Menteri Pendidikan Dasar dan Menengah (Mendikdasmen), Abdul Mu’ti, dalam kebijakan pembelajaran mendalam, pekerjaan rumah (PR) boleh diberlakukan, tetapi bukan untuk mengerjakan soal melainkan tugasnya adalah membaca buku atau menulis.
“Nanti murid ditugaskan untuk menuliskan kembali, bisa membuat resume dari apa yang dibacanya atau murid menuliskan kembali isi dari bacaan itu dengan bahasanya sendiri. Bisa juga, murid menulis pengalaman mereka  saat liburan ke rumah nenek,” Abdul Mu’ti sebagaimana dikutip dari https://www.kemendikdasmen.go.id/siaran-pers.
Deep Learing, Makhluk Apa, sih?
Deep learning (pembelajaran mendalam) adalah suatu metode dalam kecerdasan buatan (AI) yang memanfaatkan jaringan saraf tiruan (neural networks) dengan banyak lapisan (layers) untuk memodelkan dan menyelesaikan berbagai tugas yang kompleks, seperti pengenalan gambar, pengolahan bahasa alami dan prediksi data.
Berdasarkan buku berjudul “Deep Learning” tulisan Ian Goodfellow, Yoshua Bengio, dan Aaron Courville (2016), terbitan The MIT Press, dikemukakan bahwa deep learning menggunakan jaringan saraf tiruan dengan banyak lapisan tersembunyi yang disebut deep neural networks (DNN). Lapisan-lapisan ini memproses data secara berlapis untuk mengekstraksi fitur-fitur yang semakin kompleks. Data diproses melalui banyak lapisan di dalam jaringan, di mana setiap lapisan secara bertahap mengekstraksi fitur-fitur yang lebih kompleks dan abstrak dari data tersebut. Ini memungkinkan model deep learning untuk belajar dari data yang tidak terstruktur, seperti gambar atau teks.
Salah satu keunggulan deep learning adalah kemampuannya untuk mengekstrak fitur secara otomatis dari data mentah tanpa memerlukan banyak pre-processing atau ekstraksi fitur manual, yang biasanya dibutuhkan dalam metode machine learning tradisional. Biasanya, deep learning membutuhkan data dalam jumlah besar untuk dapat melatih model secara efektif. Semakin banyak data yang digunakan, semakin baik model deep learning dalam mengenali pola dan membuat prediksi. Untuk melatih model deep learning, diperlukan perangkat keras yang kuat, terutama unit pemrosesan grafis (GPU) atau tensor processing unit (TPU), yang dapat menangani beban komputasi tinggi yang dibutuhkan oleh algoritma deep learning.
Berdasarkan uraian di atas penting dikemukakan bahwa tujuan utama model pembelajaran deep learning adalah untuk memecahkan masalah yang melibatkan data besar dan kompleks dengan cara yang lebih efisien dan akurat dibandingkan dengan teknik tradisional dalam machine learning. Deep learning digunakan untuk membuat prediksi yang lebih akurat dalam berbagai aplikasi, seperti pengenalan wajah, deteksi objek, dan pengolahan bahasa alami. Dengan menggunakan banyak lapisan jaringan saraf, deep learning dapat menangkap pola yang sangat kompleks dalam data yang sulit untuk ditangkap oleh algoritma tradisional.
Salah satu tujuan deep learning adalah mengotomatisasi proses ekstraksi fitur dari data mentah. Misalnya, dalam pengenalan gambar, deep learning dapat mempelajari fitur penting seperti bentuk, warna, dan tekstur dari gambar secara otomatis, tanpa memerlukan intervensi manusia untuk mengekstrak fitur-fitur tersebut.
Deep learning juga dinilai sangat efektif dalam menangani data tidak terstruktur seperti gambar, video, teks, dan suara. Teknik ini dapat digunakan untuk berbagai aplikasi, seperti pengenalan gambar, penerjemahan bahasa otomatis, dan analisis suara.
Salah satu keunggulan deep learning adalah dapat menghadirkan pembelajaran yang lebih merata, personal, inklusif, dan efisien, sehingga membantu meningkatkan kualitas pendidikan di Indonesia secara keseluruhan. Terlepas dari keunggulan tersebut, model pembelajaran deep learning juga memiliki dampak buruk, terutama bagi keberlanjutan budaya masyarakat setempat.
Banyak model deep learning dilatih menggunakan data dari luar negeri (bahasa Inggris, budaya Barat, gaya hidup global). Realitas ini berakibat pada adanya rekomendasi video, musik, dan gambar lebih sering menampilkan budaya global daripada tradisi lokal. Sehingga, anak muda atau peserta didik bisa lebih mengenal budaya luar ketimbang budaya daerahnya sendiri. Fakta ini dapat menyebabkan budaya lokal jarang muncul dan perlahan terlupakan.
Selain itu, sebagian besar model deep learning tidak memahami bahasa daerah seperti (Sunda, Jawa, Bugis, Aceh, Dayak, Papua dan lainnya), Jika teknologi yang dipakai sekolah dan masyarakat hanya mendukung bahasa Indonesia atau bahasa asing maka bahasa daerah makin jarang dipakai hingga terancam punah.
Model pembelajaran deep learning juga berpotensi menghilangkan budaya lokal. Jika data tidak mencakup budaya Indonesia atau bahasa daerah setempat maka budaya seperti tarian daerah, pakaian adat atau musik tradisional tidak teridentifikasi dengan baik. Sehingga, sistem bisa salah mengenali atau menggeneralisasi budaya Indonesia dengan stereotip yang salah. Kekeliruan ini dapat menyebabkan distorsi atau salah tafsir budaya. Pada akhirnya, transfer budaya dari generasi tua ke muda terputus.
Oleh karena itu, penggunaan model deep learning atau pembelajaran mendalam ini tidak terkontrol dengan baik maka model generatif dalam bentuk gambar, video, suara berbasis deep learning dapat membuat gambar budaya yang tidak akurat, memodifikasi pakaian adat, mencampurkan simbol budaya dan bahkan menghasilkan cerita fiksi yang dianggap fakta. Sehingga, jika tidak dikontrol, dapat menimbulkan kesalahpahaman budaya atau bahkan merusak nilai asli tradisi.
Masalah lainnya, dengan menggunakan deep learning maka terjadi standarisasi budaya karena algoritma karena deep learning cenderung memprioritaskan konten yang populer. Akibatnya, budaya lokal yang tidak viral sulit muncul di platform digital, hanya budaya dari daerah besar yang terekspos dan budaya minoritas jadi terpinggirkan. (*)
Penulis: Syamsuddin Simmau
Editor: Redaksi maupa.id
Ilustrasi: AI
