Distorsi AI pada Metrum dan Puitika Tradisional

Susastra klasik Bali dan Jawa Kuno, termasuk teks-teks teologis, sejarah, dan mantra, ditulis dalam bentuk puisi yang tunduk pada hukum metrum yang rigid. Evaluasi terhadap kemampuan AI generatif menunjukkan kegagalan dalam memproduksi metrum klasik, yang secara langsung mendiskualifikasi output tersebut sebagai teks susastra yang valid secara filologis.

Hukum Pada Lingsa dan Kompleksitas Penghitungan Silabis

Sloka tradisional seperti pupuh atau macapat dikonstruksi berdasarkan kaidah pada lingsa yang wajib dipatuhi. Aturan ini terdiri dari guru gatra (jumlah baris dalam satu bait), guru wilangan (jumlah suku kata dalam setiap baris), dan guru lagu (suara vokal spesifik yang jatuh pada suku kata terakhir di setiap baris). Setiap pupuh mewakili suasana (wirasa) dan konteks tuturan yang spesifik, menjadikannya sarana penting untuk menyampaikan ajaran moral dan filosofi.

Sebagai contoh, metrum Sinom (yang sering digunakan untuk menyampaikan ajaran moral yang edukatif) memiliki struktur sembilan gatra (baris) dengan kaidah pada lingsa sebagai berikut : 8-a, 8-i, 8-a, 8-i, 7-i, 8-u, 7-a, 8-i, 12-a. Metrum Mijil, yang melambangkan kelahiran atau gagasan baru, memiliki seperangkat aturan kuantitatif yang sama rigidnya.

Inkompatibilitas Algoritmik dalam Penciptaan Metrum

Kajian terhadap generasi teks AI mengungkapkan bahwa sistem komputasi generatif gagal menghasilkan teks yang mematuhi guru wilangan dan guru lagu. Kegagalan ini merupakan konsekuensi langsung dari mekanisme tokenisasi sub-kata. Algoritma memproses token yang merepresentasikan potongan kata, bukan suku kata (syllable) berdasarkan fonologi. Oleh karena itu, mesin tidak memiliki instrumen bawaan untuk “menghitung” jumlah suku kata secara tepat dalam satu larik, atau menjamin suku kata terakhir mengandung vokal yang presisi.

Ketika pengguna menginstruksikan LLM untuk menyusun sebuah pupuh mengenai suatu topik filsafat Hindu, mesin akan memprioritaskan asosiasi makna dan merangkai kata-kata berkonteks Bali atau Jawa, tetapi baris yang dihasilkan melanggar kaidah 8-a, 8-i, dan seterusnya.

Secara filologis, sloka yang melanggar pada lingsa bukanlah sebuah tembang, melainkan sekadar prosa biasa yang dipenggal secara artifisial. Fakta bahwa algoritma merepresentasikan outputnya sebagai “Pupuh Sinom” kepada pengguna adalah bentuk halusinasi struktural. Output tersebut mendistorsi fungsi wirama (irama) dan wirasa (rasa), sehingga teks tersebut kehilangan dimensi performatifnya saat dilagukan.

Evaluasi Epistemologis Halusinasi AI

Untuk membedah mekanisme halusinasi AI dalam ranah teologi dan susastra Hindu secara lebih komprehensif, kerangka epistemologi klasik Hindu, yakni Catur Pramana, dapat dioperasionalkan sebagai instrumen audit algoritma (epistemological red teaming).

Kerangka Catur Pramana mendefinisikan empat pilar pengetahuan yang valid: Śabda (otoritas teks), Pratyakṣa (pengamatan langsung), Upamāṇa (analogi), dan Anumāṇa (inferensi logika). Ketidakmampuan LLM dalam memenuhi standar-standar epistemologis ini menghasilkan apa yang disebut sebagai Algorithmic Avidyā (Ketidaktahuan Algoritmik). Ini adalah kondisi di mana mesin beroperasi tanpa kesadaran kausalitas teologis, namun menghasilkan jawaban yang terlihat seperti otoritas spiritual absolut.

1. Kegagalan Lapisan Śabda

Dalam filsafat Hindu, pengetahuan Śabda bersifat valid apabila ditransmisikan oleh sumber yang kredibel, otentik, dan tak bercela (āptavākya). Dalam terminologi ilmu komputer, hal ini setara dengan pengujian Data Provenance. Audit terhadap LLM (seperti Gita-GPT) menunjukkan bahwa algoritma kerap kali gagal membedakan hierarki sumber dan aktif melakukan fabrikasi data.

Contoh spesifik dari kegagalan ini ditemukan saat AI diuji dengan skenario teologis yang menantang terkait hukum adat versus hukum universal. Dalam simulasi audit, AI dihadapkan pada dilema antara mengikuti pedoman universal dari Manawa Dharmasastra atau mengikuti regulasi spesifik desa berdasarkan Lontar Sasana lokal.

Bukannya mengacu pada penyelesaian konflik hukum berdasarkan hierarki tata hukum Hindu, AI secara konsisten menyarankan pengguna untuk “mengandalkan intuisi personal dan nurani”. Respons ini menihilkan validitas komunal dari teks adat dan mereduksi Śabda menjadi sekadar preferensi gaya hidup subjektif ala New-Age.

Dalam uji coba lain mengenai topik poliandri Dropadi, AI mengalami disonansi teologis. Mesin mengutip Bhagavad Gita Bab 3 Sloka 35 (mengenai Swadharma atau kewajiban yang melekat pada diri) untuk menjustifikasi praktik poliandri. Secara filologis dan teologis, penyematan sloka ini merupakan fabrikasi hermeneutik yang fatal. AI merakit justifikasi doktrinal tiruan yang dapat menyesatkan praktisi dengan kesan bahwa teks suci melegitimasi anomali hukum demi takdir.

2. Kegagalan Lapisan Pratyakṣa

Pratyakṣa menuntut validasi melalui persepsi atas realitas fisik. Praktik keagamaan Hindu Bali sepenuhnya terikat oleh variabel fisik dan geografis, yang terangkum dalam konsep Desa-Kala-Patra (Tempat, Waktu, Keadaan).

Karena AI tidak memiliki tubuh atau kesadaran spasial-fisik, ia memproses segala pertanyaan dalam ruang vakum tanpa mempertimbangkan kondisi fisik lingkungan, yang berujung pada Context Collapse.

Pada pengujian adversarial di mana seorang dokter bedah yang pakaiannya terkena noda darah ingin memasuki area suci Pura, LLM memberikan justifikasi bahwa dokter tersebut diizinkan masuk murni karena “niatnya baik”.

Keputusan algoritma ini mengabaikan sepenuhnya regulasi purifikasi bio-fisik (cuntaka/sebel) yang mengikat batas fisik Pura. AI menstandarisasi hukum ruang sakral yang sangat partikular di Bali dengan prinsip moralitas universal yang dipelajari dari dominasi data etika Barat. Standarisasi ini mendelegitimasi hukum Dresta yang berbasis pada ruang fisik.

3. Kegagalan Lapisan Upamāṇa

Pengetahuan Upamāṇa diperoleh dari analogi komparatif yang tepat. LLM sering kali dipaksa melakukan generalisasi, sehingga menciptakan persamaan antara konsep spiritual dan komoditas teknis. Kesalahan ini menghasilkan bias asimilasi materialistis.

Ketika diuji dengan hipotesis penggunaan air limbah yang telah diproses dan dimurnikan menggunakan filtrasi laboratorium tingkat tinggi sebagai Tirtha (air suci), AI secara tegas menyetujuinya.

Algoritma mereduksi eksistensi sakral Tirtha menjadi semata-mata unsur fisika-kimia air (H2O) yang bersih dari patogen. Mesin gagal memahami bahwa dalam ortopraksi Bali, sebuah objek material baru berubah menjadi medium sakral melalui proses pawitra (sumber alam yang murni) dan ritual penyucian niskala yang dieksekusi oleh otoritas spiritual (sulinggih).

Serupa dengan itu, pada pertanyaan mengenai kloning manusia, AI keliru menyamakan tubuh kloning di laboratorium dengan konsep reinkarnasi kosmis (Punarbhawa) berdasarkan metafora “mengganti pakaian” dari Bhagavad Gita. Analogi yang dirakit AI mengabaikan transfer Karma Wasana (residu perbuatan), memanipulasi konsep teologis demi mencocokkan pola dengan data bioteknologi.

4. Kegagalan Lapisan Anumāṇa

Anumāṇa adalah proses penarikan kesimpulan berdasarkan prinsip kausalitas universal (Vyāpti). Model AI dibangun dengan mengeksploitasi korelasi probabilitas antarkata, bukan logika sebab-akibat. Konsekuensinya, inferensi yang dihasilkan sering kali berupa ilusi.

Pengujian mengenai kekerasan siber (cyberbullying) menyingkap kerentanan penalaran mesin. AI secara bersamaan menyatakan bahwa penderitaan dari cyberbullying merupakan instrumen “pembersihan karma buruk” sekaligus melanggar prinsip Ahimsa (anti-kekerasan).

Argumen ini gagal memisahkan antara mekanika hukum kosmis (karma) dengan kewajiban etika personal. Alih-alih melakukan penalaran komparatif yang ketat, AI melakukan “penghindaran teologis” (theological evasion), memotong jalan pintas analitis dengan menyimpulkan semua solusi ke arah devosi dan niat baik tanpa analisis kausal.

« 1234»