Membangun Model Intervensi Sosial Berbasis Platform Kecerdasan Artifisial

TNA

Pagi ini saat sedang berselancar di lautan data berupa berbagai tumpukan data ilmiah yang teronggok dalam bentuk artikel-artikel publikasi berdasar genre dan tipologi serta klasifikasi sains, pandangan saya bersirobok dengan sebuah artikel yang tetiba mampu membetot segenap atensi.

Judul artikel tersebut begitu menggoda, Deploying Machine Learning Models for Public Policy: A Framework

Ackermann , Walsh et al, 2018.  WOW Effect segera bekerja di benak saya. Curiosity tumbuh dengan cepatnya. Sejurus kemudian rasa penasaran itu membuahkan jawaban. Benar, artikel itu memang membahas sesuatu yang selama ini senantiasa menjadi bahan pemikiran yang berkesinambungan, dan menghasilkan banyak pertanyaan riset serta calon hipotesa yang berkelindan dengan semakin banyaknya data yang berasal dari berbagai fenomena nyata tersangkut di sistem indera.

Pertanyaan dan calon hipotesa itu bergelut di seputar dialektika disiplin ilmu yang selama ini terkanalisasi dalam jalan tol genre dan tujuan yang kerap berbeda meski tak urung kerap pula saling bersilangan dan beririsan. Intinya apakah penerapan teknologi seperti kecerdasan artifisial dengan berbagai modelnya dapat digunakan untuk bersinergi bersama dengan disiplin ilmu lain, misal humaniora?

Ternyata Pusat Data Sains dan Kebijakan Publik Universitas Chicago telah melakukannya. Berfokus pada fungsi layanan kepolisian yang memegang unsur vital dalam konstelasi sistem sosial kemasyarakatan, University Chicago mendalami kemingkinan untuk meningkatkan kinerjanya melalui sistem asessment dan profiling sumber daya manusia, dan dengan bantuan subset dari machine learning, membuat analisa berjenjang pada petugas kepolisian hingga dapat menghasilkan sebuah sistem yang dikenal sebagai Early Intervention System.

_Center for Data Science and Public

Policy (DSaPP) at the University of Chicago has worked with multiple police departments to build and deploy the first data-driven

Early Intervention System (EIS) for police officers._

_The EIS identifies officers at high risk of having an adverse incident in a specified

time horizon. The time horizon and the definition of an adverse

incident is select based on the the available interventions by a department, allowing them to prevent those incidents with training,

counseling, or other support._

_The Metropolitan Nashville

Police Department (MNPD) started using the EIS in fall 2016, and

the Charlotte-Mecklenburg Police Department (CMPD) became first department to add a user interface and automation in November 2017._

Seiring dengan semakin berkembangnya implementasi teknologi dalam dunia kepolisian dan juga berbagai sektor keamanan serta pengelolaan interaksi sosial lainnya, berkembang pula berbagai upaya dan inovasi untuk membantu meningkatkan kualitas sistemnya.

Salah satu inisiatif inovatif yang dilakukan oleh tim peneliti Universitas Chicago adalah mengembangkan sistem berbasis KA yang ditujukan untuk mencegah insiden dan memperbaiki interaksi antara petugas kepolisian dan masyarakat.

Salah satu pendekatan yang ditawarkan adalah model Early Intervention System (EIS) yang berbasis Machine Learning. Universitas Chicago telah merintis langkah-langkah penting dalam pengembangan sistem ini, yang diharapkan dapat membuka jalan untuk peningkatan hubungan antara kepolisian dan masyarakat.

Apa itu Early Intervention System?

Early Intervention System adalah sistem yang dirancang untuk mengidentifikasi petugas kepolisian yang mungkin memerlukan bimbingan atau pelatihan tambahan untuk meningkatkan kinerja mereka dan menghindari insiden negatif. Dengan menggunakan data historis dan algoritma Machine Learning, sistem ini dapat mengidentifikasi pola perilaku yang menunjukkan risiko potensial.

Adapun langkah-langkah inovasi penting dalam pengembangan Model Early Intervention System antara lain adalah sebagai berikut;

Pengumpulan Data, data historis tentang interaksi petugas dengan masyarakat dan insiden yang terjadi dikumpulkan dengan cermat. Ini mencakup informasi seperti lokasi, waktu, jenis insiden, dan faktor lain yang relevan.

Pemrosesan Data, data yang dikumpulkan kemudian diproses dan diolah untuk menciptakan fitur-fitur yang relevan untuk analisis lebih lanjut. Ini melibatkan pembersihan data, ekstraksi fitur, dan transformasi data.

Pengembangan Model Machine Learning

Algoritma Machine Learning, seperti Random Forest atau Neural Networks, diterapkan pada data yang telah diproses. Model ini diarahkan untuk mengenali pola perilaku yang menunjukkan risiko potensial.

Validasi dan Penyesuaian Model diuji dengan menggunakan data yang tidak pernah dilihat sebelumnya untuk memastikan kinerjanya. Setelah validasi, model dapat disesuaikan dan dioptimalkan lebih lanjut.

Implementasi dan Integrasi

Setelah model teruji dan dioptimalkan, sistem diimplementasikan dalam lingkungan kepolisian. Sistem ini dapat diintegrasikan dengan alat dan platform yang digunakan oleh petugas.

Manfaat dan Implikasi

Pengembangan Model Early Intervention System oleh Universitas Chicago memiliki manfaat potensial yang signifikan berupa;

Pencegahan Insiden Negatif dengan mengidentifikasi petugas yang berisiko lebih awal, langkah-langkah pencegahan dapat diambil sebelum insiden negatif terjadi.

Peningkatan Kinerja Petugas, sistem ini dapat membantu mengidentifikasi area di mana petugas mungkin memerlukan pelatihan tambahan, membantu meningkatkan kinerja dan responsibilitas.

Hubungan yang Lebih Baik dengan Masyarakat, dengan mengurangi insiden negatif, hubungan antara petugas kepolisian dan masyarakat dapat ditingkatkan.

Mengadopsi Konsep Network Centric ke Dalam Early Social Intervention System

Belajar dari sejarah dan juga hasil permenungan yang bisa dipetik dari media komunikasi bergenre populer seperti film Oppenheimer dll, ada satu fakta yang sulit untuk dipungkiri, bahwa perang adalah katalis yang baik dalam mengakselerasi kemajuan teknologi. Maka tak salah jika kita mau belajar dan mengadopsi strategi teknologi yang sebenarnya ditujukan untuk kepentingan militer sebagai acuan dalam pengembangan sistem yang akan diterapkan sebagai bagian dari konstruksi solusi sosial.

Untuk itu mari kita pelajari konsep network centric dan turunannya terlebih dahulu ya, karena di era KA ini konsep ini rasanya sangat relevan untuk diterapkan sebagai salah satu sistem yang didedikasikan untuk mengurai berbagai persoalan yang berpotensi muncul sebagai konsekuensi dari dinamika interaksi.

Teori NCW

NCW adalah pendekatan perang modern yang menekankan penggunaan jaringan informasi untuk mempercepat pengambilan keputusan, meningkatkan pemahaman situasional, dan meningkatkan efektivitas operasi militer. Konsep ini didasarkan pada tiga prinsip utama:

Shared Awareness: Semua unit militer berbagi informasi dan pemahaman situasional secara real-time. Ini memungkinkan pengambilan keputusan yang lebih baik karena semua pihak memiliki pandangan yang sama tentang situasi.

Decentralized Decision-Making: Keputusan dibuat oleh unit-unit terdepan yang memiliki informasi terkini. Ini memungkinkan respons yang lebih cepat terhadap perubahan situasi.

Rapid Feedback: Informasi tentang hasil tindakan segera dikembalikan ke unit terdepan untuk pengambilan keputusan yang lebih baik di masa depan.

Contoh NCW

Misalnya, dalam sebuah operasi militer yang menerapkan NCW, pasukan di lapangan akan memiliki akses real time ke informasi seperti posisi teman dan musuh, kondisi cuaca, medan tempur, dan intelijen terbaru. Seorang komandan dapat dengan cepat menganalisis informasi ini dan mengambil keputusan untuk mengatasi perubahan situasi. Unit-unit yang terpisah secara geografis tetapi terhubung dalam jaringan dapat berkoordinasi secara lebih efisien dan efektif.

Masih terkait dengan konsep NCW ada beberapa model pendekatan cyber warfare yang perlu kita pelajari. Antara lain adalah sebagai berikut;

Teori NCW

NCW adalah pendekatan perang modern yang menekankan penggunaan jaringan informasi untuk mempercepat pengambilan keputusan, meningkatkan pemahaman situasional, dan meningkatkan efektivitas operasi militer. Konsep ini didasarkan pada tiga prinsip utama:

Shared Awareness: Semua unit militer berbagi informasi dan pemahaman situasional secara real-time. Ini memungkinkan pengambilan keputusan yang lebih baik karena semua pihak memiliki pandangan yang sama tentang situasi.

Decentralized Decision-Making: Keputusan dibuat oleh unit-unit terdepan yang memiliki informasi terkini. Ini memungkinkan respons yang lebih cepat terhadap perubahan situasi.

Rapid Feedback: Informasi tentang hasil tindakan segera dikembalikan ke unit terdepan untuk pengambilan keputusan yang lebih baik di masa depan.

Contoh NCW

Misalnya, dalam sebuah operasi militer yang menerapkan NCW, pasukan di lapangan akan memiliki akses real-time ke informasi seperti posisi teman dan musuh, kondisi cuaca, medan tempur, dan intelijen terbaru. Seorang komandan dapat dengan cepat menganalisis informasi ini dan mengambil keputusan untuk mengatasi perubahan situasi. Unit-unit yang terpisah secara geografis tetapi terhubung dalam jaringan dapat berkoordinasi secara lebih efisien dan efektif.

Konsep C4SIR

C4SIR adalah singkatan dari Command, Control, Communications, Computers, Intelligence, Surveillance, and Reconnaissance. Konsep ini merangkum elemen-elemen kunci yang diperlukan untuk mendukung operasi militer modern yang efektif dan efisien.

Command and Control (C2)

Merujuk pada proses pengambilan keputusan dan pengendalian pasukan. Ini mencakup komando, perencanaan, dan alokasi sumber daya.

Communications

Melibatkan infrastruktur komunikasi yang memungkinkan pertukaran informasi secara real-time antara berbagai unit militer.

Computers

Termasuk sistem komputasi dan perangkat lunak yang mendukung analisis data, pemodelan, dan simulasi.

Intelligence

Melibatkan pengumpulan, analisis, dan interpretasi informasi intelijen untuk mendukung pengambilan keputusan yang informasional.

Surveillance and Reconnaissance (S&R):

Berfokus pada pengumpulan informasi dan pemantauan situasional melalui sensor dan teknologi pemantauan.

Teori C4SIR

C4SIR bertujuan untuk mencapai keunggulan informasional dalam operasi militer. Dengan memiliki akses cepat dan akurat terhadap informasi yang relevan, komandan dapat mengambil keputusan yang lebih baik dan pasukan dapat beroperasi dengan lebih efektif. Konsep ini mencerminkan pentingnya integrasi antara komando, kontrol, komunikasi, teknologi informasi, intelijen, dan pengawasan.

Teknologi yang digunakan dalam C4SIR

Jaringan Komunikasi Canggih:

Teknologi komunikasi berbasis jaringan yang kuat memungkinkan pertukaran informasi yang cepat dan aman di seluruh medan tempur.

Sensor dan Pemantauan:

Sistem sensor canggih, seperti radar, UAV, dan satelit, memberikan data untuk pemahaman situasional yang lebih baik.

Sistem Pemrosesan Data dan Intelijen:

Teknologi pemrosesan data dan analisis canggih digunakan untuk menganalisis informasi intelijen dan menghasilkan pemahaman yang lebih mendalam.

_Sistem Identifikasi Teman atau Musuh (IFF)_:

Teknologi ini memungkinkan pengenalan unit militer sendiri dan identifikasi musuh.

Perangkat Lunak Pengambilan Keputusan/DSS :

Algoritma dan perangkat lunak mendukung proses pengambilan keputusan yang efisien.

OODA Loop

OODA Loop adalah suatu konsep yang dikembangkan oleh kolonel John Boyd, seorang ahli taktik militer dan teori peperangan udara. Konsep ini merujuk pada serangkaian empat tahapan yang melibatkan siklus pengambilan keputusan yang cepat dan adaptif:

Observation

Tahap di mana informasi dan data dari lingkungan diperoleh. Ini mencakup pengumpulan informasi tentang situasi dan perubahan yang terjadi.

Orientation

Tahap ini melibatkan pemahaman dan analisis terhadap informasi yang diperoleh. Boyd menganggap tahap ini sebagai yang paling penting, karena itu mencakup pemahaman mental tentang situasi dan pemosisian diri untuk menghadapinya.

Decision

Pada tahap ini, keputusan diambil berdasarkan analisis orientasi. Boyd menekankan pentingnya pengambilan keputusan cepat untuk mengantisipasi dan menyesuaikan dengan perubahan situasi.

Action

Langkah ini melibatkan implementasi keputusan yang diambil pada tahap sebelumnya. Tindakan ini menghasilkan dampak pada situasi dan menyebabkan perubahan yang kemudian diamati kembali.

Contoh Implementasi OODA Loop

Misalkan ada sebuah pertempuran udara. Seorang pilot menggunakan OODA Loop dengan mengamati posisi lawan (Observation), memahami taktik yang paling cocok (Orientation), membuat keputusan untuk melakukan manuver tertentu (Decision), dan melakukan manuver tersebut dalam pertempuran (Action). Selama pertempuran, pilot terus mengulang siklus OODA Loop untuk merespons perubahan situasi dengan cepat dan efektif.

Teori yang Mendukung OODA Loop

Konsep OODA Loop terkait dengan teori perang modern, terutama dalam hal adaptasi, inovasi, dan fleksibilitas. Boyd berpendapat bahwa kemampuan untuk merespons dengan cepat dan fleksibel dalam perubahan situasi memberikan keunggulan dalam peperangan. Konsep ini juga menggambarkan pentingnya pengambilan keputusan berdasarkan pemahaman situasional yang akurat.

Teori psikologis dan neurofisiologis juga mendukung OODA Loop. Proses berulang dari pengamatan, analisis, keputusan, dan tindakan menggambarkan cara otak manusia merespons lingkungan. Konsep ini memberikan pandangan tentang bagaimana manusia dapat mengoptimalkan kinerja mereka dalam pengambilan keputusan.

Dalam konteks peperangan modern, OODA Loop mewakili pendekatan adaptif dan reaktif terhadap situasi yang kompleks dan berubah-ubah. Dengan merespons lebih cepat daripada lawan, seseorang atau organisasi dapat mengendalikan alur peristiwa dan menciptakan keunggulan taktis.

Berikut adalah beberapa referensi yang dapat digunakan untuk membuat kajian yang lebih mendalam:

Alberts, D. S., & Hayes, R. E. (Eds.). (2003). Power to the Edge: Command… Control… in the Information Age. CCRP Publications.

Cebrowski, A. K., & Garstka, J. J. (1998). Network-Centric Warfare—Its Origin and Future. Proceedings, U.S. Naval Institute.

Boyd, J. R. (1996). The Essence of Winning and Losing. U.S. Marine Corps Gazette.

Kott, A. (2009). The OODA Loop: A New Strategy Paradigm. Strategic Forum, No. 240, National Defense University Press.

Hall, D. L., Llinas, J., & Lippman, R. P. (Eds.). (2001). Handbook of Multisensor Data Fusion: Theory and Practice. CRC Press.

Tentu diperlukan proses penyesuaian kondisi melalui berbagai model moderasi dan modulasi agar berbagai pendekatan dalam konteks militer di atas dapat diadopsi sebagai bagian dari sistem intervensi sosial.

Lalu sebagai contoh, selain kasus pada SDM kepolisian di Chicago di atas, kira-kira kondisi apa ya yang dapat diintervensi dengan bantuan teknologi informasi, khususnya kecerdasan artifisial dan penerapan konsep network centric ? Salah satunya adalah dinamika psikososial seperti kondisi keos yang tercipta karena akumulasi massa yang berpotensi anarkis dengan faktor penyebab yang relevan dengan berbagai kondisi kemasyarakatan seperti tekanan ekonomi atau gejolak politik.

PSIKOLOGI MASSA DAN POTENSI KERUSUHAN DALAM DEMONSTRASI ANARKIS

Psikologi massa telah lama menjadi bidang penelitian yang menarik perhatian dalam memahami perilaku kelompok besar dalam situasi sosial tertentu.

Demonstrasi anarkis adalah salah satu contoh ekstrem di mana emosi dan dinamika massa dapat berdampak signifikan pada eskalasi kerusuhan. Artikel ini akan menjelaskan teori-teori psikologi massa yang relevan dan bagaimana faktor-faktor ini dapat berkontribusi pada potensi kerusuhan dalam demonstrasi anarkis.

Identifikasi Diri dan Kelompok

Teori identifikasi diri oleh Henri Tajfel menyatakan bahwa individu cenderung mencari identifikasi dengan kelompok tertentu dan dapat mengembangkan prasangka terhadap kelompok lain.

Dalam konteks demonstrasi anarkis, pengelompokan yang kuat dan perasaan solidaritas dalam kelompok dapat memperkuat aksi ekstrem, menyebabkan perpecahan dengan kelompok lain dan potensi kekerasan.

Referensi:

Tajfel, H. (1978). Social categorization, social identity, and social comparison. Differentiation between social groups: Studies in the social psychology of intergroup relations, 61-76.

Deindividuasi

Konsep deindividuasi mengacu pada hilangnya identitas individu dalam kerumunan, yang dapat menyebabkan perilaku impulsif dan melampaui batas norma sosial. Dalam demonstrasi anarkis, deindividuasi dapat mendorong partisipan untuk melakukan tindakan agresif atau merusak, karena rasa tanggung jawab individu berkurang.

Referensi:

Zimbardo, P. G. (1969). The human choice: Individuation, reason, and order versus deindividuation, impulse, and chaos. Nebraska Symposium on Motivation, 17, 237-307.

Polaritas Sosial

Teori polaritas sosial mengajukan bahwa ketidaksetaraan antara kelompok dapat memicu konflik dan perbedaan pandangan yang tajam. Dalam demonstrasi anarkis, perbedaan pendapat politik atau sosial yang dalam dapat memperkuat perasaan ketidakpuasan dan meningkatkan potensi kerusuhan.

Referensi:

Brown, R. (2000). Social identity theory: Past achievements, current problems and future challenges. European Journal of Social Psychology, 30(6), 745-778.

Pendekatan Keamanan Kelompok

Teori pendekatan keamanan kelompok berpendapat bahwa orang cenderung membentuk aliansi dalam kelompok untuk melindungi diri dari ancaman eksternal. Dalam demonstrasi anarkis, ketakutan akan tindakan represif oleh pihak berwenang dapat memperkuat solidaritas kelompok dan mendorong tindakan ekstrem.

Referensi:

Brewer, M. B. (1999). The psychology of prejudice: Ingroup love and outgroup hate? Journal of Social Issues, 55(3), 429-444.

Psikologi massa memiliki peran yang signifikan dalam memahami potensi kerusuhan dalam demonstrasi anarkis.

Teori-teori seperti identifikasi diri, deindividuasi, polaritas sosial, dan pendekatan keamanan kelompok dapat memberikan wawasan tentang faktor-faktor yang memengaruhi perilaku massa dalam konteks ini. Memahami aspek psikologis ini dapat membantu dalam merencanakan strategi untuk mencegah eskalasi konflik dan kerusuhan dalam situasi demonstrasi anarkis.

Referensi tambahan:

Hogg, M. A. (2016). Social identity theory. Psychology Press.

Reicher, S., & Stott, C. (2011). Mad mobs and Englishmen? Myths and realities of the 2011 riots. The Psychologist, 24(9), 656-659.

Potensi Kerusuhan Akibat Krisis Ekonomi: Analisis Psikologi Sosial

Krisis ekonomi sering kali berdampak lebih dari sekadar aspek finansial. Artikel ini akan membahas bagaimana krisis ekonomi dapat berpotensi memicu kerusuhan sosial, dengan menggunakan pendekatan psikologi sosial dan mengacu pada beberapa teori yang relevan.

Potensi Krisis Ekonomi yang berpotensi untuk  memicu terjadinya Kerusuhan sosial antara lain dapat disebabkan oleh beberapa faktor berikut;

Frustrasi dan Tidak Adanya Harapan

Krisis ekonomi dapat menghasilkan ketidakpuasan masyarakat terhadap sistem ekonomi dan pemerintah, memicu emosi negatif seperti kemarahan dan frustrasi yang dapat berkembang menjadi kerusuhan.

Peningkatan Kesenjangan Sosial

Penurunan ekonomi sering kali memperburuk kesenjangan sosial, yang dapat menciptakan rasa ketidakadilan dan ketidaksetaraan di antara warga. Hal ini dapat merangsang perasaan tidak puas dan meningkatkan risiko konflik sosial.

Ketidakstabilan Psikologis Individu

Krisis ekonomi dapat mengakibatkan stres ekonomi dan kecemasan finansial, yang pada gilirannya dapat mengganggu kesejahteraan psikologis individu. Hal ini dapat berkontribusi pada partisipasi dalam tindakan kolektif atau kerusuhan sebagai bentuk ekspresi ketidakpuasan.

Teori yang Mendukung antara lain adalah sebagai berikut;

Teori Frustrasi-Agresi

Teori ini mengaitkan frustrasi dengan respons agresif. Dalam konteks krisis ekonomi, ketidakpuasan finansial dapat mengarah pada perilaku agresif dan tindakan kerusuhan.

Teori Ketidakadilan Sosial

Teori ini menjelaskan bagaimana persepsi ketidakadilan dapat memicu perlawanan dan tindakan kolektif dalam upaya mengembalikan keseimbangan sosial.

Teori Identitas Sosial

Teori ini mengajukan bahwa identitas kelompok dapat mempengaruhi perilaku kolektif. Krisis ekonomi dapat memperkuat identitas kelompok tertentu dan mendorong tindakan kolektif, termasuk kerusuhan.

Referensi:

Hogg, M. A., & Vaughan, G. M. (2018). Social Psychology (8th ed.). Pearson.

Berkowitz, L. (1989). Frustration-aggression hypothesis: Examination and reformulation. Psychological Bulletin, 106(1), 59-73.

Tyler, T. R. (2006). Psychological perspectives on legitimacy and legitimation. Annual Review of Psychology, 57, 375-400.

Tajfel, H., & Turner, J. C. (1986). The social identity theory of intergroup behavior. In S. Worchel & W. G. Austin (Eds.), Psychology of intergroup relations (pp. 7-24). Chicago, IL: Nelson-Hall.

Pengembangan Konsep Early Social Intervention System Berbasis KA

Mengacu kepada data dan berbagai fenomena yang telah kita sedikit kupas di atas, maka langkah yang dapat dilakukan untuk mengembangkan sistem intervensi sosial berbasis KA  adalah dengan membangun konstruksi dan format data serta sistem akuisisi data yang mampu merepresentasi secara objektif dan akurat fenomena sosial yang riil.

Selanjutnya data yang telah didapat dapat dipilah dan dipilih serta jika perlu untuk mempermudah klasifikasi dan pengelompokan operasi, dilabelisasi. Dimana langkah berikutnya dicarikan alat analisis atau cognitive tools yang tepat untuk mengolahnya sedemikian rupa, agar menghasilkan asupan dan saran yang berguna dalam proses interventif ataupun pelaksanaan aksi pre-emptif.

Dari segi teknis pengolahan data dapat dilakukan dengan menggunakan algoritma Deep Learning/ DL yang merupakan salah satu subset ML. Dari berbagai varian DL dapat digunakan antara lain Deep Neural Network/ DNN yaitu algoritma dengan struktur berlapis-lapis yang mengacu kepada model sirkuit syaraf kranial manusia atau hewan yang dirancang untuk mengenali pola dan membangun kompleksitaa jaringan yang disebut neural network (NN).

Atau dapat juga digunakan pendekatan model ANN, dimana ANN atau artificial neural network ini mensimulasikan kerja otak kita yang terdiri dari jaringan syaraf atau neuron, dimana dalam jaringan ANN, model menerima informasi pada titik-titik yang disebut nodes yang terkumpul pada satu layer untuk kemudian diteruskan dan diproses ke layer selanjutnya yang disebut hidden layers.

Jika data dan fenomena yang akan diintervensi bersifat berulang dapat digunakan algoritma RNN atau recurrent neural network. Semua amat bergantung kepada situasi dan kondisi serta solusi yang diharapkan dapat dikembangkan.

Tapi secara pribadi saya melihat bahwa intervensi sosial yang amat kental melibatkan aspek kognisi dan afeksi tentulah akan ideal jika didekati dengan algoritma yang juga berbasis kognisi manusia.

Ini sejalan dengan pengertian sains kognisi yang bertujuan untuk mengembangkan model komputer untuk memahami proses berpikir manusia yang dalam penerapan teknologinya akan dapat mengeksplor model komputer sebagai model control multi agent yang dapat mengolah berbagai data dari lingkungan psikososial manusia.

Proses integrasi antara KA dengan model kognitif yang meniru atau mereplikasi kapasitas kognisi manusia masuk dalam genre Cognitive Artificial Intelligence/ CAI. Salah satu model yang menurut saya amat ideal dalam kasus-kasus psikososial adalah Knowledge Growing System atau sistem pengetahuan bertumbuh yang dikembangkan oleh Prof Adang Suwandi Ahmad dan Dr Arwin Datumaya Wahyudi Sumari dengan mengacu kepada potensi dasar kinerja otak manusia yang bisa belajar dan terus bertumbuh seiring dengan pajanan data yang didapatkan dari pengalaman dan pembelajaran.

Rasanya pas benar dengan dinamika psikososial yang senantiasa tumbuh dan berkembang sejalan dengan volatilitas ekosistem yang dipengaruhi oleh variabel yang bersifat multivariat.

Besar harapan dari tulisan singkat pagi ini ada masukan bagi para pengambil kebijakan untuk melihat berbagai alternatif yang realistis dalam memanfaatkan teknologi KA dalam konteks pengelolaan dinamika kemasyarakatan yang kerap dan jamak terjadi. Sistem intervensi sosial dapat dikembangkan di Kemenkopolhukam atau BIN yang memang memiliki kewenangan dan kapasitas di ranah tersebut.

Selamat berkarya untuk nusa dan bangsa tercinta 🙏🏾