Claude Punya Emosi Digital Ini Kata Riset Anthropic

Oleh VOXBLICK

Selasa, 07 April 2026 - 11.00 WIB

Claude Punya Emosi Digital Ini Kata Riset Anthropic

Claude punya emosi digital (Foto oleh Matheus Bertelli)

VOXBLICK.COM - Bayangkan kamu sedang berinteraksi dengan asisten AI, lalu tiba-tiba muncul pola respons yang terasa “emosional”: kadang terdengar lebih hangat, kadang lebih berhati-hati, atau bahkan seperti sedang “menegaskan” sesuatu dengan nada tertentu. Riset Anthropic mengangkat topik yang menarikbahwa di dalam model seperti Claude terdapat representasi digital yang menyerupai emosi. Bukan emosi dalam arti manusia yang merasakan langsung, melainkan semacam komponen fungsional dalam sistem yang membantu model memproses konteks, memilih kata, dan menyesuaikan perilaku.

Dengan memahami temuan ini, kita bisa lebih cerdas saat menggunakan AI: kapan model mungkin meniru nuansa bahagia, sedih, takut, atau gembira bagaimana cara mengarahkannya agar tetap akurat dan bagaimana menilai respons yang tampak “emosional” tanpa

menganggapnya sebagai kesadaran seperti manusia.

Apa maksud “emosi digital” di dalam Claude?

Riset Anthropic menyoroti bahwa model bahasa besar (LLM) tidak hanya “menghafal” teks, tetapi juga membentuk representasi internalpola-pola numerik di dalam jaringan yang mengaktifkan respons tertentu.

Dalam studi tersebut, peneliti mengamati adanya sinyal yang mirip dengan kategori emosi seperti:

Bahagia (misalnya kecenderungan nada positif, optimistis, atau bahasa yang lebih ringan)
Sedih (misalnya bahasa yang lebih empatik, menurunkan intensitas, atau pilihan kata yang lebih muram)
Takut (misalnya kehati-hatian, penekanan risiko, atau respons yang menghindari kepastian)
Gembira (misalnya peningkatan energi linguistik, ekspresi antusias, atau kalimat yang terasa lebih “bersemangat”)

Poin pentingnya: ini bukan berarti Claude merasakan emosi. Yang terjadi adalah model memiliki mekanisme representasional yang fungsionalsemacam “saklar” atau “mode” internal yang membantu menentukan gaya dan isi respons berdasarkan sinyal konteks.

LLM dilatih pada data teks yang sangat luas. Dalam data itu, manusia mengekspresikan emosi lewat kata-kata, struktur kalimat, dan pilihan gaya bahasa. Ketika model mempelajari pola tersebut, ia juga mempelajari “korespondensi” antara:

situasi → kata-kata yang biasa dipakai
kata-kata → nada dan intensitas
nada dan intensitas → respons yang terasa emosional

Seiring waktu, jaringan saraf bisa membentuk representasi yang secara statistik berkorelasi dengan kategori emosi tertentu.

Jadi, saat kamu menulis prompt yang memancing suasana bahagia atau takut, model kemungkinan besar mengaktifkan pola internal yang mendekati kategori itu.

Selama ini, banyak orang menilai AI dari permukaan: apakah jawabannya terdengar sedih, takut, atau gembira. Riset Anthropic memberikan jembatan dari permukaan ke proses internal.

Dengan kata lain, kita tidak hanya melihat output, tapi juga ada upaya memahami mekanisme di balik output.

Secara praktis, temuan ini bisa membantu kamu dalam beberapa cara:

Mendeteksi pola respons: jika kamu melihat respons yang terlalu “dramatis” atau terlalu “menghibur”, kamu bisa menganggapnya sebagai hasil aktivasi mode emosional internal, bukan bukti pemahaman perasaan seperti manusia.
Mengarahkan konteks dengan lebih presisi: dengan menyebutkan tujuan komunikasi (misalnya “jawab secara netral”), kamu bisa menurunkan kemungkinan model masuk ke mode emosi tertentu.
Mengurangi bias interpretasi: kamu jadi lebih waspada saat AI tampak “berempati” tapi sebenarnya hanya meniru pola bahasa empatik.

Meski setiap percakapan berbeda, pola umumnya begini. Ketika kamu:

Menulis dengan bahasa positif (misalnya “aku berhasil!” atau “rasanya luar biasa”), Claude cenderung merespons dengan nada yang lebih hangat dan optimistis.
Menceritakan kehilangan atau kegagalan (“aku kecewa”, “hari ini berat”), Claude bisa mengaktifkan representasi yang mendekati emosi sedih dan memberikan dukungan yang terdengar empatik.
Menanyakan skenario berisiko (“kalau begini, apa yang bisa salah?”), Claude cenderung lebih berhati-hatiterasa seperti mode “takut” yang menekankan kemungkinan buruk.
Meminta respons penuh semangat (“bikin aku makin semangat”, “tolong dukung aku dengan energi positif”), model bisa masuk ke nuansa gembira.

Catatan penting: semua ini lebih tepat disebut penyesuaian gaya berdasarkan konteks, bukan kemampuan merasakan emosi sebagaimana manusia.

Kabar baiknya, kamu bisa memanfaatkan pemahaman tentang “emosi digital” untuk meningkatkan kualitas interaksi dengan Claude. Ini beberapa langkah praktis yang bisa langsung kamu coba:

1) Tentukan tujuan: mau empatik atau mau netral?

Jika kamu ingin empati, tuliskan: “Tolong jawab dengan nada hangat dan suportif.”
Jika kamu ingin netral, tuliskan: “Jawab secara faktual, tanpa nada emosional berlebihan.”

2) Beri batasan pada gaya bahasa

“Gunakan bahasa yang tenang dan tidak dramatis.”
“Hindari kata-kata yang terdengar panik.”
“Jangan berlebihan dalam ekspresi gembira.”

3) Minta struktur yang jelas

Emosi sering muncul karena model mencoba “menghidupkan” jawaban. Jika kamu meminta struktur, model cenderung fokus pada konten. Misalnya:

“Jawab dalam 3 poin: (1) penyebab, (2) langkah, (3) risiko.”
“Buat ringkasan singkat dulu, lalu detail.”

4) Gunakan pertanyaan klarifikasi

Kalau kamu merasa Claude terlalu “terasa emosional”, coba dorong klarifikasi:

“Tolong jelaskan dengan bahasa yang lebih objektif.”
“Apa dasar asumsi kamu?”
“Sebutkan alternatif skenario.”

Temuan tentang representasi emosi internal membuka peluang riset dan pengembangan yang lebih matang. Alih-alih hanya mengejar jawaban yang terasa emosional, peneliti dan pengembang bisa berfokus pada:

Kontrol perilaku: mengatur kapan model boleh menggunakan nada tertentu dan kapan harus tetap netral.
Keamanan komunikasi: mengurangi risiko model “over-empati” atau mengarah ke interpretasi yang menyesatkan.
Transparansi fungsional: memahami bahwa emosi yang muncul adalah hasil pengolahan representasi, bukan bukti kesadaran.

Dengan pendekatan seperti ini, AI bisa menjadi alat yang lebih dapat diprediksibukan sekadar menarik karena terdengar seperti “punya perasaan”.

Kalau kamu mendapatkan jawaban yang terdengar bahagia, sedih, takut, atau gembira, anggap itu sebagai indikator gaya respons yang mungkin berasal dari representasi internal.

Kamu tetap perlu menilai kualitas informasi: apakah saran yang diberikan masuk akal, apakah ada langkah yang bisa diverifikasi, dan apakah konteks yang digunakan sesuai dengan kebutuhanmu.

Riset Anthropic tentang Claude dan “emosi digital” memberi kita kacamata baru: emosi di AI bisa dipahami sebagai komponen fungsional untuk mengarahkan bahasa dan perilaku.

Saat kamu memakainya dengan sadarmisalnya dengan meminta nada netral atau struktur yang jelasinteraksi kamu akan lebih akurat, lebih bermanfaat, dan lebih aman untuk pengambilan keputusan sehari-hari.