Shah Sabbagh, Direktur Proyek Indeks AI di Institut AI Universitas Stanford, baru-baru ini menyatakan dalam sebuah wawancara bahwa Korea Selatan, untuk mencapai tujuannya menjadi salah satu dari tiga kekuatan AI global teratas, sebaiknya tidak bersaing langsung dengan Amerika Serikat dan China di bidang model AI skala besar generik, melainkan fokus pada pengembangan model khusus industri.
Sabbagh menunjukkan bahwa Korea Selatan memiliki keunggulan kompetitif yang jelas dalam jumlah paten AI per kapita, pengembangan bakat, semikonduktor, rekayasa robot, dan bidang perangkat keras, yang memenuhi syarat untuk menjadi bagian dari kelompok pemimpin ekosistem AI. Namun, ia juga menyatakan bahwa Korea Selatan belum mengubah keunggulan ini menjadi daya saing model tingkat dunia, dan meskipun model khusus bahasa Korea telah diluncurkan secara berurutan, mereka belum masuk ke jajaran teratas dalam tolok ukur global.
Korea Selatan Perlu Fokus pada Pengembangan Model AI Khusus Industri
Sabbagh percaya bahwa hambatan terbesar yang harus diatasi oleh Korea Selatan adalah skala. Amerika Serikat dan China mendominasi persaingan model AI skala besar generik berkat pasar domestik yang besar dan investasi besar-besaran, dan Korea Selatan akan sulit untuk mengikuti jalur yang sama. Ia menyarankan agar Korea Selatan menggabungkan keunggulan perangkat lunak dengan semikonduktor dan perangkat keras, untuk mengembangkan model khusus yang berkinerja baik di industri tertentu seperti manufaktur, sains, dan layanan publik.
Mengenai proyek model AI dasar nasional, AI untuk semua, dan proyek model AI khusus keamanan siber yang didorong oleh pemerintah Korea Selatan, Sabbagh memberikan penilaian positif. Ia menekankan bahwa konsep AI kedaulatan lebih luas daripada sekadar memiliki model dasar nasional, dan harus mencakup elemen-elemen seperti infrastruktur, data, model, aplikasi, dan bakat. Korea Selatan telah memenuhi sebagian besar kondisi untuk mencapainya, dan langkah selanjutnya adalah menghubungkan model AI domestik dengan infrastruktur, data, layanan, dan bakat untuk membentuk ekosistem yang lengkap.
Mengenai masalah evaluasi model, Sabbagh menunjukkan bahwa tolok ukur yang ada memiliki keterbatasan, termasuk data pelatihan yang tidak terbuka yang mempengaruhi kredibilitas evaluasi, serta tolok ukur yang cepat kehilangan daya pembeda. Ia menyarankan untuk menambahkan evaluasi prediktif dalam indikator evaluasi, yaitu memperkirakan kinerja dan risiko model sebelum diterapkan dalam skenario nyata, sambil menyeimbangkan transparansi evaluasi dan mencegah risiko perusahaan mengoptimalkan tes.
Sabbagh juga mengungkapkan bahwa rencana AI Indeks akan memperkuat indikator seperti AI fisik, model dunia, literasi pendidikan AI, dan efek ekonomi dan ketenagakerjaan. Ia menyatakan bahwa bidang AI fisik perlu mengukur kemampuan robot untuk menjalankan tugas dalam lingkungan nyata, dan mempertimbangkan atribusi tanggung jawab atas kecelakaan dan sistem regulasi, serta mempertimbangkan untuk memasukkan tingkat pendidikan perangkat keras dan robotika ke dalam cakupan evaluasi. Selain itu, kemampuan warga negara untuk menggunakan AI secara efektif dan bertanggung jawab juga harus menjadi objek evaluasi baru.