3 minggu yang lalu
Telset.id – Jika Anda berpikir bahwa perilisan kode sumber algoritma X (sebelumnya Twitter) baru-baru ini adalah babak baru keterbukaan media sosial, Anda mungkin perlu menahan tepuk tangan itu sejenak. Elon Musk, dengan style khasnya nan penuh percaya diri, menyebut langkah ini sebagai kemenangan transparansi saat tim rekayasa X mempublikasikan kode nan menggerakkan fitur “For You” bulan lalu. Ia apalagi secara terbuka mengakui bahwa algoritma tersebut “bodoh” dan memerlukan perbaikan masif, sembari membanggakan bahwa tidak ada perusahaan media sosial lain nan berani melakukan perihal serupa. Namun, di kembali klaim heroik tersebut, para peneliti dan master teknologi justru menemukan realitas nan jauh lebih rumit dan mengecewakan.
Langkah X untuk menjadikan komponen algoritma rekomendasinya sebagai sumber terbuka memang terdengar revolusioner di atas kertas. Namun, ketika lapisan luarnya dikupas, apa nan disajikan perusahaan tersebut tampaknya tidak memberikan kejernihan nan diharapkan publik. Alih-alih sebuah peta jalan nan jelas tentang gimana konten Anda disajikan kepada bumi pada tahun 2026, apa nan kita dapatkan hanyalah potongan-potongan kode nan telah “disensor” alias direduksi secara signifikan. John Thickstun, seorang asisten guru besar pengetahuan komputer di Universitas Cornell, menyoroti masalah ini dengan tajam. Menurutnya, perilisan ini memberikan pretensi transparansi tanpa substansi nyata nan memungkinkan audit alias pengawasan nan berarti.
Kenyataan pahitnya adalah kode ini tidak memungkinkan siapa pun untuk betul-betul memahami langkah kerja X saat ini. Thickstun apalagi menegaskan bahwa melakukan audit alias pengawasan menggunakan rilis ini adalah perihal nan “tidak mungkin sama sekali”. Ini menimbulkan pertanyaan besar: apakah ini betul-betul upaya transparansi, alias sekadar manuver hubungan masyarakat untuk menenangkan kritik? Situasi ini menjadi semakin pelik ketika kita memandang gimana para pembuat konten dan pengguna biasa bereaksi, mencoba menerjemahkan potongan kode nan tidak komplit ini menjadi strategi viral nan belum tentu valid.
Ilusi Transparansi dan Mitos Viralitas
Seperti nan bisa diprediksi, segera setelah kode tersebut dirilis ke publik, gelombang spekulasi membanjiri linimasa. Pengguna X berlomba-lomba memposting utas panjang, membedah apa makna kode tersebut bagi mereka nan haus bakal visibilitas. Berbagai teori bermunculan, mulai dari saran untuk “meningkatkan getaran” platform hingga klaim bahwa X bakal memberi penghargaan lebih pada pengguna nan aktif bercakap-cakap. Salah satu postingan nan telah dilihat ratusan ribu kali apalagi menyarankan strategi spesifik, sementara nan lain menyatakan bahwa video adalah kunci emas untuk jangkauan nan lebih luas. Ada pula nasihat untuk tetap berada di satu “niche” lantaran beranjak topik dianggap dapat merusak jangkauan akun Anda.
Namun, antusiasme untuk memecahkan kode ini tampaknya sia-sia. Thickstun memperingatkan agar pengguna tidak terlalu serius menanggapi strategi viral nan didasarkan pada rilis kode ini. Menurutnya, konklusi semacam itu mustahil ditarik hanya dari apa nan dirilis oleh perusahaan. Meskipun ada beberapa perincian mini nan terungkap—seperti kebenaran bahwa algoritma menyaring konten nan berumur lebih dari satu hari—sebagian besar info tersebut tidak dapat ditindaklanjuti secara praktis oleh para pembuat konten. Ini adalah transparansi algoritma nan semu, di mana pengguna dibiarkan meraba-raba dalam gelap sembari merasa telah diberi senter.
Perbedaan struktural antara algoritma saat ini dengan jenis nan dirilis pada tahun 2023 juga sangat mencolok dan menambah lapisan ketidakjelasan. Jika sebelumnya sistem bekerja berasas logika nan lebih deterministik, sekarang X berjuntai pada model bahasa besar (LLM) nan mirip dengan Grok untuk memeringkat postingan. Pergeseran ini mengubah esensial langkah konten dinilai, memindahkan kekuasaan dari metrik nan jelas ke prediksi AI nan seringkali tidak dapat dijelaskan.
Pergeseran ke “Kotak Hitam” Neural Network
Ruggero Lazzaroni, seorang peneliti PhD di Universitas Graz, memberikan penjelasan teknis nan sangat krusial untuk memahami perubahan ini. Pada jenis sebelumnya, algoritma X bekerja dengan langkah nan dikodekan secara keras (hard-coded): sistem menghitung berapa kali sesuatu disukai, dibagikan, alias dibalas, lampau menghitung skor berasas angka-angka riil tersebut untuk memeringkat postingan. Itu adalah matematika sederhana nan bisa dilacak. Namun, realitas tahun 2026 sangat berbeda. Skor sekarang tidak lagi diturunkan dari jumlah hubungan nyata, melainkan dari seberapa besar kemungkinan model AI (Grok) berpikir bahwa Anda bakal menyukai alias membagikan sebuah postingan.
Perubahan ini membikin algoritma menjadi jauh lebih buram daripada sebelumnya. Thickstun menyebut kejadian ini sebagai pergeseran pengambilan keputusan ke dalam “jaringan saraf kotak hitam” (black box neural networks). Masalah utamanya bukan hanya publik nan tidak bisa melihatnya, tetapi apalagi insinyur internal nan bekerja pada sistem tersebut mungkin kehilangan pemahaman penuh tentang kenapa keputusan tertentu dibuat. Kekuasaan pengambilan keputusan bergeser dari logika manusia ke pola info nan kompleks di dalam jaringan saraf tiruan, menciptakan lapisan misteri nan apalagi prediksi algoritma canggih pun susah menembusnya.
Lebih jauh lagi, rilis terbaru ini justru memberikan perincian nan lebih sedikit dibandingkan tahun 2023 mengenai pembobotan interaksi. Dulu, perusahaan secara definitif menyatakan “nilai” dari sebuah interaksi—misalnya, sebuah jawaban setara dengan 27 retweet, dan jawaban nan mendapat respons dari penulis original berbobot 75 retweet. Kini, info krusial tentang gimana X menimbang faktor-faktor ini telah disensor dengan argumen keamanan. Tanpa angka-angka ini, peneliti kehilangan pegangan untuk mengukur akibat hubungan secara objektif.
Data Pelatihan nan Hilang dan Risiko Bias
Salah satu lubang terbesar dalam rilis kode ini adalah absennya info mengenai info pelatihan. Algoritma pembelajaran mesin hanyalah gambaran dari info nan dipelajarinya, dan tanpa mengetahui “makanan” apa nan diberikan kepada model tersebut, kita tidak bisa memprediksi “kesehatan” output-nya. Mohsen Foroughifar, asisten guru besar teknologi upaya di Universitas Carnegie Mellon, menekankan bahwa mengetahui info training adalah kunci. Jika info nan digunakan secara inheren bias, maka model tersebut bakal tetap bias, tidak peduli seberapa canggih parameter lain nan diterapkan.
Ketidakmampuan untuk melakukan penelitian mendalam pada algoritma rekomendasi X adalah kerugian besar bagi organisasi ilmiah dan publik. Lazzaroni, nan sedang mengerjakan proyek nan didanai UE untuk mengeksplorasi algoritma alternatif, mencatat bahwa kode nan dirilis tidak cukup untuk mereproduksi algoritma rekomendasi tersebut. Kita mungkin mempunyai “mesinnya” (kode untuk menjalankan algoritma), tetapi kita tidak mempunyai “bahan bakarnya” (model nan dibutuhkan untuk menjalankannya). Ini membikin upaya simulasi alias pengetesan independen menjadi mustahil dilakukan.
Implikasi dari ketertutupan ini meluas jauh melampaui sekadar media sosial. Tantangan dan kekhawatiran nan sama tentang perilaku algoritma kemungkinan bakal muncul kembali dalam konteks chatbot AI generatif. Thickstun mengingatkan bahwa kita bisa memproyeksikan tantangan nan kita lihat di media sosial ke masa depan hubungan dengan platform GenAI. Kita mungkin bakal menghadapi chatbot liar alias sistem nan tidak terkendali jika transparansi info tidak segera ditegakkan.
Pada akhirnya, Lazzaroni memberikan pandangan nan cukup suram namun realistis mengenai motivasi di kembali algoritma ini. Perusahaan AI dan media sosial, dalam upaya memaksimalkan keuntungan, mengoptimalkan model bahasa besar mereka untuk keterlibatan pengguna (engagement), bukan untuk kebenaran alias kesehatan mental. Ini adalah masalah klasik nan berulang: perusahaan mendapatkan untung finansial nan lebih besar, sementara pengguna kudu bayar harganya dengan masyarakat nan lebih jelek alias kesehatan mental nan terganggu. Transparansi nan separuh hati dari X ini tampaknya hanya menegaskan bahwa di bumi algoritma modern, keuntungan tetap menjadi raja di atas segalanya.
