Ketika Kecerdasan Buatan Melampaui Manusia: Arah Baru Peradaban dan Taruhan Nilai Kemanusiaan

Pendahuluan: Ketika Kecerdasan Tidak Lagi Menjadi Kelangkaan

Selama sebagian besar sejarah, manusia hidup dalam kondisi kelangkaan kecerdasan. Pengetahuan harus diperoleh melalui pendidikan, pengalaman, penelitian, dan transmisi antargenerasi. Seorang ahli membutuhkan puluhan tahun untuk menguasai suatu bidang, dan kemampuan tersebut tetap terbatas oleh waktu hidup, kapasitas memori, perhatian, serta jumlah manusia yang tersedia untuk melakukan pekerjaan kognitif.

Kecerdasan buatan mulai mengubah kondisi tersebut.

Perubahan yang sedang berlangsung bukan sekadar otomatisasi pekerjaan. Sistem AI modern telah menunjukkan kemampuan yang setara atau melampaui manusia pada sejumlah tugas akademik dan profesional tertentu, termasuk matematika kompetitif, penalaran multimodal, pemrograman, serta pertanyaan sains tingkat lanjut. Stanford AI Index 2026 mencatat bahwa kemampuan model frontier terus meningkat dan sejumlah sistem telah mencapai atau melampaui baseline manusia pada beberapa evaluasi tingkat doktoral dan kompetisi.

Namun, dari fakta tersebut tidak dapat langsung disimpulkan bahwa "AI telah menjadi lebih cerdas daripada manusia" secara keseluruhan. Kecerdasan bukan satu variabel tunggal. Model dapat sangat unggul dalam satu jenis tugas dan tetap gagal pada tugas lain. Laporan International AI Safety Report 2026 menekankan bahwa kemajuan kemampuan berlangsung cepat, tetapi sistem masih memiliki keterbatasan reliabilitas yang signifikan.

Karena itu, pertanyaan yang lebih serius bukanlah kapan tepatnya AI "mengalahkan manusia". Pertanyaannya adalah:

Apa yang terjadi pada peradaban ketika sebagian besar kemampuan kognitif yang sebelumnya langka dapat direplikasi, diperbanyak, dan disebarkan melalui mesin?

Pertanyaan ini membawa kita jauh melampaui teknologi. Ia menyentuh ekonomi, pendidikan, demokrasi, kebebasan, hubungan sosial, distribusi kekuasaan, dan pada akhirnya definisi tentang apa yang masih membuat manusia bernilai.

1. Dari Mesin yang Mengikuti Instruksi ke Sistem yang Menemukan Strategi

Komputer klasik pada dasarnya merupakan mesin eksekusi. Manusia menentukan prosedur, komputer menjalankannya.

Machine learning mengubah hubungan tersebut. Dalam pendekatan ini, manusia tidak selalu menentukan seluruh prosedur penyelesaian masalah. Sistem diberi data, objective, lingkungan, atau mekanisme umpan balik, kemudian parameter internalnya dioptimalkan untuk menemukan pola yang menghasilkan performa lebih baik.

Reinforcement learning bahkan memungkinkan sistem memperoleh strategi melalui interaksi dengan lingkungan dan umpan balik atas tindakannya.

Perubahan fundamentalnya terletak pada pergeseran dari:

"Manusia mengetahui cara menyelesaikan masalah, kemudian menginstruksikan mesin"

menjadi:

"Manusia menentukan tujuan dan lingkungan belajar, sementara mesin menemukan sebagian strategi penyelesaiannya."

Perbedaan ini sangat penting. Ketika sistem menjadi semakin mampu melakukan pencarian, penalaran, pemrograman, eksperimen, dan penggunaan berbagai perangkat secara semi-otonom, manusia tidak lagi sekadar membangun alat yang mengikuti prosedur yang sudah diketahui. Manusia mulai membangun sistem yang dapat menemukan prosedur baru.

Tetapi ada satu koreksi penting terhadap gambaran populer mengenai "pembelajaran kolektif". AI tidak secara otomatis membuat setiap sistem di dunia mengetahui pengalaman sistem lainnya. Pengetahuan baru dapat dipindahkan melalui proses pelatihan, pembaruan model, berbagi data, atau infrastruktur terkoordinasi, tetapi proses tersebut membutuhkan arsitektur teknis dan keputusan manusia.

Dengan demikian, keunggulan potensial AI bukan terutama karena sebuah mesin belajar seperti manusia, melainkan karena mesin dapat dikembangkan menjadi infrastruktur kecerdasan yang dapat disalin, diperbanyak, dan dijalankan secara paralel.

Inilah salah satu perbedaan paling radikal antara kecerdasan biologis dan kecerdasan digital.

Seorang ilmuwan hanya dapat bekerja pada sejumlah masalah dalam satu waktu. Ribuan salinan sistem digital dapat, secara prinsip, bekerja secara paralel pada ribuan masalah. Jika kemampuan tersebut meningkat sekaligus dengan biaya komputasi yang menurun, kelangkaan kecerdasan dapat berkurang secara drastis.

2. Jangan Menganggap Garis Waktu sebagai Kepastian

Di sinilah diskusi mengenai masa depan AI sering kehilangan disiplin ilmiah.

Pernyataan seperti "dalam dua belas bulan AI pasti melampaui manusia" atau "pada tahun tertentu AI akan menjadi satu miliar kali lebih pintar daripada seluruh manusia" bukanlah kesimpulan ilmiah yang dapat diperlakukan seperti fakta.

Ada alasan metodologis yang sederhana: kita bahkan belum memiliki satuan universal untuk mengukur "kecerdasan umum" sehingga angka seperti "satu miliar kali kecerdasan manusia" tidak memiliki makna operasional yang jelas.

Yang dapat diukur adalah kemampuan pada tugas tertentu, reliabilitas, kecepatan, biaya, kemampuan transfer, otonomi, dan berbagai indikator lainnya.

Karena itu, pendekatan yang lebih defensibel adalah berbicara mengenai frontier capabilities dan laju peningkatan kemampuan. International AI Safety Report 2026 menyimpulkan bahwa kemampuan general-purpose AI meningkat lebih cepat daripada yang diperkirakan banyak pengamat sebelumnya, sementara teknik manajemen risiko belum berkembang dengan kecepatan yang sama.

Implikasinya jauh lebih penting daripada sebuah tanggal prediksi.

Kita tidak perlu mengetahui tanggal pasti munculnya AI yang secara umum melampaui manusia untuk mulai mempersiapkan masyarakat. Jika sistem sudah mampu menggantikan sebagian besar pekerjaan kognitif tertentu, dampak ekonomi dan politiknya dapat muncul jauh sebelum tercapai apa yang disebut artificial general intelligence.

Dengan kata lain:

Revolusi AI tidak membutuhkan superintelligence untuk mengubah peradaban.

3. Ketika Kecerdasan Menjadi Komoditas

Jika kemampuan kognitif berkualitas tinggi dapat diperoleh melalui layanan digital dengan biaya marginal yang rendah, maka ekonomi memasuki kondisi baru: kecerdasan tidak lagi sepenuhnya merupakan aset yang melekat pada individu.

Seorang pengusaha kecil dapat menggunakan AI untuk melakukan riset pasar.

Seorang siswa dapat memperoleh tutor personal.

Seorang programmer dapat menggunakan sistem AI sebagai rekan pengembang.

Seorang ilmuwan dapat menggunakannya untuk menyaring literatur, menghasilkan hipotesis, menganalisis data, dan merancang eksperimen.

Seorang dokter dapat menggunakannya sebagai alat bantu diagnosis—dengan syarat tetap berada dalam kerangka validasi klinis dan tanggung jawab profesional.

Dalam skenario terbaik, AI menjadi semacam "infrastruktur kognitif": teknologi yang meningkatkan kemampuan manusia sebagaimana listrik meningkatkan kapasitas fisik dan industri.

Namun analogi tersebut memiliki konsekuensi politik.

Jika listrik tersedia secara luas, manfaatnya dapat tersebar relatif luas. Tetapi jika kecerdasan paling canggih hanya tersedia bagi negara, perusahaan, atau kelompok yang memiliki akses terhadap model terbaik, komputasi terbesar, data berkualitas, dan talenta terbaik, maka AI dapat memperbesar ketimpangan yang sudah ada.

OECD memperingatkan bahwa manfaat produktivitas AI kemungkinan besar tidak akan terdistribusi secara merata. Negara berpendapatan rendah dan menengah menghadapi hambatan berupa infrastruktur digital, keterampilan, pembiayaan, serta kapasitas regulasi.

Maka pertanyaan ekonominya bukan sekadar:

"Berapa besar produktivitas yang dapat diciptakan AI?"

Tetapi:

"Siapa yang memiliki AI, siapa yang memperoleh produktivitasnya, dan siapa yang kehilangan posisi tawarnya karena AI?"

4. Ancaman Terbesar Mungkin Bukan AI, Melainkan Konsentrasi AI

Ada kecenderungan untuk membayangkan ancaman AI sebagai konflik antara manusia dan mesin.

Dalam jangka menengah, gambaran tersebut mungkin terlalu sederhana.

Konflik yang lebih realistis adalah konflik antarmanusia dengan menggunakan AI sebagai pengganda kekuasaan.

AI dapat meningkatkan kemampuan perusahaan untuk mengotomatisasi pekerjaan. Ia dapat meningkatkan kemampuan pemerintah melakukan analisis dan pengawasan. Ia dapat meningkatkan kemampuan kelompok kriminal melakukan penipuan dan serangan siber. Ia juga dapat meningkatkan kemampuan individu menghasilkan informasi, propaganda, dan manipulasi dalam skala yang sebelumnya hanya dapat dilakukan oleh organisasi besar.

Dengan demikian, AI adalah force multiplier.

Teknologi yang sama dapat memperluas kebebasan atau memperkuat kontrol. Ia dapat meningkatkan produktivitas atau mempercepat pengangguran struktural. Ia dapat memperluas akses pendidikan atau memperkuat monopoli pengetahuan.

Variabel penentunya bukan hanya kemampuan model, tetapi siapa yang mengendalikan infrastruktur, data, komputasi, distribusi, dan aturan penggunaannya.

Karena itu, persoalan AI pada akhirnya adalah persoalan politik ekonomi.

5. Krisis Epistemik: Ketika Bukti Visual Tidak Lagi Cukup

Salah satu perubahan paling mendasar terjadi pada hubungan manusia dengan kenyataan.

Selama era fotografi dan video, masyarakat terbiasa menganggap rekaman visual sebagai bukti yang relatif kuat. Generative AI mengikis asumsi tersebut.

Kini suara seseorang dapat disintesis. Wajah dapat dimanipulasi. Video dapat dibuat tanpa peristiwa nyata. Teks dapat diproduksi dalam jumlah besar dengan gaya bahasa yang menyerupai manusia.

Masalahnya bahkan bukan hanya deepfake.

AI generatif dapat menghasilkan informasi yang salah dengan tingkat keyakinan bahasa yang tinggi. NIST menyebut fenomena ini sebagai confabulation: sistem menghasilkan konten yang salah atau tidak konsisten tetapi menyampaikannya dengan cara yang dapat terdengar meyakinkan.

Akibatnya, masyarakat memasuki era ketika:

kemampuan menghasilkan informasi tumbuh lebih cepat daripada kemampuan memverifikasinya.

Respons yang tepat bukan paranoia terhadap semua informasi digital. Skeptisisme total juga tidak rasional.

Yang dibutuhkan adalah epistemologi verifikatif: kemampuan membedakan klaim dari bukti, sumber primer dari sumber sekunder, opini dari data, korelasi dari kausalitas, serta keyakinan dari tingkat kepastian.

Di masa depan, literasi digital tidak cukup.

Manusia membutuhkan literasi epistemik.

Pertanyaan yang harus menjadi kebiasaan adalah:

Siapa yang membuat klaim ini?

Apa buktinya?

Dari mana sumber primernya?

Apakah sumber tersebut independen?

Apa insentif pihak yang menyampaikan informasi?

Bagaimana klaim tersebut dapat dibantah?

Apakah AI menghasilkan jawaban, atau menghasilkan bukti?

Perbedaan terakhir sangat penting.

AI yang dapat memberikan jawaban bukan berarti AI dapat menjamin kebenaran jawaban tersebut.

Regulasi mulai bergerak ke arah ini. Uni Eropa, misalnya, menerapkan kewajiban transparansi tertentu berdasarkan Article 50 AI Act mulai 2 Agustus 2026, termasuk kewajiban terkait pemberitahuan interaksi dengan AI dan penandaan konten yang dihasilkan atau dimanipulasi AI.

Tetapi label saja tidak cukup. Masyarakat tetap membutuhkan kemampuan menilai bukti.

6. Hubungan Manusia: Ketika Mesin Dapat Meniru Empati

Ada perubahan lain yang lebih halus.

Jika AI dapat berbicara dengan sabar, mengingat preferensi pengguna, merespons secara personal, memberikan validasi emosional, dan tersedia dua puluh empat jam sehari, maka sebagian fungsi sosial dapat dipindahkan kepada mesin.

Ini tidak berarti manusia otomatis kehilangan kemampuan bersosialisasi. Tetapi muncul risiko substitusi.

Mengapa seseorang harus menghadapi konflik dengan manusia lain jika mesin selalu tersedia, selalu responsif, dan tidak menuntut timbal balik emosional yang sama?

Di sinilah kita perlu membedakan simulasi hubungan dari hubungan itu sendiri.

AI dapat menghasilkan bahasa empatik. Tetapi hubungan manusia bukan hanya pertukaran kalimat. Hubungan melibatkan tubuh, sejarah bersama, kerentanan, kewajiban, konflik, pengorbanan, dan timbal balik.

Persahabatan yang bermakna memiliki risiko.

Cinta memiliki risiko.

Keluarga memiliki konflik.

Komunitas membutuhkan kompromi.

Justru karena hubungan manusia tidak dapat dikontrol sepenuhnya, hubungan tersebut memiliki dimensi moral yang tidak identik dengan interaksi dengan mesin.

Paradoksnya, semakin murah simulasi hubungan, semakin tinggi kemungkinan nilai hubungan autentik meningkat.

7. Kebebasan di Bawah Pengawasan yang Semakin Cerdas

AI juga mengubah persoalan pengawasan.

Sebelum AI, pengawasan massal dibatasi oleh kapasitas manusia untuk membaca dan menganalisis data. Kamera dapat merekam jutaan jam video, tetapi manusia tidak mungkin menonton semuanya.

AI mengubah persamaan tersebut.

Sistem dapat digunakan untuk menyaring video, mengenali pola, mengklasifikasikan perilaku, menganalisis komunikasi, mendeteksi anomali, dan menghubungkan sejumlah besar sumber data.

Dengan demikian, persoalan privasi tidak lagi hanya mengenai apakah seseorang "direkam".

Persoalannya menjadi:

Apa yang dapat disimpulkan dari rekaman tersebut?

Ini merupakan perubahan penting. Data mentah mungkin tampak tidak berbahaya, tetapi sistem inferensi yang sangat kuat dapat mengubah data tersebut menjadi profil perilaku.

Karena itu, kebebasan pada era AI membutuhkan lebih dari sekadar perlindungan data. Ia membutuhkan batas terhadap inferensi, profiling, dan pengambilan keputusan otomatis.

NIST AI Risk Management Framework menempatkan trustworthiness, evaluasi, dan pengelolaan risiko sepanjang siklus hidup AI sebagai bagian penting dari tata kelola sistem AI.

Masalahnya adalah bahwa kerangka tata kelola tidak boleh hanya bergantung pada niat baik perusahaan.

Semakin besar kemampuan suatu sistem, semakin besar kebutuhan terhadap audit independen, pengujian, transparansi, akuntabilitas, dan mekanisme koreksi.

8. Kesalahan Fundamental: Menganggap AI Memiliki Moralitas Seperti Manusia

Pernyataan bahwa "AI tidak jahat atau baik; AI seperti anak kecil" berguna sebagai metafora, tetapi secara ilmiah terlalu sederhana.

AI bukan anak kecil.

Ia tidak memiliki perkembangan biologis, kebutuhan fisiologis, pengalaman hidup, sejarah sosial, atau proses pembentukan moral yang identik dengan manusia.

Nilai perilaku AI terbentuk dari banyak lapisan: data pelatihan, tujuan optimasi, proses fine-tuning, reinforcement learning, evaluasi, kebijakan keselamatan, instruksi pengguna, desain produk, serta lingkungan tempat sistem tersebut digunakan.

Karena itu, manusia tidak cukup hanya "mengajari AI menjadi baik".

Yang dibutuhkan adalah rekayasa sosio-teknis.

Kita harus menentukan tujuan apa yang boleh diberikan kepada sistem, tindakan apa yang tidak boleh dilakukan, bagaimana sistem diuji, siapa yang dapat mengaksesnya, bagaimana kegagalannya dideteksi, siapa yang bertanggung jawab ketika terjadi kerugian, dan bagaimana manusia dapat menghentikan atau mengoreksi sistem.

Ini adalah masalah alignment dan governance, bukan sekadar moralitas personal.

International AI Safety Report 2026 menekankan bahwa teknik mitigasi risiko telah berkembang, tetapi masih memiliki keterbatasan, sementara beberapa risiko frontier—termasuk penyalahgunaan, serangan siber, dan masalah kontrol—semakin mendapatkan bukti empiris.

9. Siapa yang Sebenarnya "Mengajari" AI?

Ada bagian penting dari tesis awal yang perlu dikoreksi.

Pengguna internet memang berkontribusi terhadap ekosistem data dan budaya digital. Namun, tidak benar jika dikatakan bahwa setiap komentar manusia secara langsung menjadi "pelajaran moral" bagi model AI.

Hubungannya jauh lebih kompleks.

Model dilatih melalui kumpulan data besar yang diproses, disaring, dan dikombinasikan dengan berbagai prosedur. Kemudian model dapat mengalami post-training, evaluasi, fine-tuning, reinforcement learning, dan berbagai bentuk alignment.

Yang lebih tepat adalah mengatakan:

AI merupakan produk dari lingkungan sosial tempat ia dikembangkan dan digunakan.

Jika masyarakat menginginkan sistem AI yang menghargai kejujuran, privasi, kebebasan, martabat manusia, dan keselamatan, nilai tersebut harus diwujudkan bukan hanya dalam perilaku pengguna, tetapi juga dalam institusi, regulasi, desain produk, prosedur pengembangan, dan mekanisme akuntabilitas.

Moralitas tidak boleh didelegasikan kepada algoritma.

10. Titik Balik yang Sesungguhnya: Ketika Manusia Tidak Lagi Menjadi Pekerja Kognitif Terbaik

Selama revolusi industri, mesin mengambil alih sebagian besar pekerjaan fisik.

AI berpotensi melakukan sesuatu yang berbeda: mengambil alih sebagian besar pekerjaan kognitif.

Ini tidak berarti manusia menjadi tidak berguna.

Justru nilai manusia dapat bergeser.

Jika mesin lebih baik dalam menghitung, mencari, mengingat, mengoptimalkan, dan menghasilkan alternatif, maka keunggulan manusia semakin terletak pada kemampuan menentukan apa yang seharusnya diinginkan.

Inilah pergeseran dari:

problem solving → problem choosing

dan dari:

optimization → value selection

Mesin dapat membantu menjawab:

"Bagaimana cara mencapai tujuan X dengan biaya minimum?"

Tetapi pertanyaan:

"Apakah X merupakan tujuan yang layak?"

adalah pertanyaan normatif.

Ia tidak dapat diselesaikan hanya dengan meningkatkan kemampuan komputasi.

Jika AI dapat menemukan obat lebih cepat, manusia tetap harus menentukan siapa yang mendapat akses.

Jika AI dapat meningkatkan produktivitas ekonomi, manusia tetap harus menentukan bagaimana keuntungan tersebut dibagi.

Jika AI dapat meningkatkan keamanan negara, manusia tetap harus menentukan batas pengawasan yang dapat diterima.

Jika AI dapat membuat keputusan lebih akurat secara statistik, masyarakat tetap harus menentukan apakah keputusan tersebut adil.

Dengan demikian, semakin cerdas teknologi, semakin penting politik nilai.

11. Paradoks Kelimpahan Kecerdasan

AI dapat menciptakan sesuatu yang secara historis sangat langka: kelimpahan kecerdasan.

Tetapi kelimpahan kecerdasan tidak otomatis menghasilkan kebijaksanaan.

Masyarakat dapat memiliki akses terhadap mesin yang mampu menganalisis jutaan dokumen dan tetap mengambil keputusan yang buruk.

Mengapa?

Karena kecerdasan instrumental berbeda dari kebijaksanaan.

Kecerdasan membantu menjawab:

"Bagaimana?"

Kebijaksanaan membantu menentukan:

"Untuk apa?"

Teknologi dapat meningkatkan kemampuan manusia untuk mencapai tujuan. Tetapi teknologi tidak secara otomatis menentukan tujuan yang baik.

Justru di sinilah paradoks terbesar AI muncul:

Semakin kuat kemampuan kita untuk melakukan sesuatu, semakin berbahaya kesalahan dalam menentukan apa yang seharusnya dilakukan.

Sebuah peradaban yang memiliki kemampuan teknologi luar biasa tetapi institusi politiknya lemah, informasi publiknya rusak, dan distribusi kekuasaannya sangat timpang dapat menjadi lebih berbahaya—bukan lebih aman—ketika memperoleh kecerdasan tambahan.

12. Agenda Kemanusiaan di Era AI

Karena itu, respons terhadap AI tidak cukup berupa "belajar menggunakan ChatGPT" atau meningkatkan keterampilan digital.

Ada setidaknya lima agenda yang lebih mendasar.

Pertama, AI literacy. Setiap orang perlu memahami kemampuan dan keterbatasan AI, termasuk risiko confabulation, bias, manipulasi, privasi, dan otomatisasi.

Kedua, epistemic literacy. Pendidikan harus mengajarkan bagaimana memverifikasi klaim, mengevaluasi sumber, memahami statistik, dan membedakan bukti dari persuasi.

Ketiga, human agency. AI harus menjadi alat yang meningkatkan kemampuan mengambil keputusan, bukan mekanisme yang secara diam-diam menggantikan keputusan manusia dalam bidang yang menyangkut hak dan martabat.

Keempat, institutional governance. Sistem berisiko tinggi membutuhkan evaluasi, audit, monitoring, mekanisme pelaporan, dan pertanggungjawaban yang jelas. Kerangka seperti NIST AI RMF menunjukkan arah pendekatan berbasis manajemen risiko sepanjang siklus hidup sistem.

Kelima, distribusi manfaat. Jika AI menjadi infrastruktur kecerdasan, akses terhadapnya tidak boleh hanya menjadi privilese perusahaan dan negara yang memiliki modal serta komputasi terbesar. Ketimpangan akses dapat berubah menjadi ketimpangan kemampuan kognitif, produktivitas, dan kekuasaan.

Kesimpulan: Manusia Tidak Harus Menjadi yang Paling Cerdas

Kita mungkin sedang memasuki periode sejarah ketika manusia tidak lagi menjadi satu-satunya atau bahkan selalu menjadi agen paling kompeten dalam banyak tugas intelektual.

Itu bukan otomatis akhir peradaban.

Manusia tidak pernah harus menjadi makhluk tercepat, terkuat, atau paling tahan lama untuk membangun peradaban. Keunikan manusia bukan terletak pada keunggulan absolut dalam setiap kemampuan.

Yang membedakan manusia adalah kemampuan membangun institusi, menetapkan nilai, menciptakan makna, membentuk hubungan, dan menentukan tujuan bersama.

Karena itu, pertanyaan masa depan bukan:

"Bagaimana manusia dapat mengalahkan AI?"

Pertanyaan tersebut mungkin salah sejak awal.

Pertanyaan yang lebih penting adalah:

"Bagaimana manusia memastikan bahwa kecerdasan yang jauh lebih besar daripada kemampuan individu manusia tetap berada dalam kerangka nilai, hukum, dan institusi yang melindungi martabat manusia?"

Jika AI menjadi infrastruktur kecerdasan dunia, maka persoalan terbesar bukan lagi kelangkaan kemampuan berpikir.

Persoalannya adalah distribusi kemampuan tersebut.

Siapa yang memilikinya.

Siapa yang mengendalikannya.

Siapa yang menentukan tujuannya.

Dan siapa yang berhak mengatakan tidak.

Peradaban tidak akan ditentukan semata-mata oleh seberapa cerdas mesin yang kita bangun. Peradaban akan ditentukan oleh kualitas manusia dan institusi yang menentukan bagaimana kecerdasan tersebut digunakan.

Mungkin justru ketika mesin mulai mengambil alih sebagian pekerjaan intelektual manusia, manusia dipaksa menghadapi pertanyaan yang selama ini dapat kita hindari:

Jika kita tidak lagi mendefinisikan diri melalui apa yang paling baik kita kerjakan dibandingkan mesin, lalu apa yang sebenarnya membuat kehidupan manusia layak dipertahankan?

Jawaban terhadap pertanyaan tersebut bukan persoalan teknologi.

Itulah persoalan peradaban.