Kacamata AI yang hanya membakar uang tanpa praktis, malah menemukan "skenario" di ruang ujian? Wawancara eksklusif dengan profesor Hong Kong University of Science and Technology mengungkap kisah kelahiran "kacamata curang"

Berinvestasi saham hanya dengan mengandalkan laporan analis Jin Qilin yang otoritatif, profesional, tepat waktu, dan komprehensif, membantu Anda menggali peluang tema potensial!

Setiap wartawan | Li Xukui Ding Zhouyang | Editor | Huang Bowen

Awal semester musim semi, universitas di seluruh dunia terjebak dalam kecemasan dan euforia dalam gelombang AI (kecerdasan buatan).

“Kami memotong secara langsung 16 jurusan dan program sarjana, termasuk penerjemahan dan fotografi,” kata Sekretaris Partai Universitas Media China, Liao Xiangzhong. Ia menyatakan bahwa masa depan akan menjadi “era pembagian kerja manusia dan mesin,” dan kelas harus benar-benar direkonstruksi.

Pada bulan Maret, Wakil Rektor Utama Universitas Sains dan Teknologi Hong Kong (selanjutnya disebut “HKUST”) Guo Yi ke reporter “Daily Economic News” mengatakan bahwa HKUST telah meluncurkan serangkaian inovasi pendidikan AI tahun ini, termasuk semua mahasiswa wajib mengikuti mata kuliah umum AI sebanyak 6 SKS. HKUST juga akan menerapkan model “AI for X” ke semua mata kuliah, “membuat AI menjadi kompetensi dasar yang wajib dimiliki mahasiswa teknik dan sains.” Bagaimana mengubah pengajaran, ujian, dan pembuatan soal di era AI menjadi salah satu fokus utama HKUST tahun ini.

Yang menarik, Profesor Zhang Jun dari Departemen Teknik Elektronik dan Komputer HKUST dan Asisten Profesor Meng Zili telah melakukan eksperimen awal untuk menguji aplikasi perangkat wearable AI dalam ujian sebagai “tes tekanan.”

Tim Zhang Jun dan Meng Zili menciptakan sebuah “kacamata curang AI,” melakukan pengembangan ulang terhadap kacamata AR buatan dalam negeri Rokid, yang dipasang model GPT-5.2 dari OpenAI. Dalam eksperimen mereka, tampak seperti kacamata hitam biasa, bingkai lensa menyala dengan cahaya hijau redup, tidak hanya mampu secara otomatis mengenali soal, tetapi juga menampilkan jawaban di lensa. Pemakai selama 30 menit “mencontek jawaban” dapat menyelesaikan soal “Prinsip Jaringan Komputer” yang terkenal menakutkan, dengan skor 92,5, mengungguli 95% peserta ujian. Adegan dari film “Genius Shooter” benar-benar terjadi.

Gambar dari lokasi eksperimen | Sumber gambar: disediakan oleh narasumber

Faktanya, sudah ada universitas yang mengalami kasus nyata mahasiswa mencontek menggunakan kacamata AI. Di platform media sosial, ada pengguna yang menyatakan bahwa universitas mereka pernah mengeluarkan pengumuman terkait, menyebutkan adanya mahasiswa yang menggunakan kacamata pintar untuk mencontek.

Ketika alat berkembang menjadi mampu dengan mudah membantu orang mendapatkan nilai tinggi, apa yang seharusnya diuji di universitas? Reporter “Daily Economic News” (selanjutnya disebut “NBD”) baru-baru ini mengunjungi HKUST dan melakukan wawancara khusus dengan Zhang Jun dan Meng Zili. Berikut adalah rangkuman dari wawancara tersebut.

Ide melakukan eksperimen “mencontek dengan kacamata AI” berawal dari salah paham Meng Zili. Saat mengawasi ujian, dia melihat seorang mahasiswa memakai kacamata hitam, curiga mahasiswa tersebut mencontek menggunakan AR (Augmented Reality). Tapi setelah dia mendekat dan memeriksa, ternyata mahasiswa itu hanya memakai kacamata hitam biasa. Namun, “musuh bayangan” ini sangat menginspirasi: jika kacamata curang AI benar-benar muncul, bagaimana kita harus menghadapi ujian? Ini adalah eksplorasi terhadap perangkat keras cerdas dan juga menyentuh area reformasi ujian universitas di era AI yang mendalam.

NBD: Sebelum eksperimen, apa saja persiapan yang dilakukan untuk pengembangan kacamata ini? Mengapa memilih kacamata AI buatan dalam negeri Rokid?

Meng Zili: Proyek ini sudah dimulai sejak musim panas 2025. Pada awalnya, tujuan tim sangat sederhana—agar kacamata AI dapat menjawab seluruh soal secara lengkap dalam kondisi meniru ujian nyata. Tapi tentu saja, tidak cukup hanya membeli satu pasang dan langsung bisa digunakan. Kami melakukan iterasi selama empat bulan, mengoptimalkan algoritma agar kacamata dapat secara efektif menangkap informasi soal, mengirim data ke model besar, dan segera memberikan jawaban. Proses ini tidak boleh terlalu lambat, bahkan menunggu beberapa menit saja tidak bisa.

Zhang Jun: Banyak masalah yang terlibat di sini. Karena sebelumnya kami berdua adalah pengembang jaringan dan komunikasi, kami melihat banyak masalah yang harus diselesaikan melalui komunikasi jaringan. Misalnya, sudut pandang soal di dalam kacamata sangat kecil, dalam ruang lingkup yang kecil, harus mampu memotret dan membaca informasi dengan jelas, ini cukup sulit. Saat ini, kemampuan kacamata terbatas, tidak seperti gimbal drone yang bisa stabil memotret, meskipun kameranya HD, tetap tidak cukup.

Meng Zili: Kami sebenarnya sudah menguji banyak model kacamata, termasuk Meta dan berbagai perusahaan startup domestik. Sebagai pengembang, kami membeli lebih dari sepuluh model yang bisa diubah. Rokid adalah satu-satunya yang mampu bertahan selama satu jam saat diuji, model lain biasanya kehabisan daya dalam 10 menit. Rokid memiliki daya tahan baterai paling lama dan kameranya cukup jernih. Ada juga model yang lebih canggih, misalnya kacamata Meta yang bisa menampilkan gambar dan video berwarna penuh, tapi untuk skenario menjawab soal, tidak diperlukan.

NBD: Saat melakukan eksperimen ini, apakah setelah memakai kacamata langsung bisa melihat jawaban? Mengapa kacamata bisa tahu bahwa itu adalah soal?

Meng Zili: Ya, peserta yang kami uji saat itu adalah asisten pengajar kami. Kami memberitahu dia, apa pun yang muncul di layar kacamata, dia harus menyalin. Model besar cukup mengenali soal, dan secara otomatis menebak bahwa kebutuhan pengguna adalah mencari solusi, tanpa perlu memberi instruksi lain. Untuk soal isian, benar/salah, pertanyaan jawab, dan sambungan, kacamata akan menampilkan jawaban. Satu-satunya masalah adalah tidak bisa menampilkan gambar, tapi juga bisa memberi tahu dari mana ke mana harus disambungkan, serta memberi petunjuk cara menjawab secara spesifik.

NBD: Apakah eksperimen ini melebihi harapan kalian?

Meng Zili: Ada satu soal di mana AI menjawab “tidak tepat” karena menggunakan pengetahuan di luar kurikulum. Saya mengoreksi soal yang dibuat AI dan semua soal mahasiswa, karena jawaban AI berbeda dari jawaban standar, saat mengoreksi saya menganggapnya salah. Setelah saya tahu bahwa AI menggunakan pengetahuan di luar kurikulum, saya sangat terkejut.

Contoh jawaban salah | Sumber gambar: disediakan oleh narasumber

Sekarang, jalur kacamata AI bukan lagi sekadar eksperimen beberapa startup kecil, melainkan menjadi “medan perebutan” utama bagi raksasa teknologi global. Dari Meta, Google, Apple, hingga Huawei, Xiaomi, Alibaba, semua perusahaan besar ikut terjun, dan tren jalur ini terus meningkat. Bersamaan dengan itu, perusahaan seperti Thunderbird dan Yingmu yang fokus di bidang kacamata AI juga telah menyelesaikan beberapa putaran pendanaan, memperkuat pasokan industri.

Namun, meskipun pasokan AI kacamata sangat berkembang dan bahkan berlebih, aplikasi di sisi kebutuhan masih sangat membingungkan.

NBD: Pada bulan Maret, Alibaba meluncurkan “Qianwen AI Glasses,” kacamata AI pertama mereka. Bagaimana pandangan kalian terhadap “perlombaan persenjataan” antara produsen model besar dalam bidang kacamata AI ini? Saat ini, sejauh mana fungsi yang bisa digunakan dari kacamata AI?

Zhang Jun: Pertama, daya tahan baterai adalah masalah utama. Dalam beberapa skenario tertentu, penggunaan singkat masih memungkinkan. Jika hanya menggunakan interaksi suara, beban daya relatif lebih rendah; tapi jika melibatkan kamera dan interaksi langsung melalui video, kebutuhan daya meningkat. Saat ini, kacamata AI belum mampu melakukan interaksi real-time melalui video, bahkan kacamata AI Meta hanya mampu merekam foto dan video secara sederhana. Selain itu, karena keterbatasan konsumsi daya, kamera di kacamata AI dibuat sangat kecil, hasil fotonya tidak bisa disamakan dengan ponsel.

Meng Zili: Tujuan dari berbagai produsen kacamata AI berbeda-beda. Misalnya, Qianwen fokus pada kecerdasan, bagi mereka hardware lebih sebagai wadah model mereka sendiri; ada yang menonjolkan bobot ringan, dipakai seperti kacamata biasa, seperti AI kacamata INMO yang sangat ringan; ada juga yang fokus pada daya tahan baterai yang lama, berharap pengguna bisa memakainya seharian. Kami mendukung perkembangan beragam dari produsen kacamata AI agar pasar bisa terus maju. Mengenai skenario spesifik yang membuat pengguna perlu memakai kacamata AI, saat ini masih belum terselesaikan. Meskipun mencontek saat ujian tidak etis, itu memang motivasi kuat bagi mahasiswa untuk memakai kacamata AI. Kebutuhan pengguna terhadap fungsi lain dari kacamata AI juga belum terlalu besar. Kami juga sedang mengeksplorasi dan membuat beberapa aplikasi (APP).

NBD: Apakah kalian juga mengembangkan aplikasi terkait kacamata AI?

Meng Zili: Kami lebih banyak dari sisi perangkat lunak, agar pengoperasian kacamata AI lebih mudah. Baru-baru ini, kami membuat beberapa aplikasi menarik, seperti “Terjemahan Subteks.” Misalnya, saat saya berbicara dengan atasan dan dia berkata “Ayo pergi,” lalu saya bertanya, “Apakah kita pergi atau tidak?” Bagaimana merespons? Dalam situasi ini, kacamata AI akan memberikan beberapa saran.

Zhang Jun: Kami tidak ingin kacamata AI hanya memiliki satu fungsi saja. Dalam beberapa video demonstrasi online, kacamata akan memberi label pada apa yang dilihat—ini sepeda, itu mobil. Saya tidak perlu tahu semua label, dan tidak ingin informasi ini memenuhi pikiran saat keluar rumah. Saya ingin “personal assistant wearable” menjadi asisten pribadi yang selalu dipakai dan mengikuti pemakainya ke mana saja. Untuk mencapai ini, satu sisi harus mampu merekam apa yang dilihat, dan di sisi lain harus bisa memahami dan mengerti pengguna, sehingga bisa memberi peringatan dan informasi sebelumnya. Masalah ini melibatkan sistem yang kompleks dan banyak tantangan teknologi yang harus diselesaikan. Masih banyak jalan panjang untuk mencapai interaksi personal yang benar-benar personal antara manusia dan perangkat.

Kedatangan AI seperti penguat kemampuan, yang dengan cepat memperlihatkan jarak besar antara mahasiswa yang punya ide dan yang tidak. Dalam tim Zhang dan Meng, perubahan ini sangat nyata: dulu, ide bagus biasanya perlu dipoles satu sampai dua bulan, dan kemajuan semua orang hampir sama; sekarang, mahasiswa yang punya ide bisa mewujudkannya dalam satu hari berkat AI.

NBD: Banyak pendidik merasa ragu terhadap fenomena mahasiswa yang menyelesaikan tugas sepenuhnya dengan AI, dan di kelas juga muncul beberapa mahasiswa yang terlalu bergantung pada pencarian jawaban AI. Sebagai pengajar dari bidang komputer, bagaimana pandangan kalian?

Meng Zili: Saya selalu mendorong mahasiswa menggunakan AI. Saya rasa tren ini tidak bisa dihindari, menggunakan AI untuk mengerjakan tugas dan bertanya kepada AI sangat wajar. Guru-guru kita juga setiap hari menggunakan AI untuk membuat soal dan materi pelajaran. Saya tidak percaya AI akan membuat mahasiswa menjadi malas; sebelum ada AI, banyak mahasiswa juga menyalin jawaban dari internet. Sebaliknya, ada mahasiswa yang bahkan belum aktif menggunakan AI. Pada pelajaran pertama saya, saya ajarkan cara menggunakan agen cerdas, dan nanti saya juga akan mengajarkan mereka cara menggunakan OpenClaw. Untuk mengajarkan mahasiswa menggunakan AI, kami bahkan membangun platform AI sendiri, agar mahasiswa bisa bertanya tentang isi materi pelajaran secara langsung ke AI. Tujuan utama membangun platform ini adalah agar setelah mahasiswa mengajukan pertanyaan, AI bisa secara akurat menunjukkan halaman PPT yang berisi poin pengetahuan terkait dan langsung memberi tahu mahasiswa.

Zhang Jun: Betul, sebenarnya kami ingin mahasiswa berinteraksi dan berkomunikasi secara mandiri dengan AI, serta mengajukan pertanyaan. Kami tidak khawatir soal tingkat kehadiran di kelas, tetapi lebih peduli terhadap inisiatif mahasiswa. Masalahnya sekarang, mahasiswa tidak tahu harus bertanya apa ke AI, mereka tidak secara aktif meninjau materi dan kemudian bertanya-tanya bagaimana menggunakan AI untuk menyelesaikan masalah tersebut. Jika mereka hanya pasif menerima pengetahuan dan menyerahkan tugas ke AI, itu tidak banyak membantu perkembangan mereka.

NBD: Bagaimana preferensi kalian saat merekrut mahasiswa? Kemampuan apa yang harus dimiliki mahasiswa dan bagaimana hal ini tercermin dalam proses penerimaan?

Meng Zili: Saya rasa ini bisa dilihat dari obrolan ini, ada mahasiswa yang kurang inisiatif, tapi saya sulit menjelaskannya secara tepat.

Zhang Jun: Kami lebih banyak merekrut mahasiswa PhD, tidak hanya melihat nilai akademik di kertas, tetapi juga sangat memperhatikan proses komunikasi dan interaksi dengan mahasiswa. Meskipun saat ini dalam wawancara online, beberapa mahasiswa menggunakan AI untuk membantu menjawab, tetapi reaksi nyata dan performa mereka saat wawancara tetap mencerminkan kompetensi mereka secara keseluruhan. Di masa depan, banyak pekerjaan teknis mungkin akan digantikan AI, tetapi manusia tetap membutuhkan interaksi sosial nyata. Tidak ada yang mau berurusan hanya dengan mesin. Misalnya, sebagai programmer, jika hanya melakukan coding sederhana, AI memang bisa menggantikan; tapi jika berkembang ke posisi manajerial atau pemimpin tim, mampu mengarahkan AI menyelesaikan tugas dan berkomunikasi serta berkolaborasi secara efisien di dalam organisasi, soft skill semacam ini akan semakin penting di masa depan.

Seorang mahasiswa berusia 15 tahun masuk ke jurusan Teknik Elektronik di Tsinghua, mendapatkan nilai tertinggi di seluruh jurusan selama tiga tahun kuliah, dan terpilih sebagai penerima beasiswa utama di Tsinghua; saat masuk HKUST dengan gelar PhD dari Tsinghua, dia baru berusia 23 tahun.

Bagi Meng Zili, “menang dalam ujian” sudah menjadi hal yang biasa. Tapi, ketika alat AI yang dia kembangkan mulai mengubah aturan ujian tradisional, mantan “pembuat soal” ini mulai memikirkan cara penilaian di masa depan secara berbeda.

NBD: Apakah eksperimen ini menandakan bahwa ujian tertutup tradisional sudah benar-benar tidak efektif lagi? Bagaimana universitas harus menyesuaikan metode penilaian mereka?

Zhang Jun: Bukankah ini membuktikan bahwa ujian menjadi lebih bermakna? Setidaknya, dari segi menguji pemahaman mahasiswa terhadap pengetahuan, ujian tertutup akan menjadi semakin penting. Tentu saja, harus ada bentuk ujian lain, misalnya saat ini ujian lisan jarang dilakukan, dan saya rasa ke depannya akan lebih banyak. Ini bisa memberi gambaran lebih langsung tentang pemahaman mahasiswa terhadap pengetahuan, seperti saat ini banyak perusahaan meminta pelamar menulis kode di papan tulis saat wawancara. Saya mengajukan sebuah soal dan meminta mereka menjawab secara langsung. Ujian semacam ini tidak harus selalu mendapatkan jawaban benar, tetapi kita bisa melihat proses berpikir mereka, dan itu sangat penting.

Meng Zili: Pendekatan saya agak “radikal.” Saya percaya bahwa saat ini, dua tujuan utama ujian adalah: pertama, menguji apakah mahasiswa telah mempelajari pengetahuan; kedua, melakukan seleksi dan pengelompokan. Kemampuan yang dibutuhkan di dunia kerja saat ini seringkali tidak sepenuhnya sesuai dengan pengetahuan yang diuji. Saya berpendapat, apapun bidang yang dipelajari, pengembangan kemampuan adalah inti, dan mahasiswa harus menggunakan berbagai alat AI, tanpa perlu lagi memikirkan soal tertutup atau terbuka, atau menguji poin pengetahuan tertentu. Dengan AI, kita malah bisa lebih baik menilai kemampuan mahasiswa dalam mengerjakan proyek dan memecahkan masalah teknik, yang merupakan kompetensi inti yang lebih berguna di dunia nyata. Penilaian terhadap poin pengetahuan spesifik menjadi kurang penting.

Zhang Jun: Dari sudut pandang pengembangan keterampilan, kami sebenarnya ingin mahasiswa lebih mampu memanfaatkan alat AI, berharap AI bisa menjadi asisten pribadi mereka, yang menyesuaikan metode belajar berdasarkan kebiasaan dan karakter masing-masing mahasiswa. Dalam proses ini, AI bisa mendeteksi keahlian mereka dan membantu mereka menemukan minat dan makna hidup mereka. Saat ini, banyak orang sulit menemukan keahlian mereka sendiri, tetapi jika melalui interaksi dengan AI, AI memberi petunjuk dan arahan, mahasiswa bisa menemukan ketertarikan mereka terhadap bidang tertentu dan menyadari kemampuan mereka di bidang itu, sehingga bisa berkembang secara personal. Model pendidikan tradisional sulit melakukan personalisasi, tetapi AI membuka peluang tersebut.

(Intern Chang Songzhen juga berkontribusi dalam artikel ini.)

Gambar sampul: Sumber dari Media Library “Daily Economic News”