“Algoritma itu apa?”
Seorang ayah menjawab:
“Algoritma adalah sequence of computational instructions yang memproses input menjadi output.”
Anaknya menatap.
“Hah?”
Ayah mencoba lagi.
“Kalau kamu bikin mi instan, ada urutannya kan?”
“Rebus air.”
“Terus?”
“Masukin mi.”
“Terus?”
“Bumbu.”
“Nah. Itu contoh gampang tentang langkah-langkah.”
Anaknya mengangguk.
“Kenapa tadi nggak ngomong gitu aja?”
Pertanyaan itu juga berlaku untuk AI education.
Anak tidak membutuhkan bahasa yang terdengar paling canggih.
Mereka membutuhkan bahasa yang membantu melihat konsep.
AI literacy akan lebih kuat jika istilah teknologi dihubungkan dengan kehidupan yang sudah dikenal anak.
Dapur.
Sekolah.
Game.
Rekomendasi video.
Belanja.
Transportasi.
Foto.
Chat keluarga.
Musik.
Tugas.
Bukan karena AI sesederhana mi instan.
Analogi punya batas.
Tetapi bahasa sehari-hari memberi pijakan.
Dari pijakan itu, konsep bisa dibuat semakin akurat.
Bahasa dekat bukan berarti “dibikin bayi”
Kadang orang dewasa takut menyederhanakan.
“Takut salah konsep.”
Benar, penyederhanaan bisa salah kalau terlalu jauh.
Tetapi ada perbedaan antara simplify dan distort.
Contoh:
“AI adalah robot yang berpikir seperti manusia.”
Terlalu menyesatkan.
Lebih baik:
“AI adalah sistem komputer yang belajar pola dari data untuk membuat prediksi atau menghasilkan sesuatu.”
Masih sederhana.
Lebih akurat.
Anak tidak perlu istilah neural network untuk memahami ide awal bahwa sistem belajar pola.
Bahasa dekat adalah teknik pedagogi.
Bukan mengurangi kecerdasan anak.
Mulai dari situasi yang anak kenal
Recommendation.
Anak sudah melihat.
“Kenapa video yang keluar mirip terus?”
Itu pintu masuk recommendation system.
Data.
“Kenapa toko online tahu aku suka sepatu?”
Pintu masuk data dan tracking.
Generative AI.
“Kenapa chatbot bisa bikin cerita baru?”
Pintu masuk model generatif.
Bias.
“Kenapa gambar ‘CEO’ yang dibuat AI sering mirip tipe orang tertentu?”
Pintu masuk representasi.
Privacy.
“Kenapa nggak boleh upload foto rapor sembarangan?”
Pintu masuk data protection.
Tidak perlu membuat AI terasa seperti pelajaran dari planet lain.
Ia sudah ada di kehidupan anak.
Tugas orang dewasa adalah memberi nama pada pola yang sudah mereka alami.
Gunakan analogi, lalu tunjukkan batas analogi
Ini penting.
“AI belajar seperti anak.”
Analogi ini bisa membantu.
Tetapi juga menyesatkan jika dibiarkan.
Lanjutkan:
“Bedanya, AI tidak belajar seperti manusia yang punya pengalaman, tubuh, perasaan, dan hubungan. Ia belajar pola dari data dan training.”
Atau:
“Algoritma seperti resep.”
Lalu:
“Bedanya, algoritma komputer bisa jauh lebih kompleks dan memproses data sangat besar.”
Anak belajar satu kebiasaan bagus:
analogi membantu memahami.
Analogi bukan realitas penuh.
Ini juga melatih critical thinking.
Jangan biarkan metafora berubah menjadi miskonsepsi.
Bahasa anak berbeda menurut usia
Anak kelas 3 dan siswa SMA tidak perlu penjelasan sama.
Untuk anak kecil:
“AI menebak berdasarkan contoh.”
Untuk remaja:
“Model belajar pola statistik dari data dan menghasilkan prediksi atau output berdasarkan pola itu.”
Topik sama.
Kedalaman berbeda.
AI literacy yang baik berkembang.
Bukan sekali diajarkan lalu selesai.
Kelas 3 belajar:
AI bisa salah.
SMP:
kenapa bisa salah.
SMA:
bagaimana data, model, konteks, dan evaluasi memengaruhi kesalahan.
Bahasa mengikuti perkembangan.
Konsep tumbuh bertahap.
Gunakan bahasa Indonesia yang hidup
Tidak semua kalimat harus seperti buku teks.
Guru bisa berkata:
“AI ini pede banget, tapi belum tentu benar.”
Anak paham.
Lalu guru memperbaiki istilah:
“Dalam AI generatif, sistem bisa menghasilkan informasi tidak akurat dengan bentuk yang meyakinkan.”
Sekarang ada jembatan dari orality ke academic language.
Bahasa santai bisa masuk.
Tetapi jangan berlebihan.
Tujuannya membuat anak dekat dengan konsep.
Bukan mengejar slang.
Slang cepat berubah.
Konsep harus bertahan.
Gunakan istilah populer hanya ketika membantu.
Bahasa rumah juga punya peran
Seorang anak mungkin memahami konsep lebih cepat ketika dijelaskan dalam bahasa yang dipakai keluarga.
Tidak masalah.
Setelah paham, istilah sekolah dapat ditambahkan.
UNESCO terus menekankan pentingnya multilingual education dan pembelajaran dalam bahasa yang dipahami anak.
AI education seharusnya mengikuti prinsip yang sama.
Jika bahasa rumah adalah Jawa, Sunda, Minang, Bugis, Batak, Bali, atau bahasa lain, diskusi keluarga boleh terjadi dalam bahasa itu.
Teknologinya global.
Pemahamannya tidak harus dibangun dengan satu bahasa.
Justru multilingual thinking bisa memberi perspektif unik.
Anak bisa melihat ketika AI lebih kuat di satu bahasa dibanding bahasa lain.
Itu pelajaran AI literacy sendiri.
Buat kamus “bahasa rumah vs bahasa AI”
Kolom satu:
kata teknis.
Kolom dua:
bahasa sederhana.
Kolom tiga:
contoh rumah.
Bias:
hasil condong karena data atau desain.
Contoh:
kalau kita hanya tanya lima orang dari kelompok yang sama lalu bilang itu mewakili semua.
Prompt:
instruksi ke AI.
Contoh:
seperti memberi tugas, tapi harus jelas.
Verification:
memeriksa.
Contoh:
kalau AI bilang besok sekolah libur, cek pengumuman sekolah.
Model:
sistem yang sudah dilatih.
Contoh:
seperti mesin yang sudah belajar pola dari banyak contoh, tetapi tidak “tahu” seperti manusia.
Kamus ini bisa terus diperbaiki.
Anak ikut menulis.
Bukan menerima definisi jadi.
Gunakan cerita kecil
Misalnya:
Raka punya AI yang selalu merekomendasikan makanan pedas karena tiga kali terakhir ia memilih pedas.
Apakah AI “tahu Raka”?
Tidak.
Ia melihat pola.
Kalau hari ini Raka sakit perut, rekomendasinya bisa salah karena sistem tidak tahu konteks.
Satu cerita menjelaskan:
recommendation,
data,
context,
limitation.
Anak lebih mudah ingat.
Cerita tidak menggantikan penjelasan.
Cerita membuka.
Setelah itu guru memberi istilah.
Humanis bukan berarti tanpa konsep.
Humanis berarti konsep masuk lewat pengalaman manusia.
Ajarkan verification dengan bahasa sangat sederhana
“Kalau penting, jangan berhenti di AI.”
Ini aturan keluarga yang bagus.
AI bilang harga?
Cek.
AI bilang aturan sekolah?
Cek.
AI bilang info kesehatan?
Jangan jadikan keputusan sendiri.
AI bilang berita viral?
Cari sumber.
Anak belum perlu memahami epistemology.
Mereka perlu kebiasaan.
Nanti ketika lebih besar, bahasa bisa menjadi:
source evaluation,
evidence,
primary source,
uncertainty.
Fondasi perilaku dulu.
Istilah menyusul.
Jangan membuat privacy terdengar seperti seminar hukum
“Data privacy” bisa dijelaskan:
“Ada informasi tentang dirimu yang tidak perlu diberikan ke semua aplikasi.”
Contoh:
alamat,
password,
foto dokumen,
nomor identitas,
lokasi,
masalah pribadi,
data orang lain.
Kemudian tanya:
“Kalau AI cuma mau bantu bikin puisi, perlu tahu alamat rumah?”
“Enggak.”
“Nah.”
Data minimization menjadi konkret.
Anak paham karena ada keputusan.
Bukan definisi.
Bahasa dekat membantu etika menjadi tindakan.
Guru bisa mengubah satu istilah menjadi satu pertanyaan
Bias:
“Siapa yang mungkin tidak terwakili?”
Privacy:
“Data apa yang tidak perlu?”
Verification:
“Dari mana kita tahu?”
Human oversight:
“Siapa yang bertanggung jawab?”
Transparency:
“Apakah orang tahu AI dipakai?”
Agency:
“Keputusan siapa ini?”
Ini powerful.
Istilah AI terasa berat.
Pertanyaan membuatnya hidup.
Setiap kali memakai AI, anak punya checklist mental.
Tidak harus menghafal jargon.
Mereka tahu apa yang harus ditanyakan.
Bahasa keseharian juga mencegah orang tua merasa tertinggal
Orang tua mungkin berkata:
“Aku nggak ngerti teknologi.”
Tetapi mereka mengerti:
jangan percaya semua orang,
jaga rahasia,
cek sumber,
jangan menipu,
minta izin,
pikir sebelum kirim.
Semua nilai itu sangat relevan untuk AI.
AI literacy keluarga bisa dimulai dari nilai yang sudah ada.
Kemudian diterjemahkan ke konteks digital.
“Jangan kasih password.”
“Jangan bikin foto orang seolah nyata kalau dia nggak setuju.”
“Kalau jawabannya penting, cek.”
“Kalau bikin tugas, kamu harus tetap ngerti.”
Orang tua tidak perlu gelar teknologi untuk mengajarkan kompas.
Bahasa dekat membuka partisipasi orang dewasa.
Buat “penerjemah keluarga” tanpa menjadikan anak juru bahasa terus-menerus
Ada keluarga yang orang tuanya kurang familiar dengan istilah AI, sementara anak lebih sering mendengarnya di sekolah.
Sesekali anak bisa menjelaskan:
“Ma, deepfake itu video atau suara yang dibuat atau diubah supaya orang terlihat melakukan sesuatu yang sebenarnya tidak terjadi.”
Orang tua kemudian memberi konteks:
“Berarti kalau ada video aneh, jangan langsung percaya.”
Terjadi pertukaran.
Anak membawa istilah.
Orang tua membawa judgment kehidupan.
Tetapi jangan menjadikan anak satu-satunya orang yang harus menerjemahkan semua teknologi untuk keluarga. Sekolah tetap perlu memberi materi kepada orang tua dalam bahasa sederhana.
AI literacy keluarga akan lebih kuat kalau semua punya akses bahasa yang cukup.
Bukan anak bekerja sebagai technical support setiap malam.
Gunakan humor secukupnya
Anak lebih mudah ingat sesuatu yang dekat.
“AI bisa pede walau salah.”
Kalimat itu memorable.
Tetapi setelah tertawa, lanjutkan:
“Makanya kita perlu verification.”
Humor menjadi pintu.
Bukan isi utama.
Ini penting karena bahasa humanis bukan berarti semua teknologi dibuat meme.
Ada topik yang membutuhkan keseriusan:
privasi,
deepfake seksual,
grooming,
scam,
kesehatan,
dan keselamatan.
Nada harus mengikuti risiko.
Bahasa dekat tetap bisa tegas.
Sekolah sebaiknya menguji apakah anak benar-benar paham
Setelah menjelaskan “bias”, jangan hanya tanya:
“Apa definisi bias?”
Tanya:
“Kasih contoh.”
Atau:
“Kalau AI belajar dari data yang isinya hanya satu kelompok, apa risikonya?”
Kalau anak bisa menjelaskan dengan bahasa sendiri, konsep hidup.
Tidak perlu memaksa definisi textbook persis.
Akurasinya tetap diperiksa.
Tetapi ownership penting.
AI literacy bukan recital.
Ia kemampuan berpikir.
Bahasa yang tepat juga membuat anak lebih berani bertanya ketika belum paham. Itu sendiri sudah bagian dari literasi.
Kembali ke algoritma dan mi instan
Anak tadi akhirnya berkata:
“Berarti algoritma itu kayak langkah-langkah?”
Ayahnya menjawab:
“Untuk awal, iya. Tapi komputer bisa punya aturan yang jauh lebih rumit.”
“Nah, kalau AI?”
“AI bisa belajar pola dari data, jadi nggak semuanya ditulis satu-satu kayak resep.”
Anak mengangguk.
Percakapan bertambah sedikit lebih kompleks.
Itu proses yang sehat.
AI literacy dalam bahasa yang dekat dengan keseharian anak bukan berarti meremehkan teknologi.
Justru itu cara membuat teknologi benar-benar dipahami.
Mulai dari kata yang dikenal.
Contoh yang nyata.
Pertanyaan sederhana.
Lalu naikkan kedalaman.
Bahasa adalah jembatan.
Kalau anak terus berhenti di jargon, bukan berarti mereka tidak siap memahami AI.
Mungkin kita saja belum menemukan cara menjelaskannya dengan bahasa yang benar-benar mengundang mereka masuk.