
Salah satu kekhawatiran terbesar seputar AI generatif adalah apakah teknologi ini akan membuat pekerja kehilangan pekerjaan. Ide ini khususnya muncul dalam konteks pengkodean perangkat lunak.
Github Copilot bisa menulis banyak kode saat ini, jadi apakah layak mempelajari ilmu komputer sekarang? Itu adalah pertanyaan di benak siswa sekolah menengah yang berpikiran matematika sejak ChatGPT muncul pada tahun 2022.
Ada poin data baru yang membantu menjawab setidaknya sebagian dari pertanyaan ini: Siswa masih berbondong-bondong mengambil jurusan ilmu komputer di perguruan tinggi.
Titik data yang menakjubkan
Mari kita ambil Universitas California Berkeley sebagai contoh, karena perguruan tinggi ini berada atau mendekati peringkat teratas dalam ilmu komputer.
Pendaftaran tahun pertama ke College of Computing, Data Science, dan Society CDSS UC Berkeley meningkat 48% tahun ini. Terdapat 14,302 pendaftaran (non-transfer) untuk jurusan CDSS ini pada kelas masuk Musim Gugur 2024, dibandingkan 9,649 pada tahun sebelumnya.
Sebagai perbandingan, jumlah pendaftaran tahun pertama ke UC Berkeley secara keseluruhan tidak banyak berubah dibandingkan tahun sebelumnya.
Hal ini diumumkan minggu lalu oleh Profesor Jennifer Chayes, dekan College of CDSS di Berkeley. Dia melontarkan statistik menakjubkan ini saat mengobrol dengan Gubernur Gavin Newsom dan Profesor Fei-Fei Li dari Stanford di Joint California Summit on Generative AI di San Francisco.
Ada peran bagi pengembang perangkat lunak manusia
Setelah itu, saya menghubungi John DeNero, Profesor Pengajar Ilmu Komputer di UC Berkeley, untuk membicarakan hal ini lebih lanjut.
Dia juga merupakan kepala ilmuwan di Lilt, sebuah startup AI generatif, dan sebelumnya dia adalah seorang peneliti di Google yang mengerjakan Google Terjemahan, salah satu aplikasi konsumen bertenaga AI pertama yang sukses.
“Mahasiswa mengungkapkan kekhawatiran bahwa AI generatif akan mempengaruhi pasar kerja rekayasa perangkat lunak, terutama untuk posisi entry-level, namun mereka masih bersemangat untuk berkarir di bidang komputasi,” tulisnya dalam email kepada Business Insider. “Saya memberi tahu mereka bahwa menurut saya banyak aspek menantang dalam pengembangan perangkat lunak tidak dapat dilakukan secara andal oleh AI generatif pada saat ini, dan saya berharap masih akan ada peran penting bagi pengembang perangkat lunak manusia di masa depan.”
AI tidak dapat melakukan hal-hal baru dengan baik
AI generatif saat ini sangat baik dalam mereplikasi bagian dari program perangkat lunak yang telah ditulis berkali-kali sebelumnya, jelas DeNero.
Itu termasuk tugas pekerjaan rumah ilmu komputer! Lihat liputan BI tentang seberapa banyak ChatGPT digunakan untuk menyontek pekerjaan rumah.
Bagaimana jika Anda ingin membuat sesuatu yang baru? Di sinilah manusia pembuat kode yang cerdas masih dibutuhkan. (Hal ini masuk akal karena model AI dilatih berdasarkan data. Jika informasi tersebut belum ada atau bukan bagian dari kumpulan data pelatihan, model sering kali mendapat masalah).
AI generatif “membutuhkan banyak campur tangan manusia untuk menghasilkan sesuatu yang baru, dan semua proyek pengembangan perangkat lunak yang penting melibatkan banyak hal baru,” kata DeNero. “Itulah bagian tersulit dan menarik dari komputasi yang saat ini membutuhkan orang-orang pintar dan terlatih.”
“AI generatif dapat mempercepat bagian-bagian penting dalam pengembangan perangkat lunak, dan pengembang perangkat lunak cenderung mengadopsi alat efisiensi dengan cepat,” tambahnya.
Apa yang terjadi di Lilt?
Hal ini berlaku untuk apa yang terjadi di Lilt, yang sedang membangun platform AI untuk penerjemah.
Google Terjemahan pertama kali keluar 18 tahun lalu. Namun tetap saja, ahli bahasa manusia mempunyai pekerjaan dan diandalkan ketika penerjemahan benar-benar penting. Misalnya, Anda mungkin dapat menggunakan Google Terjemahan untuk membaca jadwal kereta api Jepang, tetapi apakah Anda akan menggunakan aplikasi tersebut untuk menerjemahkan kontrak terpenting bisnis Anda tanpa meminta manusia ahli untuk memeriksanya? Mungkin tidak.
“Untuk menghasilkan terjemahan berkualitas publikasi yang andal, ahli bahasa masih menjadi pusat prosesnya, namun dengan menggunakan model AI generatif khusus tugas Lilt, para ahli tersebut jauh lebih cepat, akurat, dan lebih konsisten,” kata DeNero. “Hasilnya, lebih banyak teks diterjemahkan dengan kualitas lebih tinggi ke lebih banyak bahasa.”
Ia mengharapkan pola yang sama juga terjadi dalam pengembangan perangkat lunak: Sebuah tim kecil yang terdiri dari manusia pengembang yang sangat terlatih akan memiliki kapasitas yang lebih besar untuk membangun perangkat lunak yang berguna dan berkualitas tinggi.
“Jadi, lulusan Berkeley di masa depan akan memiliki banyak kesempatan untuk menggunakan keterampilan komputasi mereka untuk memperbaiki dunia,” kata DeNero. “Mudah-mudahan lebih banyak lagi dari mereka yang datang bekerja untuk Lilt.”
Sumber: businessinsider.com
Email: info@konsultanpendidikan.com





