Dalam waktu kurang dari dua bulan sejak diluncurkan pada Agustus 2025, model penghasil gambar milik Google, Nano Banana, telah menghasilkan lebih dari 5 miliar gambar. Tiga belas juta pengguna baru masuk ke aplikasi Gemini dalam hanya 4 hari. Angka-angka ini menandai titik ketika gambar berhenti membutuhkan sesuatu yang “nyata” untuk ditiru. Maksudnya?
Selama ribuan tahun, pertanyaan tentang bagaimana sebuah gambar dihasilkan telah dibahas melalui konsep mimesis. Plato, dalam buku kesepuluh Republik, menempatkan gambar pada posisi paling rendah dalam tangga kebenaran: benda fisik meniru bentuk ideal, dan gambar atau lukisan meniru benda fisik tersebut. Lukisan sebuah kursi, menurut Plato, adalah tiruan dari tiruan, dua langkah menjauh dari kebenaran. Fotografi, ketika ditemukan berabad-abad kemudian, memperbaiki posisi itu: kamera merekam cahaya yang benar-benar dipantulkan dari benda nyata, sehingga tautannya dengan realitas bersifat kausal—hubungan fisik langsung antara cahaya dan permukaan film atau sensor.
Nano Banana dan Veo, model video milik Google yang dijalankan lewat aplikasi Flow, sepenuhnya memutus tautan kausal tersebut. Model-model ini tidak merekam cahaya dari dunia nyata. Mereka dilatih dari miliaran gambar dan video yang sudah ada, yang sebagian besar sudah berupa representasi, lalu menghasilkan gambar baru berdasarkan pola statistik dari representasi-representasi tersebut. Ini tiruan dari tiruan dari tiruan, disusun ulang oleh mesin yang tidak pernah “melihat” apa pun.
Filsuf Prancis Jean Baudrillard, dalam Simulacra and Simulation (1981), menyebut kondisi semacam ini sebagai simulakrum tahap akhir: gambar yang kehilangan hubungan dengan realitas yang justru mendahului realitas itu sendiri. Ketika Baudrillard menulis itu, teknologi yang tersedia masih jauh dari mampu menghasilkan gambar sedetail dan senyata Nano Banana atau Veo. Empat dekade kemudian, teorinya berubah dari spekulasi filosofis menjadi deskripsi teknis yang cukup akurat tentang cara kerja model-model ini.
Tapi ada bacaan lain yang perlu didudukkan sejajar sebelum buru-buru menyimpulkan generative AI sebagai “bencana representasi”. Aristoteles, dalam Poetics, tidak memperlakukan mimesis sebagai kelemahan seperti gurunya, Plato. Bagi Aristoteles, tiruan justru bisa menyingkapkan sesuatu yang lebih universal dan lebih benar dibandingkan dengan kejadian spesifik yang ditirunya— sebuah tragedi tidak harus benar-benar terjadi untuk mengajarkan sesuatu yang jujur soal kondisi manusia. Kalau logika ini dipakai, gambar yang dihasilkan Nano Banana atau Veo tidak otomatis lebih buruk hanya karena tidak merekam kejadian nyata—pertanyaannya bergeser ke soal apa yang mau disampaikan gambar itu, dan apakah penontonnya menyadari bahwa mereka sedang melihat sebuah konstruksi yang sengaja dibuat. Perbedaan antara bacaan Plato dan Aristoteles inilah yang membuat persoalan ini tidak bisa diselesaikan dengan menuduh teknologinya semata sebagai penipuan.
Nano Banana Pro memberi contoh menarik soal bagaimana Google berusaha menambal keretakan itu. Fitur “search grounding” pada model ini memungkinkan sistem menarik data nyata dari Google Search sebelum menghasilkan gambar—misalnya, kalau diminta membuat infografik tentang PDB Prancis tahun 2024, model akan mengambil angka yang benar terlebih dahulu sebelum menggambarnya. Ini terlihat seperti upaya mengembalikan tautan ke realitas. Perlu dicermati: data yang diambil itu benar, namun visualisasi yang dihasilkan tetap disintesis. Data faktual dipasang di atas kerangka gambar yang tetap dihasilkan dari pola statistik model, sesuatu yang jauh dari proses observasi langsung apa pun.
Veo membawa persoalan ini ke tingkat yang lebih berat, karena video secara historis punya status pembuktian yang lebih kuat dibanding foto—di ruang sidang, jurnalisme, atau dokumentasi pribadi, video selalu diperlakukan sebagai bukti yang lebih sulit dipalsukan ketimbang gambar diam. Fitur seperti “Ingredients to Video” dan “Frames to Video” di Flow menghasilkan klip dengan gerakan fisik realistis, ekspresi wajah yang konsisten, bahkan audio dan dialog yang tersinkronisasi secara alami, semuanya dihasilkan sekadar bermodal teks atau gambar acuan, tanpa kamera yang pernah benar-benar menyala di depan kejadian apa pun. Video kini bisa dibuat seyakin itu tanpa peristiwa nyata di baliknya, dan status video sebagai bukti kejadian ikut goyah bersamanya.
Google sendiri tampak menyadari taruhan ini. Semua gambar dan video yang dihasilkan Nano Banana serta Veo dibekali watermark tak terlihat bernama SynthID, dan belakangan ditambah standar C2PA Content Credentials, supaya asal-usul sintetisnya tetap bisa dilacak. Ini penting dicatat supaya argumen ini tidak jatuh ke kesimpulan berlebihan: perusahaan yang membangun mesin simulakrum ini juga membangun mekanisme untuk menandai batas antara yang direkam dan yang disintesis. Masalahnya, watermark itu hanya berguna kalau platform tempat gambar beredar mau memeriksanya, dan sebagian besar platform media sosial sampai hari ini belum melakukannya secara konsisten.
Dampak dari pergeseran ini paling terasa pada orang-orang yang selama ini menggantungkan penghidupan pada kemampuan meniru realitas secara akurat: fotografer produk, videografer pernikahan, ilustrator komersial. Gaya visual yang mereka bangun selama bertahun-tahun kini bisa ditiru oleh model yang dilatih dari jutaan foto serupa di internet, termasuk kemungkinan karya mereka sendiri, tanpa mereka pernah diberi tahu atau diberi kompensasi. Orang biasa yang mengabadikan momen keluarga lewat foto atau video menghadapi keraguan baru dari orang lain: pertanyaan “ini asli atau dibuat AI?” yang dulu hanya relevan untuk foto pejabat atau selebritas, sekarang berlaku untuk foto ulang tahun anak sendiri.
—
AAn.
