Dalam buku I Am a Strange Loop, Douglas Hofstadter membangun postulat filosofis bahwa kesadaran bukanlah sesuatu yang bersifat spiritual. Tapi andai lahir dari struktur material, seperti apa terbentuknya? Hofstadter menggambarkan struktur rekursif yang ia sebut simpul ganjil (Strange Loop), yaitu jaringan pengolahan informasi abstraksi yang bersusunan hierarki dalam lapis-lapis, namun akhirnya secara paradoksal kembali ke titik awalnya. Hofstadter menggunakan metafora video feedback, yaitu sebuah kamera yang merekam layar yang menampilkan hasil rekaman kamera itu sendiri, untuk mengilustrasikan bagaimana tumpukan pemrosesan simbol di otak saling mengamati dan saling bercermin. Proses ini melibatkan pergerakan lintas level: dari sinyal neurobiologis mentah, naik ke simbol konsep melalui mekanisme chunking (kompresi jutaan detail mikro menjadi unit makna makro), hingga mencapai metakognisi. Di puncak kompleksitas inilah muncul kesadaran identitas, atau si aku, bukan sebagai pilot fisik, melainkan sebagai halusinasi stabil atau pola abstrak yang lahir dari interaksi simbol-simbol tersebut. Lebih jauh, Hofstadter menekankan kekuatan downward causality, di mana pola pikir abstrak ini memiliki otoritas kausal untuk mengendalikan materi fisik otak, mematahkan pandangan reduksionis bahwa hanya materi yang bisa menggerakkan materi.
Perpektif dari awal abad ke-21 ini mendapatkan tanggapan berupa dikotomi yang tajam. Di satu sisi, visi Hofstadter tentang diri sebagai konstruksi virtual mendapatkan validasi kuat dari neurosains modern, sejalan dengan teori The Ego Tunnel (Thomas Metzinger) dan Predictive Processing (Karl Friston) yang memandang otak sebagai mesin prediksi bayesian. Namun, di ranah Kecerdasan Buatan, model kerja Symbolic AI yang dibayangkan Hofstadter, yang beroperasi dengan logika transparan, telah tergeser oleh dominasi deep learning yang bersifat koneksionis. AI modern seperti LLM tidak bekerja dengan memahami proses fundamental atau memiliki strange loop filosofis. Mesin AI terkini adalah mesin kalkulasi statistik yang menghasilkan result akurat melalui serangkaian revisi berbasis umpan balik (feedback) masif. Mesin ini tidak merepresentasikan proses berpikir layaknya manusia, melainkan mensimulasikan hasil pemikiran tersebut untuk mencapai ketepatan pragmatis.
Aku malah melihat perbedaan arsitektur ini menarik. Bisa jadi simbiosis kognitif yang menarik. Proses berpikir manusia, terutama para expert seperti kita, seringkali bersifat non-linear, chaotic, dan melompat-lompat melalui intuisi pengenalan pola yang kompleks. Seringkali, manusia mampu mengambil keputusan yang sangat optimal dalam waktu singkat, bahkan ketika variabel data yang tersedia seolah tidak optimal atau bahkan berantakan. Ini pastinya kemampuan inference tingkat tinggi yang sulit dijelaskan secara verbal karena sifatnya yang tacit (tersembunyi). Di sini kita justru dapat memanfaatkan kembali peran AI (LLM), bukan sebagai pengambil keputusan, melainkan sebagai alat yang menjelaskan keputusan kita. Kita memanfaatkan kemampuan kalkulasi AI untuk merasionalisasi dan menarasikan mengapa sebuah keputusan kita ambil dengan pola pikir yang cerdas namun chaotic dan non-linear itu. Wkwk. Ini tentunya kebalikan dari konsep explainable AI (XAI). Mesinlah justru membantu menjelaskan manusia, memungkinkan validitas narasi yang terstruktur untuk mengejar kecepatan intuisi yang abstrak. Ini juga dapat dimanfaatkan pada knowledgeme management untuk konversi dari pengetahuan tacit menjadi pengetahuan eksplisit.
Kita hidup di era di mana sirkuit chaos manusia, yang penuh intuisi serta lompatan logika dan arah membutuhkan sirkuit order dari mesin yang formal, terstruktur, dan rapi untuk validasi dalam komunikasi, negosiasi, bahkan administrasi. Kita, para penyisir ombak kompleksitas, dapat menganggap simbiosis ini sebagai perangkat evolusi yang menarik. Kekuatan simbolik kita tetap menjadi inti dalam mengarahkan tujuan kepemimpinan kita, dan AI memastikan narasi, komunikasi, detail langkah. Kolaborasi lintas spesies yang aneh, tapi mungkin bisa efektif.
