Setelah cukup lama mengobrol dengan AI, kadang muncul perasaan bahwa kita mendadak tahu banyak hal. Awalnya membahas hewan, lalu tanpa terasa kita merasa bisa menjelaskan soal tidur sampai cara bekerja. Rasanya menyenangkan.
Namun, setelah berpaling dari layar, penjelasannya belum tentu bisa kita ulangi. Agar percakapan benar-benar menjadi proses belajar, kita perlu menyampaikan dugaan sendiri, memeriksa dasar penjelasannya, lalu mencoba menjelaskan kembali tanpa bantuan.
Jadi, jawaban atas pertanyaan “apakah mengobrol dengan AI membuat kita lebih pintar?” bergantung pada apa yang kita lakukan selama percakapan. Lewat satu contoh, artikel ini membahas cara memperdalam pertanyaan, memeriksa sumber, dan menguji apakah kita sungguh paham atau baru merasa paham.
“Tikus tanah juga bisa murung?”: pecah pertanyaan menjadi beberapa bagian
Kita boleh mulai dari pertanyaan ringan, misalnya “tikus tanah juga bisa murung?”. Jika AI memperkenalkan penelitian tentang stres pada hewan, pertanyaan berikutnya tidak harus berhenti pada “hewan apa lagi yang begitu?”.
- Apa yang diukur dalam penelitian itu sehingga kondisinya disebut “mirip depresi”?
- Bagaimana peneliti membedakan penurunan aktivitas dari kelelahan atau menurunnya kemampuan bergerak?
- Sejauh mana hasil tersebut bisa menjelaskan sesuatu tentang manusia?
Dengan cara ini, cerita menarik berubah menjadi pertanyaan yang bisa diperiksa. Jika contohnya penelitian pada lalat, kita bisa melihat dulu perilaku apa yang diamati dalam eksperimen, sebelum menyimpulkan bahwa “lalat mengalami kemurungan yang sama dengan manusia”.
Dari situ, percakapan bisa melebar ke hibernasi, perubahan suasana hati seiring musim, atau pikiran yang terus berputar. Namun, setelah menghubungkan topik-topik itu, periksa dasar setiap hubungannya. Beberapa cerita yang terdengar mirip belum tentu berasal dari satu mekanisme yang sama.
Minta AI membuka cabang pertanyaan, bukan sekadar memperpanjang jawaban
Mengulang “jelaskan lebih detail” belum tentu membuat percakapan lebih dalam. Kadang jawabannya hanya menjadi lebih panjang. Sebagai gantinya, tunjukkan bagian yang membuat kita penasaran atau bingung.
“Jelaskan penurunan aktivitas dari tiga sudut pandang: kondisi fisik, lingkungan, dan perilaku yang dipelajari. Pengamatan apa yang bisa menguji masing-masing penjelasan?”
Permintaan seperti ini memudahkan kita memilih apa yang perlu ditelusuri berikutnya. Saat menemukan istilah teknis, kita juga bisa bertanya, “Perbedaan apa yang bisa dijelaskan dengan konsep ini?”.
Coba sampaikan dugaan sendiri lebih dulu. “Menurut saya, kondisi hewan yang sedang lelah sudah cukup untuk menjelaskan mengapa ia tidak bergerak. Kalau belum cukup, hasil pengamatan seperti apa yang akan menunjukkannya?” Benar atau salah, dugaan itu membantu memperjelas bagian yang perlu diperbaiki.
Kita tidak harus langsung bisa membuat pertanyaan tajam. Bisa juga mengatakan, “Saya sendiri belum tahu bagian mana yang belum saya pahami,” lalu meminta AI mengajukan pertanyaan pengecekan satu per satu.
Saat penjelasannya terasa sangat masuk akal, kembali ke sumber
Dalam contoh ini, kita perlu berhati-hati agar kesamaan berupa “aktivitas menurun” tidak berubah menjadi penjelasan serba guna. Pisahkan peran masing-masing sumber.
- Eksperimen Ries dan rekan-rekannya pada lalat melaporkan penurunan perilaku spontan setelah stres akibat getaran.
- Artikel tinjauan Dantzer dan rekan-rekannya membahas hubungan antara peradangan, perubahan perilaku saat sakit, dan depresi.
- NIMH menjelaskan gangguan afektif musiman sebagai jenis depresi yang berulang mengikuti musim.
- Makalah Suddendorf dan Corballis tahun 1997 membahas “perjalanan waktu mental”, yaitu membayangkan masa lalu atau masa depan.
Jika semua itu langsung dirangkum menjadi “depresi musim dingin adalah hibernasi ringan” atau “depresi berevolusi untuk membatasi kerugian”, uraian penelitian sudah bercampur dengan metafora dan hipotesis. Metafora “mode hemat daya” mungkin membantu, tetapi tidak bisa begitu saja dipakai untuk menjelaskan penyebab atau pengobatan. Mengutip pembahasan tahun 1997 juga tidak cukup untuk menetapkan kesimpulan terkini tentang kemampuan hewan lain.
Kita bisa meminta AI seperti ini:
“Pisahkan penjelasan tadi menjadi temuan yang sudah ditunjukkan oleh penelitian, hipotesis peneliti, dan metafora untuk membantu penjelasan. Untuk setiap penelitian, sertakan judul makalah, tahun, subjek penelitian, apa yang diukur, dan URL-nya.”
Setelah itu, buka tautannya, periksa judul dan nama penulis, lalu baca abstrak atau bagian yang relevan. Tautan yang benar-benar ada belum tentu mendukung klaim yang disampaikan. Klaim yang belum bisa ditemukan dasarnya boleh tetap diberi status belum terverifikasi. Langkah kecil ini membantu membedakan cerita yang meyakinkan dari pengetahuan yang telah diteliti.
Model yang berguna menunjukkan apa yang perlu diperiksa berikutnya
“Model” di sini berarti kerangka sederhana untuk menata situasi dan memikirkan apa yang bisa dicoba selanjutnya. Tidak perlu berupa teori besar yang menjelaskan seluruh dunia.
Bayangkan situasi sehari-hari: kita sudah duduk di meja, tetapi pekerjaan tidak juga maju. Alih-alih berhenti pada “saya memang susah fokus”, pecah penjelasannya menjadi tiga kemungkinan.
- Notifikasi terus masuk dan memecah perhatian.
- Tugas “menyiapkan materi” terlalu luas sehingga langkah pertamanya tidak jelas.
- Kita mengantuk, jadi isi bacaan tidak terserap.
Setiap kemungkinan mengarah pada percobaan yang berbeda. Matikan notifikasi dan bekerja sebentar. Mulai dengan menulis tiga judul bagian. Beristirahat dari pekerjaan dan meninjau kembali kondisi tidur. Yang dibahas di sini adalah penyesuaian praktis untuk pekerjaan sehari-hari. Jika masalah suasana hati atau tidur terus berlangsung dan mengganggu kehidupan, berkonsultasi dengan tenaga kesehatan juga bisa menjadi pilihan.
Kembali ke perumpamaan tikus tanah: sebelum larut dalam pertanyaan “siapalah aku tanpa tanah untuk digali?”, coba cari tahu, “tanah yang bisa digali ada di mana, sih?”. Kita bahkan boleh bertanya, “Memangnya harus menggali?”.
Nilai metafora yang menarik terletak pada kemampuannya membawa pertanyaan maju. Ubah satu kondisi secara nyata, lalu amati apakah pekerjaan menjadi lebih mudah dimulai. Jika belum berhasil, perbaiki kerangkanya.
Bisa menjelaskan tanpa melihat layar? Bisa memakainya pada contoh lain?
Setelah membaca penjelasan AI dan merasa “oh, begitu”, sisipkan pemeriksaan singkat.
Pertama, alihkan pandangan dari layar dan jelaskan inti pembahasan dalam tiga kalimat dengan kata-kata sendiri. Lalu, pikirkan satu contoh yang belum muncul dalam percakapan. Terakhir, sebutkan keadaan ketika penjelasan itu tidak berlaku.
Apakah cara pandang “perubahan kondisi bisa mengubah perilaku” juga berguna saat beres-beres? Sebelum memutuskan barang mana yang perlu dibuang, mungkin masalahnya adalah tempat penyimpanannya belum ditentukan. Namun, jika semua kesulitan dianggap sebagai masalah tempat penyimpanan, penjelasannya menjadi terlalu menyederhanakan.
Kalau ingin menyerahkan penjelasan kita kembali kepada AI, daripada meminta “tulis ulang agar lebih bagus”, coba katakan:
“Tunjukkan bagian penjelasan saya yang masih kurang dan klaim yang terlalu pasti dibandingkan dengan buktinya. Jangan langsung memberikan jawaban yang benar. Ajukan satu pertanyaan agar saya bisa memikirkannya lagi.”
Dengan begitu, kita beralih dari menyalin jawaban ke memperbaiki pemahaman sendiri. Itulah yang dimaksud dengan metafora “latihan otot berpikir” dalam artikel ini. Hasilnya tidak perlu diukur dari panjang percakapan atau banyaknya istilah teknis yang terkumpul.
Di akhir percakapan, simpan tiga hal saja
Terus menjelajahi topik yang menarik memang menyenangkan. Namun, kalau ingin memakainya lagi nanti, tinggalkan catatan singkat di akhir.
- Yang sudah bisa saya jelaskan: pengamatan bahwa suatu perilaku berkurang dan penjelasan tentang penyebabnya perlu diperiksa secara terpisah.
- Yang masih belum saya ketahui: apakah eksperimen yang dibahas di artikel ini akan menghasilkan temuan yang sama dalam kondisi lain?
- Langkah berikutnya: membaca abstrak makalah yang dikutip, lalu membandingkannya dengan penjelasan AI.
Catatan itu menjadi pintu masuk saat kita membuka buku atau makalah berikutnya. Percakapan dengan AI membantu membuat peta pertanyaan, sumber membantu memeriksanya, lalu hasil bacaan membantu menggambar ulang peta tersebut. Jika bagian yang perlu dibaca lebih teliti sudah jelas, waktu untuk menelaah sumber pun bisa digunakan dengan lebih baik.
Bawa cerita menarik sampai kita bisa meninjaunya kembali sendiri
Salah satu hal menyenangkan dari percakapan dengan AI adalah bisa berangkat dari pertanyaan sederhana dan tiba di bidang lain yang sebelumnya tidak terpikirkan. Boleh mulai dari tikus tanah, boleh juga dari “mengapa memulai beres-beres terasa berat?”.
Ajukan satu dugaan. Buka sumber yang mendasarinya. Coba contoh lain. Jelaskan dengan kata-kata sendiri, lalu perbaiki bila perlu. Ketika kita bisa bolak-balik melalui proses itu, lebih banyak hal akan tertinggal setelah percakapan selesai.
Pertanyaan berikutnya boleh saja “ceritakan lebih banyak”. Namun, sesekali coba tanyakan, “Dari penjelasan sejauh ini, apa yang belum kita periksa?”. Bisa jadi, justru dari situlah percakapan menjadi lebih menarik.
Referensi (4)
- Suddendorf & Corballis (1997), Mental Time Travel and the Evolution of the Human Mind
- NIMH, Seasonal Affective Disorder
- Ries et al. (2017), Serotonin modulates a depression-like state in Drosophila responsive to lithium treatment
- Dantzer et al. (2008), From inflammation to sickness and depression: when the immune system subjugates the brain
