AI Generatif: Antara Inovasi dan Ancaman Deepfake

Membaca rentetan berita negatif terbaru yang membanjiri media pemberitaan belakangan ini terkait teknologi AI generatif, khususnya untuk audiovisual, aku jadi bertanya-tanya, sebenarnya untuk apa teknologi yang sedang mengguncang peradaban ini dibuat.

Kalau manfaatnya hanya sekadar untuk konten hiburan yang setiap saat bisa kita lihat setiap saat di berbagai jenis platform medsos, ya jelas lebih besar mudaratnyalah.

Kita sudah disuguhi terlalu banyak kasus penipuan dan pencemaran nama baik yang sangat serius melalui teknologi deepfake. Skala disinformasinya tidak lagi sekadar iseng, melainkan sudah mulai mengarah kepada terpicunya kerusuhan sosial dan polarisasi publik.

Baiklah, mari kita gali dulu akar sejarahnya. Sebenarnya apa yang ada di benak para ilmuwan pionir yang menciptakan fondasi teknologi ini? Apa motif utama mereka, dan apa tujuan awalnya?

Niat Murni di Balik Ruang Laboratorium

Untuk memahami fenomena ini, kita harus membedakan antara fondasi algoritma kecerdasan buatan itu sendiri dengan lahirnya istilah deepfake yang berkonotasi negatif.

Akar paling kuat dari AI generatif visual modern bertumpu pada arsitektur bernama Generative Adversarial Networks (GANs). Sistem ini diciptakan oleh ilmuwan komputer Ian Goodfellow bersama rekan-rekannya pada tahun 2014.

Saat itu, motivasi Goodfellow murni didorong oleh rasa ingin tahu akademis dan upaya memecahkan teka-teki komputasi tingkat tinggi. Logikanya begini, mesin komputer pada masa itu sudah mulai pintar mengenali dan mengklasifikasi gambar, misalnya membedakan mana foto kucing dan mana foto anjing.

Namun, para peneliti tertantang untuk melihat apakah sebuah mesin bisa diajarkan untuk menciptakan gambar baru dari nol yang belum pernah ada di dunia nyata. Bagi para ilmuwan, keberhasilan membuat mesin yang memiliki imajinasi sintetis adalah sebuah terobosan sains yang luar biasa.

Di luar laboratorium akademis, teknologi manipulasi visual dan audio tingkat tinggi juga dikembangkan dengan tujuan yang sangat spesifik dan bermanfaat.