gambar seorang pemuda di laptop dengan robot duduk di depannya
Image by Alexandra_Koch

Lebih dari 100 juta orang menggunakan ChatGPT pada bulan Januari saja, menurut satu perkiraan, menjadikannya aplikasi konsumen dengan pertumbuhan tercepat dalam sejarah. Dengan membuat resume, esai, lelucon, dan bahkan puisi sebagai tanggapan atas permintaan, perangkat lunak tidak hanya berfokus pada kekuatan penangkapan model bahasa, tetapi juga pentingnya membingkai pertanyaan kita dengan benar.

Untuk itu, beberapa tahun lalu saya memprakarsai Inisiatif 100 Pertanyaan, yang berupaya mengkatalisasi perubahan budaya dalam cara kami memanfaatkan data dan mengembangkan wawasan ilmiah. Proyek ini bertujuan tidak hanya untuk menghasilkan pertanyaan baru, tetapi juga menata ulang proses menanyakannya.

Rasa lapar yang terprogram akan jawaban

Sebagai spesies dan masyarakat, kita cenderung mencari jawaban. Jawaban tampaknya memberikan kejelasan dan kepastian, dan dapat membantu memandu tindakan dan keputusan kebijakan kita. Namun setiap jawaban mewakili tahap akhir sementara dari sebuah proses yang dimulai dengan pertanyaan – dan seringkali dapat menghasilkan lebih banyak pertanyaan. Einstein menarik perhatian pada pentingnya bagaimana pertanyaan dibingkai, yang seringkali dapat menentukan (atau setidaknya memainkan peran penting dalam menentukan) jawaban yang akhirnya kita capai. Bingkai pertanyaan secara berbeda dan seseorang mungkin mencapai jawaban yang berbeda. Namun sebagai masyarakat kita meremehkan tindakan bertanya – siapa yang merumuskan pertanyaan, bagaimana mereka melakukannya, dampaknya pada apa yang kita selidiki, dan pada keputusan yang kita buat. Kami juga tidak memberikan perhatian yang cukup pada apakah jawaban sebenarnya menjawab pertanyaan yang awalnya diajukan.

Pertanyaan memainkan peran kunci dalam banyak aspek kehidupan kita. Pertanyaan yang tepat sangat penting, misalnya, untuk proses ilmiah, mendorong penyelidikan dan eksplorasi di berbagai topik dan masalah, serta membentuk kebijakan publik. Pertimbangkan daftar vaksin yang direkomendasikan pemerintah untuk anak sekolah. Daftar ini merupakan titik akhir (jawaban) dalam proses yang panjang. Namun pertanyaan apa yang dimulai oleh para ilmuwan dan pembuat kebijakan untuk sampai pada daftar ini? Apa tujuan kesehatan masyarakat yang mereka tentukan sendiri, bagaimana mereka menentukan kemanjuran dan titik potong apa yang mereka pilih dalam keseimbangan antara manfaat dan risiko? Pertanyaan semacam itu memiliki peran penting dalam pemilihan akhir vaksin yang ditempatkan pada daftar, serta dalam kesehatan masyarakat. 

Pelaporan sains cenderung berfokus pada hasil dan wawasan. Ini mewakili informasi tingkat akhir atau tingkat atas. Seperti yang diilustrasikan oleh contoh di atas, lebih banyak perhatian pada pertanyaan dan cara mereka dibingkai akan membantu mengontekstualisasikan informasi tahap akhir, memungkinkan pembuat kebijakan dan warga negara sama-sama membuat keputusan yang lebih baik dan lebih bertanggung jawab.


grafis berlangganan batin


Pertanyaan juga memberi nilai pada data. Sebagian besar pelaporan dan komentar hari ini berfokus pada jumlah data yang dihasilkan dan kebutuhan untuk membukanya untuk konsumsi ilmiah dan publik – yaitu, pasokan data mentah. Tetapi pertanyaan adalah apa yang mengubah data mentah menjadi informasi: pertanyaan yang kami ajukan membingkai masalah yang ingin kami pecahkan, memungkinkan kami memanfaatkan data untuk kepentingan publik.

Mengapa AI membuat ilmu bertanya semakin mendesak

Munculnya model bahasa besar (LLM) dan bidang rekayasa cepat telah memaparkan kami pada pentingnya membingkai pertanyaan dengan benar, untuk mendapatkan LLM memberikan jawaban (meskipun kebenaran dan kebenaran jawaban ini tetap menjadi masalah). Namun sebelum rekayasa cepat menjadi relevan, penting untuk diperhatikan bahwa ketika insinyur AI mengembangkan model pembelajaran mesin yang belajar dari data, apa yang dipelajarinya – yang berarti model itu sendiri – bergantung pada pertanyaan yang ingin dijawab oleh data.

Penting juga untuk diingat bahwa jawaban yang diberikan oleh sistem AI mungkin mencerminkan bias atau kekosongan dalam data yang mendasarinya. Masalah ini telah disorot, misalnya, dalam konteks sistem Q&A otomatis seperti Alexa dan Siri, yang memberikan jawaban kepada banyak rumah tangga untuk berbagai tugas dan pertanyaan sehari-hari. Menemukan dan mengembangkan cara untuk merumuskan pertanyaan sehingga mereka mengatasi beberapa bias yang melekat pada data karenanya harus menjadi bagian penting dari praktik dan teori rekayasa cepat - dan, lebih umum, ilmu pertanyaan yang muncul di era data.

Peran pertanyaan mungkin meningkat dalam lingkungan digital, tetapi kepentingannya sebenarnya jauh lebih dalam. Ada tradisi panjang, setidaknya sejak Socrates dan banyak aliran pemikiran Timur, menggunakan pertanyaan untuk memajukan pedagogi dan berbagai bentuk pembelajaran manusia dan sosial. Orang lain telah menulis tentang perlunya “pedagogi pertanyaan”. Dan baru-baru ini, para ilmuwan dan cendekiawan telah mengeksplorasi penggunaan Metode Socrates dalam analitik data dan mempromosikan literasi data.

Pertanyaan untuk memerangi informasi yang berlebihan

Pada akhirnya, dengan membantu kita memahami apa yang sebenarnya penting, pertanyaan adalah pendorong perubahan dan perbaikan masyarakat. Mereka membantu menetapkan prioritas, dan memungkinkan kita membayangkan alternatif. Dengan demikian, pertanyaan bersifat politis. Dan, seperti yang dijelaskan Perry Zurn di Politik Keingintahuan komitmen politik kita sering menginformasikan pertanyaan yang menurut kita layak ditanyakan.

Ketika masyarakat menjadi kelebihan beban dengan data dan temuan yang berasal dari data, kita semakin menjauh dari pertanyaan. Posting ini merupakan pembenaran awal untuk apa yang mungkin kita anggap sebagai ilmu pertanyaan baru.

Untuk mendefinisikan dan menciptakan ilmu semacam itu, sebenarnya kita perlu memulai dengan mengajukan serangkaian pertanyaan kepada diri kita sendiri. Bagaimana kita dapat membuat pelaporan sains lebih fokus pada pertanyaan yang diajukan dalam sains? Apa itu pertanyaan bagus (dan pertanyaan buruk)? Bagaimana kita bisa melengkapi ilmu data dengan ilmu pertanyaan baru? Bagaimana kita bisa mengaktifkan pembelajar untuk menjadi penanya? Bagaimana kami memastikan pertanyaan bersifat inklusif dan bebas bias? Bagaimana kita memenuhi potensi pembelajaran mesin dan AI dengan pertanyaan yang bagus?

Menghadapi dan menjawab pertanyaan semacam itu membutuhkan upaya interdisipliner baru yang akan menyatukan para ilmuwan, ilmuwan data, penulis sains, aktor perubahan sosial, seniman, dan pakar pendidikan. Sekilas tentang upaya tersebut sudah berlangsung. Tapi kita membutuhkan lebih banyak interaksi lintas informasi dan silo disipliner, dan kita perlu mendorong percakapan yang mengalihkan fokus masyarakat kita dari jawaban dan menuju konteks dan tujuan – pada dasarnya, mengajukan pertanyaan yang tepat.

Tentang Penulis

Stefan G. Verhulst, Co-Founder dan Chief Research and Development Officer of the Governance Laboratory (GovLab), New York University Artikel ini ditulis bersama dengan Anil Ananthaswamy, seorang penulis sains dan mantan penulis untuk majalah New Scientist.Percakapan

Artikel ini diterbitkan kembali dari Percakapan di bawah lisensi Creative Commons. Membaca Artikel asli.

Buku tentang Meningkatkan Kinerja dari daftar Penjual Terbaik Amazon

"Puncak: Rahasia dari Ilmu Keahlian Baru"

oleh Anders Ericsson dan Robert Pool

Dalam buku ini, penulis memanfaatkan penelitian mereka di bidang keahlian untuk memberikan wawasan tentang bagaimana setiap orang dapat meningkatkan kinerjanya dalam bidang kehidupan apa pun. Buku ini menawarkan strategi praktis untuk mengembangkan keterampilan dan mencapai penguasaan, dengan fokus pada latihan dan umpan balik yang disengaja.

Klik untuk info lebih lanjut atau untuk memesan

"Kebiasaan Atom: Cara Mudah & Terbukti untuk Membangun Kebiasaan Baik & Menghilangkan Kebiasaan Buruk"

oleh James Clear

Buku ini menawarkan strategi praktis untuk membangun kebiasaan baik dan menghilangkan kebiasaan buruk, dengan fokus pada perubahan kecil yang dapat membawa hasil besar. Buku ini mengacu pada penelitian ilmiah dan contoh dunia nyata untuk memberikan saran yang dapat ditindaklanjuti bagi siapa saja yang ingin meningkatkan kebiasaan mereka dan mencapai kesuksesan.

Klik untuk info lebih lanjut atau untuk memesan

"Pola Pikir: Psikologi Kesuksesan Baru"

oleh Carol S. Dweck

Dalam buku ini, Carol Dweck mengeksplorasi konsep pola pikir dan bagaimana hal itu dapat memengaruhi kinerja dan kesuksesan kita dalam hidup. Buku ini menawarkan wawasan tentang perbedaan antara mindset tetap dan mindset berkembang, serta memberikan strategi praktis untuk mengembangkan mindset berkembang dan mencapai kesuksesan yang lebih besar.

Klik untuk info lebih lanjut atau untuk memesan

"Kekuatan Kebiasaan: Mengapa Kita Melakukan Apa yang Kita Lakukan dalam Kehidupan dan Bisnis"

oleh Charles Duhigg

Dalam buku ini, Charles Duhigg mengeksplorasi ilmu di balik pembentukan kebiasaan dan bagaimana kebiasaan itu dapat digunakan untuk meningkatkan kinerja kita di semua bidang kehidupan. Buku ini menawarkan strategi praktis untuk mengembangkan kebiasaan baik, menghentikan kebiasaan buruk, dan menciptakan perubahan yang bertahan lama.

Klik untuk info lebih lanjut atau untuk memesan

"Lebih Cerdas Lebih Cepat Lebih Baik: Rahasia Menjadi Produktif dalam Kehidupan dan Bisnis"

oleh Charles Duhigg

Dalam buku ini, Charles Duhigg mengeksplorasi ilmu tentang produktivitas dan bagaimana hal itu dapat digunakan untuk meningkatkan kinerja kita di semua bidang kehidupan. Buku ini mengacu pada contoh dan penelitian dunia nyata untuk memberikan saran praktis untuk mencapai produktivitas dan kesuksesan yang lebih besar.

Klik untuk info lebih lanjut atau untuk memesan