Ilmu Dasar sebagai Pengetahuan Tersirat untuk Bertahan di Era Revolusi Kecerdasan Buatan

KECERDASAN buatan (AI) mungkin adalah salah satu disrupsi teknologi terbesar umat manusia, setelah penemuan kertas dan revolusi industri. Isu yang selalu bergema terkait AI adalah dorongan otomatisasi yang ekstrem, sehingga menyebabkan kecemasan banyak pihak.

Perlu dipertimbangkan memang, apa yang diperlukan supaya kita bisa bertahan di gelombang otomatisasi AI yang sudah mulai terjadi?

Di negara kita, ini sudah mulai terjadi juga. Customer service di platform online store dan ride hailing lokal yang dulunya dikerjakan manusia, sekarang sudah mulai diganti chatbot AI. Apa "bekal" yang diperlukan untuk menghadapi semua ini?

Otomatisasi AI memang tidak menyebabkan gelombang PHK besar-besaran, tetapi menyebabkan reposisi banyak lowongan pekerjaan. Misalnya, pekerjaan entry level programmer, sekarang sudah semakin terbatas karena sudah bisa digantikan dengan operator strategic dengan job grade lebih tinggi yang menguasai vibe coding.

Di bidang informatika secara umum, asosiasi artis di Amerika Serikat pernah demonstrasi ke major studio karena AI ada potensi untuk menggusur pekerjaan mereka. Pernah ada demo di Youtube, ada startup asal China yang menggunakan Claude AI untuk aplikasi travel booking. Jadi, start up tersebut memecah AI agent mereka menjadi banyak subagent, yang memiliki pekerjaan sendiri-sendiri. Ada yang memesan tiket, ada yang menangani transaksi finansial, ada yang menangani penjadwalan penerbangan, dan lain sebagainnya. Semua transaksi itu bisa dibereskan dengan segelintir operator manusia, tidak seperti yang dilakukan travel agent konvensional.

Dalam bidang kami, yaitu Bioinformatika, terjadi kejutan besar (Major Shock) ketika Anthropic merilis laporan mengenai AI model mereka, Mythos, yang dioptimalisasikan untuk menyelesaikan problem saintifik bioinformatika dengan dibenchmark dengan operator manusia. Laporan tersebut berjudul "Evaluating Claude's bioinformatics research capabilities with BioMysteryBench."

Laporan tersebut menunjukkan bahwa Mythos memiliki kinerja yang sangat baik, ketika diadu dengan kinerja operator manusia. Mythos hanya kewalahan ketika memang problem tersebut sangatlah sulit dan diluar jangkauan model mereka, seperti ada validasi laboratorium berbasis biologi molekuler, yang memang belum dilakukan.

Sebagai produsen aplikasi AI Claude, yang sangat populer, laporan ini sangat dianggap serius oleh komunitas bioinformatika.

Banyak praktisi dari Amerika Serikat dan Kanada yang merilis posting bernada panik di akun Linkedin mereka, bukan karena Mythos akan menggantikan peran mereka tetapi dengan alasan berbeda. Sebab selama ini rutinitas mereka dalam software development, pengembangan pipeline dan database, bisa disaingi oleh operator manusia yang mungkin pemahaman bioinformatikanya tidak sedalam mereka, tetapi sangat paham mengoperasikan AI agent.

Membayangkan bahwa sekian banyak bioinformatisi, bisa digantikan dengan segelintir operator yang mengorkestrasi Mythos adalah distopia yang sangat bisa menjadi kenyataan. Bagaimana bisa bertahan terhadap disrupsi seperti ini? Aplikasi agentic AI seperti Claude Code, Codex, Kimi, atau Deepseek memang akhirnya membuat kita melakukan evaluasi ulang sejauh mana peranan manusia dalam berdialektika dengan mereka. Mereka memaksa kita untuk merefleksikan, bagaimana peran strategis operator manusia untuk bisa bertahan di era revolusi AI ini. Disini, kita memerlukan Tacit Knowledge atau pengetahuan tersirat.

Pengetahuan tersirat (Tacit knowledge) adalah jenis pengetahuan yang tersimpan di dalam pikiran, pengalaman, dan intuisi seseorang, yang sangat sulit untuk didokumentasikan, dibahasakan, atau diajarkan kepada orang lain secara formal.

Dalam ilmu dasar, pengetahuan ini menjadi jembatan krusial antara teori dan praktik; seperti seorang matematikawan yang menggunakan intuisi untuk menentukan strategi pembuktian yang tepat, atau seorang biologiwan yang mengandalkan kepekaan indrawi dalam pengamatan laboratorium. Meskipun buku teks memberikan dasar yang jelas, tacit knowledge-lah yang memungkinkan seseorang memiliki keahlian mendalam dan kemampuan pengambilan keputusan yang tajam melalui proses belajar yang bersifat personal dan praktis.

Sebagai tacit knowledge, peran ilmu dasar, justru semakin penting sejalan dengan gelombang otomatisasi yang dilakukan didorong oleh AI. Matematika, Fisika, Kimia, dan Biologi yang merupakan fondasi utama ilmu dasar, ternyata merupakan pilar penting dalam pengembangan aplikasi AI.

Dario Amodei, CEO Anthropic, memiliki gelar PhD di bidang biofisika dari Stanford. Prinsip (episteme) basic science tersebut yang selalu Dario dan timnya push dalam pengembangan Claude, sehingga platformnya termasuk yang paling awal menyediakan fitur dan service untuk bidang bioinformatika. Policy dan direction AI corporate seperti Anthropic terhadap basic science inilah yang seringkali luput dari perhatian banyak pengamat, karena terlalu "silau" dengan "keajaiban" dari agentic AI. Silau juga dengan pertanyaan trivial dan penuh gimmick seperti "Coding masih perlu atau enggak", bukannya menggali apa ilmu dasar dibalik coding itu sendiri.

Good practice ini tidak hanya dari barat, tapi juga timur. Misalnya, start up dari China, Byte Dance, yang mengembangkan TikTok, juga sangat intensif mengembangkan riset ilmu dasar terkait AI. Deepseek dari China juga, adalah AI company yang termasuk paling awal mempublikasikan AI model mereka di jurnal ilmiah sangat bereputasi Nature.

Seorang operator agentic AI, jika ingin menyelesaikan masalah ilmiah yang sangat kompleks, sebaiknya memiliki latar belakang basic science, apapun latar belakang program studi mereka secara formal. Ilmu Sosial maupun kesehatan seperti Psikologi, Kesehatan Masyarakat, dan Ekonometri misalnya, juga banyak "bergulat" dengan pemodelan matematika maupun statistika.

Banyak statistisi hebat yang berasal dari cabang keilmuan tersebut. Coding atau pemrograman tetaplah penting. Tidak mungkin menjalankan dan mensupervisi agentic AI seperti Mythos tanpa memahaminya. Namun tanpa memahami ilmu dasar seperti matematika, kemampuan pemrograman kita sangat rentan di push aside oleh operator agentic AI yang memahaminya.

Sebenarnya, hal ini sudah mulai diantisipasi oleh prodi-prodi ilmu komputer dan informatika. Sehingga, tidak heran beberapa kampus yang membuka jurusan AI seperti UI, ITB, dan UGM, muatan matematikanya sangat signifikan di kurikulum mereka. Sebab memang fondasi AI adalah persamaan matematika seperti Bayesian theorem, Back propagation, Integrated Information Theory, Markov Chain, dan sebagainya.

Oleh karena itu, mari kita kembali ke ilmu dasar sebagai tacit knowledge seperti yang dilakukan jurusan-jurusan kecerdasan buatan yang mulai dibuka. Tacit knowledge ini yang merupakan pegangan yang membuat kita bisa bertahan di gelombang revolusi AI yang seakan tidak ada ujungnya.

Dalam era kecerdasan buatan, tacit knowledge dalam ilmu dasar menjadi benteng pertahanan manusia karena mencakup intuisi, penilaian etis, dan kreativitas yang tidak dimiliki oleh algoritma berbasis data statis. AI mungkin unggul dalam memproses ribuan rumus matematika atau data genomik secara cepat, namun manusia memiliki kemampuan untuk memahami konteks yang samar, merasakan kejanggalan dalam sebuah pola yang dianggap normal oleh mesin, serta melakukan lompatan inovatif melalui pemikiran "di luar kotak."

Kemampuan untuk menginterpretasikan nuansa di laboratorium atau memilih arah riset berdasarkan insting intelektual merupakan keunggulan adaptif yang membuat peran ilmuwan tetap tak tergantikan dalam memandu teknologi menuju penemuan yang benar-benar bermakna

Sebenarnya, ilmu dasar sebagai tacit knowledge tidaklah benar-benar "tersembunyi", apalagi menjadi wacana implisit yang abstrak. Program studi Matematika, Fisika, Kimia, dan Biologi masih ada di berbagai kampus dan tetap ada peminatnya. Namun memang tidak selalu jadi pilihan utama studi, dan jarang menjadi pusat pemberitaan.

Tantangan selanjutnya, bagaimana membuat generasi muda tertarik dengan ilmu dasar. Ini ada banyak sekali pekerjaan rumah yang harus dilakukan, tantangan yang tidak mudah untuk diatasi, re-evaluasi terhadap praktik pedagogik kita, dan tentu saja akan dibahas di tulisan lain.

Arli Aditya Parikesit, Profesor kekhususan Bioinformatika pada i3L University, anggota Klaster Keilmuan Bioinformatika Asosiasi Pendidikan Tinggi Informatika dan Komputer (APTIKOM), dan Managing Editor Indonesian Journal of Life Sciences (IJLS) i3L University.