Kesenjangan Efisiensi: Bayi 100 Juta Kata vs AI Triliunan Token
Efisiensi pembelajaran AI adalah istilah yang menggambarkan seberapa banyak data yang dibutuhkan sistem kecerdasan buatan untuk mencapai kemampuan tertentu dibandingkan dengan manusia, dan dalam konteks bahasa, perbedaan antara pembelajaran bayi vs AI menunjukkan bahwa bayi hanya membutuhkan puluhan juta kata untuk berbicara fasih sementara model bahasa data besar memerlukan triliunan token teks untuk mendekati kemampuan yang sama, sehingga muncul kesenjangan besar yang disebut data efficiency gap.
Inti persoalan ada di sini: seorang anak dapat menguasai bahasa ibunya dengan mendengar sekitar 100 juta kata hingga usia remaja, sedangkan model AI modern seperti Llama 3.1 dilatih dengan sekitar 15 triliun token—seratus ribu kali pengalaman bahasa manusia. Jika ini adalah perlombaan efisiensi, bayi menang telak sejak garis start. Jurang ini bukan sekadar angka; ini adalah alarm bahwa arsitektur dan strategi pembelajaran AI kita sangat boros. Kita memaksa mesin belajar bahasa dengan cara menyapu bersih seluruh teks dunia, sementara bayi hanya butuh percakapan di ruang keluarga.
Pelajaran dari Stanford: 30 Juta Kata yang Mengalahkan Triliunan
Penelitian kognitif di Stanford menegaskan sesuatu yang tidak nyaman bagi dunia AI: balita mulai menghasilkan kalimat yang benar secara gramatikal setelah mendengar sekitar 10–30 juta kata. Dalam kata lain, sekitar 30 juta kata sudah cukup untuk mengangkat seorang anak ke tingkat penguasaan bahasa yang fungsional. Sementara itu, GPT-2 yang dilatih dengan jumlah kata serupa hanya menghasilkan omong kosong. Itu bukan sekadar perbedaan kinerja; itu bukti bahwa ada sesuatu yang sangat salah dengan cara kita merancang model bahasa data besar.
Michael C. Frank menyindir bahwa untuk meniru pencapaian setahun di ruang tamu keluarga, industri harus “membakar hutan dan mengeruk seluruh pengetahuan manusia”. Pernyataan ini tajam karena benar: strategi penskalaan besar-besaran adalah tambal sulam, bukan solusi elegan. Ketika balita menangkap aturan linguistik seperti spons kecil yang menyerap lingkungan sekitar, LLM sibuk menghitung statistik kata dari korpus tak berujung. Jika kita tetap mengandalkan penskalaan data buta, kita sedang membangun menara bahasa di atas fondasi ketidakefisienan.
Mengapa Otak Bayi Lebih Efisien daripada Model Bahasa
Perbedaan antara pembelajaran bayi vs AI mengungkap perbedaan mendasar dalam cara belajar: bayi belajar bahasa melalui interaksi sosial, konteks kaya, dan pengalaman langsung; AI chatbot belajar dari pola statistik teks masif. Bayi mengaitkan kata dengan objek, emosi, dan niat, melalui tatapan, gestur, dan respons orang dewasa. Model transformer, sebaliknya, memproses token demi token tanpa tubuh, tanpa dunia fisik, tanpa tarikan emosi. Tidak heran efisiensi pembelajaran AI tertinggal: kita memaksa mesin memecahkan teka-teki bahasa dengan hanya melihat teks, sementara otak bayi memegang seluruh kotak alat biologis.
Ketidakefisienan ini sudah diakui sebagai masalah besar bagi industri dan menjadi fokus utama penelitian pengembangan AI. Fakta bahwa bayi mampu menyerap aturan linguistik dan kosakata dengan cepat, sedangkan AI chatbot tetap boros data meski diberi korpus yang jauh lebih besar, menunjukkan kelemahan struktural dalam arsitektur pembelajaran mesin saat ini. Otak bayi adalah mesin eksplorasi aktif; model bahasa adalah mesin prediksi pasif. Selama AI tidak memiliki mekanisme eksplorasi, perhatian, dan generalisasi yang sebanding dengan proses biologis, kita akan terus membayar mahal—dalam data dan energi—untuk kemampuan yang bayi dapatkan hampir “gratis”.
BabyLM: Bukti Bahwa AI Bisa Lebih Hemat Data, Tapi Belum Cukup
Kompetisi BabyLM adalah eksperimen berani: memaksa peneliti melatih model bahasa hanya dengan 100 juta kata untuk trek balita dan 10 juta kata untuk trek anak. Hasilnya mengganggu status quo penskalaan. Pemenang 2024, GPT-BERT, yang dilatih dengan sekitar 100 juta kata, mampu mengalahkan Llama 2 70B—model yang memakai data 15.000 kali lebih banyak—pada salah satu tolok ukur BabyLM. Ini tamparan halus: model bahasa data besar bukan satu-satunya jalan, dan kadang bukan jalan terbaik.
Namun euforia harus ditahan. Model BabyLM masih jauh dari kemampuan LLM komersial dan banyak yang bahkan tidak bisa menghasilkan teks sama sekali. Eksperimen ini menunjukkan potensi, bukan kemenangan. Ia membuktikan efisiensi pembelajaran AI bisa ditingkatkan, tapi juga memperlihatkan seberapa jauh jarak kita dari keluwesan bayi. Bahkan strategi yang tampak intuitif seperti curriculum learning—mengurutkan data dari sederhana ke kompleks—ternyata tidak krusial bagi transformer. Dengan kata lain, kita belum menemukan “kurikulum” yang membuat mesin belajar seperti anak. Tantangan riset AI yang sesungguhnya bukan sekadar memampatkan data, melainkan merancang ulang cara model membangun pengetahuan dari pengalaman terbatas.
Menuju Generasi AI yang Belajar Seperti Anak, Bukan Mesin Hitung
Ketidakmampuan AI chatbot untuk belajar bahasa secara efisien bukan detail teknis; ini ancaman strategis bagi masa depan AI. Perusahaan yang berharap mencapai kecerdasan setara manusia dengan sekadar memperbesar model bahasa menghadapi jalan buntu. Selama data efficiency gap tetap selebar sekarang, setiap lompatan kemampuan akan menuntut lebih banyak data, energi, dan infrastruktur. Itu bukan visi kecerdasan buatan yang berkelanjutan; itu adalah perlombaan konsumsi sumber daya.
Rekam kehidupan bayi melalui proyek seperti SAYCam dan pengumpulan 1.000 hari pertama 17 anak menunjukkan arah baru: AI yang belajar dari video, suara, dan konteks dunia nyata. Tantangan teknisnya besar, tetapi tidak ada jalan pintas jika kita ingin meniru keajaiban bayi yang disebut Michael C. Frank sebagai “sungguh ajaib”. Kesimpulannya tegas: efisiensi pembelajaran AI harus menjadi metrik utama, bukan efek samping. Kita perlu berhenti terpukau pada kelancaran teks LLM dan mulai mengukur seberapa irit mereka belajar. Bayi sudah menunjukkan standar emasnya; sekarang giliran AI mengejar, bukan dengan menelan lebih banyak data, tetapi dengan belajar lebih cerdas.
