Organisasi kami ada untuk memajukan pendidikan, riset, dan pemahaman publik terhadap kecerdasan buatan. Itulah sebabnya ReefBeacon, program unggulan kami yang memanfaatkan AI, menjadi tempat untuk menunjukkan sesuatu yang kami anggap mendasar: AI hanya memperoleh kepercayaan ketika digunakan di tempat ia membantu, dan dijauhkan dari tempat ia tak boleh pergi.
Aturannya
Aturannya mudah dinyatakan. Angka-angka yang penting dihitung oleh kode deterministik dari data yang dipublikasikan; AI digunakan untuk hal yang memang menjadi kekuatannya — mengoordinasikan pipeline harian, menafsirkan gambar, menyusun teks, menjawab pertanyaan — dan tidak pernah sebagai kalkulator.
Dalam praktiknya
Secara konkret, di ReefBeacon:
- Angka-angka stres panas — suhu permukaan laut, HotSpot, Degree Heating Weeks — berasal dari produk satelit NOAA Coral Reef Watch yang dipublikasikan, dan penilaian ambang batasnya (DHW di atas 4 memicu peringatan, di atas 8 menandai risiko tinggi) hanyalah aritmetika biasa dalam kode deterministik. Tidak ada output model yang bisa memindahkan terumbu karang antar tingkat risiko.
- Pipeline harian — membaca data, memeriksa, memberi peringkat pada 65 stasiun, serta menghasilkan penilaian singkat yang menyertai peringatan — dikoordinasikan dengan AI function-calling: model mengoordinasikan alat-alatnya; alat-alat itu yang menghasilkan nilai-nilai.
- Penafsiran foto survei menggunakan AI vision di tempat yang benar-benar membantu — menilai tingkat keparahan pemutihan di ribuan gambar — dengan tingkat keyakinan yang menempel pada setiap penilaian, dan kasus berkeyakinan rendah diteruskan ke peninjauan oleh manusia.
- Pertanyaan historis dijawab dari pustaka peristiwa yang bersumber, dan ketika pustaka itu tidak menyimpan sejarah yang cukup untuk menjawab dengan jujur, sistem akan mengatakannya alih-alih mengarang.
Mengapa ini penting di luar terumbu karang
Bagi organisasi nirlaba yang juga mengajar literasi AI, inilah pelajaran yang paling ingin kami tanamkan dalam diri publik: pertanyaannya tidak pernah “bisakah model melakukan ini?” melainkan “seharusnya model itu yang memutuskan ini?” Pembacaan suhu adalah sebuah pengukuran. Tingkat risiko adalah aturan yang diterapkan pada pengukuran itu. Keduanya tidak menjadi lebih baik hanya karena dihasilkan oleh model bahasa — dan keduanya menjadi lebih buruk begitu tidak ada lagi yang dapat memeriksanya. Keterlacakan bukan fitur yang kami tambahkan; itu adalah arsitekturnya.
Mengajar apa yang kami praktikkan
Prinsip yang sama kini menjangkau kurikulum dan materi penjelas kami: tunjukkan kepada pelajar seluruh rantainya — data, aturan, keluaran, keraguan — dan biarkan mereka menariknya. Jika Anda mengajar atau mempelajari AI dan ingin memakai ReefBeacon sebagai studi kasus kelas, kirim surat ke hello@fledged.org.