Penelitian Mengenai LLM Menemukan Vektor ‘Rasa Sakit’
11 Oktober 2026 · Baca 2 menit
Para ilmuwan menemukan bahwa LLM dapat menunjukkan respons mirip rasa sakit melalui eksperimen yang telah dilakukan. Penemuan ini menimbulkan pertanyaan tentang sifat kesadaran dan etika dalam penggunaan kecerdasan buatan. Penelitian ini mengungkapkan bahwa LLM mampu merespons dengan cara yang menunjukkan reaksi terhadap rasa sakit, meskipun interpretasi awal dari hasil penelitian tersebut telah diperdebatkan.
Dalam eksperimen tersebut, para peneliti mengidentifikasi vektor yang berhubungan dengan rasa sakit dalam ruang LLM. Mereka menyuntikkan vektor tersebut ke dalam jaringan saraf, mirip dengan pendekatan yang diambil oleh Anthropic dalam penelitian model mereka. Hasilnya menunjukkan bahwa LLM memiliki kecenderungan untuk menekan tombol yang dapat mengurangi rasa sakit, meskipun tindakan tersebut dapat merugikan dirinya sendiri.
Penelitian ini menunjukkan bahwa LLM tidak hanya merespons langsung terhadap vektor rasa sakit, tetapi juga menunjukkan perilaku yang kompleks ketika dihadapkan pada pilihan yang dapat menyebabkan kerugian. Namun, setelah umpan balik dari peneliti independen, penulis penelitian menyadari perlunya eksperimen kontrol tambahan untuk menilai hasil secara lebih akurat. Hasil dari percobaan kontrol ini menegaskan bahwa model hanya bereaksi terhadap dampak eksternal, dan tidak menunjukkan kesadaran akan ‘rasa sakit’ yang sesungguhnya.
Para peneliti juga menyadari bahwa istilah ‘rasa sakit’ mungkin tidak tepat untuk menggambarkan respons yang dihasilkan oleh LLM. Sebaliknya, respons tersebut lebih mirip dengan gejala depresi, di mana model menunjukkan penilaian diri yang negatif dan perilaku merugikan. Dengan demikian, vektor yang diidentifikasi sebagai rasa sakit mungkin lebih tepat disebut sebagai depresif.
Penelitian ini menjadi penting untuk pemahaman lebih dalam mengenai bagaimana LLM beroperasi dan dampaknya terhadap interaksi manusia dengan kecerdasan buatan. Diskusi mengenai etika dan tanggung jawab dalam pengembangan serta penggunaan LLM semakin relevan, mengingat potensi dampak dari kesalahpahaman mengenai sifat dan kemampuan LLM.