tapi tidak bisa jalan.
Masa Depan Pekerjaan: Ketika Manusia Melatih Mesin Melihat Dunia
Kisah Taylor dan Fyxer memberikan gambaran tentang masa depan pekerjaan di era AI. Pekerjaan-pekerjaan yang dulunya dianggap remeh, seperti mengumpulkan dan mengkurasi data, kini menjadi sangat berharga. Manusia tidak hanya bersaing dengan mesin, tetapi juga bekerja sama dengan mesin untuk menciptakan sesuatu yang baru. Dalam kasus Taylor, ia membantu melatih mesin untuk melihat dunia seperti manusia. Sebuah ironi yang menarik.
Jadi, lain kali kamu melihat seseorang memakai GoPro di dahi, jangan langsung berasumsi bahwa mereka sedang melakukan vlogging. Siapa tahu, mereka sedang melatih AI untuk menjadi lebih pintar dari kita semua.
