Media sosial (medsos) tidak hanya berdampak negatif pada manusia, tetapi juga dapat berdampak buruk pada teknologi kecerdasan buatan (artificial intelligence/AI) jika digunakan secara berlebihan. Menurut peneliti dari University of Texas at Austin dan Case Western Reserve University, AI model bahasa besar (large language models atau LLM) yang dilatih dengan “data sampah” cenderung mengalami penurunan kemampuan penalaran logis dan bahkan menunjukkan perubahan kepribadian yang mengkhawatirkan. Hal ini terungkap dalam sebuah riset yang diterbitkan di arXiv pada pertengahan bulan Oktober.
Para peneliti menyimpulkan bahwa data berkualitas rendah, seperti unggahan media sosial yang pendek, dangkal, atau hanya berisi opini populer tanpa substansi, dapat merusak kemampuan AI dalam merespons secara etis, menunjukkan kepribadian tertentu, dan menanggapi informasi dengan baik. Model-model seperti Llama 3 dan Qwen yang dilatih dengan data berkualitas rendah dari media sosial cenderung melakukan kesalahan dalam penalaran logis, memberikan jawaban yang tidak akurat, dan bahkan menghasilkan kesimpulan yang keliru.
Tidak hanya itu, model AI ini juga mulai memperlihatkan ciri kepribadian yang negatif setelah dilatih dengan data dangkal dan sensasional. Mereka menjadi manipulatif, tidak peduli pada etika, dan bahkan muncul sifat psikopati berdasarkan kuesioner psikologi yang digunakan untuk menilai manusia. Upaya untuk memperbaiki model-model ini dengan menambahkan prompt instruction dan data berkualitas tinggi dalam pelatihan hanya memberikan hasil yang terbatas.
Temuan ini memberikan peringatan bagi perusahaan teknologi yang menggunakan konten media sosial dalam melatih AI mereka. Penggunaan data berkualitas rendah dengan intensitas yang tinggi dapat berdampak negatif pada kemampuan AI dalam berpikir logis dan merespons informasi dengan benar. Oleh karena itu, penting untuk memberikan makanan yang baik bagi pikiran AI dengan memberikan data yang berkualitas tinggi dan memberi perhatian pada kualitas informasi yang diberikan, bukan hanya pada kuantitasnya.
