LLM Terjebak dalam Pola Pikir Kelompok, Startup Ini Punya Solusinya
Fenomena Groupthink pada Model Bahasa Besar
Pernahkah Anda meminta chatbot favorit, seperti ChatGPT, Claude, atau Gemini, untuk memberikan angka acak antara 1 dan 10? Jika ya, kemungkinan besar Anda akan mendapatkan jawaban 7. Minta lagi, dan Anda akan mendapat 3 atau 4. Minta sekali lagi, dan hasilnya 8 atau 9. Ini bukan kebetulan—ini adalah pola yang menunjukkan bahwa sebagian besar model bahasa besar (LLM) saat ini terjebak dalam kebiasaan berpikir kelompok atau groupthink.
Fenomena ini membuat LLM jauh lebih dapat diprediksi dan kurang kreatif daripada yang diharapkan. Untuk tugas seperti coding atau riset, hal ini mungkin tidak masalah. Namun, saat Anda membutuhkan ide segar untuk kampanye pemasaran atau merencanakan liburan, groupthink menjadi kendala serius. Sebuah studi dari tim peneliti pada November 2024, berjudul “Artificial Hivemind: The Open-Ended Homogeneity of Language Models (and Beyond)”, mengungkapkan tingkat pengulangan yang mencolok tidak hanya dalam jawaban dari satu LLM, tetapi juga antar model yang berbeda. Studi ini memenangkan penghargaan best paper di NeurIPS, konferensi AI terkemuka.
Startup Springboards dan Solusi Flint
Apa Itu Flint?
Startup asal Australia, Springboards, hadir dengan solusi inovatif. Mereka mengembangkan LLM bernama Flint yang dilatih untuk menghasilkan variasi respons yang lebih LLMs terhadap pertanyaan terbuka, seperti “Ke mana saya harus pergi di Eropa?” Berbeda dengan LLM mainstream yang cenderung menghindari hallucinations (informasi yang tidak akurat), Flint justru menyambutnya sebagai sumber kreativitas. “Kebanyakan model bahasa berjuang melawan halusinasi. Kami menyambutnya,” ujar Pip Bingemann, salah satu pendiri dan CEO Springboards.
Permainan Angka Acak sebagai Bukti
Bingemann mendemonstrasikan keunikan Flint melalui permainan angka acak. Saat ChatGPT dan Claude memberikan angka 7, Flint juga memberikan 7 pada percobaan pertama. Namun, setelah sesi di-restart, Flint memberikan angka 3,7916. Ini menunjukkan bahwa Flint tidak sekadar mengulang pola yang sama, melainkan benar-benar menghasilkan variasi.
Perbandingan Respons Antar Model
Merek Mobil dan Tagline Sepatu
Bingemann juga membandingkan respons saat diminta menyebutkan jenis mobil. ChatGPT dan Claude cenderung memilih Toyota atau Honda, sementara Flint memilih Ford F-150. “Ada banyak informasi yang hilang yang tidak disajikan dalam model-model ini,” kata Bingemann. “Mereka sebenarnya mampu menyebut Buick atau Tesla, tetapi mereka tidak melakukannya—mereka bias.”
Dalam uji coba tagline untuk kampanye sepatu lari New Balance, Claude dan ChatGPT sama-sama menghasilkan “Run your way”, sementara Flint memberikan “Built to last, run to win”. Meskipun tidak sempurna, setidaknya Flint menawarkan sesuatu yang berbeda.
Metafora Waktu dan Nama Band
Studi “Artificial Hivemind” menemukan bahwa ketika 25 LLM berbeda diminta membuat metafora tentang waktu, sebagian besar menjawab “Waktu adalah sungai” atau “Waktu adalah penenun”. Contoh lain: saat diminta memberi nama band, sebagian besar model menyarankan kata-kata seperti “glass”, “neon”, “velvet”, atau “static”. ChatGPT bahkan menyarankan “Glass Harbor” di urutan pertama, sementara Gemini memberikan “Static Horizon”.
Kieran Browne, CTO Springboards, menekankan bahwa pengguna sering tidak menyadari sejauh mana mereka mendapatkan jawaban yang sama dengan orang lain. “Cara sebagian besar antarmuka obrolan dirancang membuat Anda merasa sedang melakukan percakapan pribadi. Saya pikir kebanyakan orang tidak benar-benar menyadari bahwa mereka mendapatkan hal yang sama dengan orang lain,” jelasnya.
Dampak pada Industri Kreatif
Alat Bantu Brainstorming untuk Profesional Kreatif
Springboards telah mengembangkan alat yang didukung oleh beberapa LLM, termasuk ChatGPT dan Claude, yang dapat digunakan oleh profesional kreatif di bidang periklanan atau pemasaran untuk bertukar pikiran. Alat ini memungkinkan pengguna menyeret This yang dihasilkan oleh model berbeda, memilih bagian yang disukai, dan menggabungkannya menjadi sesuatu yang baru. Flint ditawarkan sebagai model alternatif yang dapat dipilih saat pengguna menginginkan variasi lebih besar.
Testimoni Pengguna
Zoe Scaman, pendiri startup strategi bisnis Bodacious dan chief strategy officer di 77X, telah mencoba alat ini. “Saya merasa ini sangat berguna untuk melempar saya ke arah yang benar-benar berbeda,” katanya. “Saya menggunakannya jika ingin melontarkan diri ke segala arah.”
Dalam satu pengujian, Scaman membandingkan Flint dengan Claude, Gemini, dan ChatGPT dengan memberikan studi kasus MBA klasik: Bagaimana Anda akan mereinvensi perusahaan keuangan untuk anak muda saat ini? Ketiga model mainstream semuanya mengambil jalur yang sama, yaitu mengajarkan literasi keuangan dengan cara yang menyenangkan. Sebaliknya, Flint memberikan pendekatan yang berbeda, menunjukkan potensinya sebagai katalis kreativitas.
Penyebab dan Tantangan Groupthink pada LLM
Meskipun penyebab pasti groupthink pada LLM belum sepenuhnya dipahami, para peneliti berspekulasi bahwa hal ini terjadi karena sebagian besar LLM saat ini dilatih dengan cara serupa pada data serupa untuk melakukan tugas serupa. OpenAI sendiri menyatakan bahwa melatih model untuk memberikan jawaban yang andal dan koheren dapat menyebabkan mereka berkumpul di sekitar respons yang familier dengan probabilitas tinggi, dan mendorong kebaruan dapat menyebabkan respons yang lebih lemah atau kurang dapat diandalkan.
Kesimpulan
Fenomena groupthink pada LLM menjadi perhatian yang semakin besar, terutama bagi mereka yang mengandalkan AI untuk tugas kreatif. Startup seperti Springboards dengan Flint menawarkan angin segar dengan merangkul variasi dan halusinasi sebagai sumber inovasi. Meskipun masih dalam tahap awal, pendekatan ini membuka jalan bagi pengembangan AI yang lebih beragam dan kreatif, membantu pengguna keluar dari kebiasaan berpikir kelompok dan menemukan ide-ide baru yang segar.
