Perkembangan kecerdasan buatan atau AI dalam beberapa tahun terakhir menunjukkan kemajuan yang sangat cepat. Model bahasa besar mampu menghasilkan teks, menerjemahkan bahasa, menulis kode, merangkum dokumen, hingga membantu berbagai pekerjaan profesional.

Namun, kemampuan tersebut masih menyisakan pertanyaan mendasar.

Apakah AI benar-benar memahami dunia yang dibicarakannya?

Kemampuan menghasilkan kalimat yang masuk akal belum tentu berarti sebuah sistem memiliki pemahaman mengenai bagaimana dunia bekerja. AI dapat mengetahui hubungan antara kata, gambar, suara, dan informasi berdasarkan data yang dipelajari, tetapi memahami konsekuensi sebuah tindakan membutuhkan kemampuan yang lebih kompleks.

Di sinilah konsep world models mulai mendapat perhatian.

Apa Itu World Models?

World models atau model dunia merupakan konsep yang mengacu pada kemampuan sistem AI untuk membangun representasi internal mengenai lingkungan di sekitarnya.

Sederhananya, AI tidak hanya mengetahui bahwa sebuah benda ada. Sistem juga perlu memahami bagaimana benda tersebut bergerak, berinteraksi, dan berubah ketika mendapatkan perlakuan tertentu.

Misalnya, manusia memahami bahwa gelas yang berada di tepi meja dapat jatuh ketika didorong.

Manusia tidak perlu mencoba menjatuhkan gelas tersebut terlebih dahulu untuk mengetahui kemungkinan akibatnya.

Pemahaman semacam itu terbentuk dari pengalaman dan model mental mengenai dunia.

AI masa depan diharapkan memiliki kemampuan serupa dalam bentuk komputasional.

Bahasa Saja Tidak Cukup

Model bahasa telah menunjukkan kemampuan luar biasa dalam memahami pola.

Ketika pengguna memberikan pertanyaan, model dapat menghasilkan jawaban berdasarkan hubungan statistik yang dipelajari dari data dalam jumlah besar.

Namun, dunia nyata tidak hanya terdiri dari bahasa.

Manusia berinteraksi dengan objek fisik, ruang, waktu, suara, gerakan, dan lingkungan yang terus berubah.

Sebuah robot yang diminta mengambil cangkir tidak cukup hanya mengetahui arti kata “cangkir”.

Robot perlu memahami lokasi cangkir, bentuknya, posisi tangan, jarak, gaya yang diperlukan, serta konsekuensi jika benda tersebut disentuh terlalu keras.

Masalah inilah yang membuat world models menjadi tantangan penting.

AI Perlu Memahami Sebab-Akibat

Salah satu kemampuan yang berkaitan erat dengan world models adalah memahami hubungan sebab-akibat.

Model AI yang hanya mengenali pola mungkin mengetahui bahwa tindakan tertentu sering diikuti kejadian tertentu.

Namun, sistem yang memiliki model dunia diharapkan dapat melakukan simulasi internal.

Jika saya melakukan tindakan A, apa kemungkinan yang terjadi setelahnya?

Pertanyaan semacam ini sangat penting bagi robot dan sistem otonom.

Mobil tanpa pengemudi, misalnya, harus memperkirakan apa yang terjadi jika kendaraan di depannya mengerem mendadak.

Sistem tidak dapat menunggu sampai kejadian benar-benar terjadi.

AI harus membuat prediksi dan mengambil keputusan dalam waktu singkat.

Robot Jadi Ujian Terbesar

Perkembangan robot humanoid menjadi salah satu bidang yang dapat memperlihatkan pentingnya world models.

AI berbasis teks dapat beroperasi di lingkungan digital dengan relatif mudah.

Robot memiliki tantangan berbeda.

Robot harus berhadapan dengan dunia fisik yang tidak selalu dapat diprediksi.

Sebuah benda dapat berubah posisi.

Lantai dapat licin.

Pencahayaan dapat berubah.

Manusia dapat bergerak secara tiba-tiba.

Benda yang terlihat sama juga dapat memiliki berat atau tekstur berbeda.

Karena itu, robot membutuhkan pemahaman lingkungan yang lebih luas.

World models dapat membantu robot memperkirakan kondisi tersebut sebelum melakukan tindakan.

Dari Persepsi ke Tindakan

AI tradisional sering memisahkan proses melihat dan bertindak.

Sistem pertama-tama menerima data dari kamera atau sensor, kemudian mengklasifikasikan objek, sebelum mengambil keputusan.

World models mencoba membawa proses tersebut lebih jauh.

AI dapat membangun representasi mengenai kondisi lingkungan dan menggunakan representasi itu untuk memperkirakan masa depan.

Dengan demikian, sistem tidak hanya bertanya, “Apa yang saya lihat?”

AI juga perlu memperkirakan, “Apa yang akan terjadi jika saya melakukan tindakan tertentu?”

Kemampuan ini berpotensi menjadi fondasi bagi agen AI yang lebih mandiri.

Tantangan Data

Membangun world models tidak mudah karena dunia jauh lebih kompleks dibandingkan kumpulan teks.

Model membutuhkan pengalaman dalam berbagai kondisi.

Untuk robot, data dapat berasal dari kamera, sensor gerak, audio, simulasi, dan interaksi langsung dengan lingkungan.

Masalahnya, mengumpulkan data dunia nyata membutuhkan biaya besar.

Robot harus bergerak dan melakukan eksperimen secara fisik.

Kesalahan juga dapat menyebabkan kerusakan perangkat.

Karena itu, simulasi menjadi salah satu metode penting untuk melatih sistem.

Simulasi Menjadi Laboratorium AI

Lingkungan simulasi memungkinkan AI mempelajari berbagai skenario tanpa harus selalu berhadapan dengan risiko dunia nyata.

Robot dapat belajar berjalan, mengambil benda, menghindari objek, atau berinteraksi dengan lingkungan virtual.

Data dari simulasi kemudian dapat digunakan untuk membantu sistem menghadapi kondisi nyata.

Namun, terdapat persoalan yang dikenal sebagai sim-to-real gap.

Dunia nyata tidak selalu sama dengan simulasi.

Perbedaan kecil pada gesekan, pencahayaan, bentuk objek, atau kondisi lingkungan dapat membuat strategi yang berhasil di simulasi gagal ketika diterapkan secara langsung.

Karena itu, world models harus mampu menghadapi ketidakpastian.

Memori Juga Penting

Pemahaman mengenai dunia tidak hanya membutuhkan persepsi saat ini.

AI juga membutuhkan memori.

Manusia dapat mengingat pengalaman sebelumnya dan menggunakannya untuk mengambil keputusan berikutnya.

Jika sebuah robot mengetahui bahwa lantai tertentu licin berdasarkan pengalaman sebelumnya, informasi tersebut dapat digunakan ketika menghadapi situasi serupa.

Memori membantu model membangun pemahaman yang lebih konsisten.

Tanpa memori, AI mungkin terus memperlakukan setiap situasi sebagai kejadian baru.

World Models dan Agen AI

Perkembangan agen AI membuat konsep world models semakin relevan.

Agen AI dirancang untuk melakukan serangkaian tindakan demi mencapai tujuan.

Berbeda dari chatbot yang terutama memberikan respons, agen dapat merencanakan dan menjalankan tugas.

Untuk melakukan hal tersebut secara aman, agen perlu memperkirakan konsekuensi dari tindakannya.

Misalnya, ketika diminta mengatur jadwal, agen perlu memahami hubungan antara waktu, prioritas, lokasi, dan perubahan kondisi.

Dalam lingkungan fisik, kebutuhan tersebut menjadi jauh lebih kompleks.

Risiko Kesalahan Tetap Ada

World models bukan berarti AI akan memiliki pemahaman sempurna mengenai dunia.

Model tetap dapat membuat kesalahan.

Prediksi yang salah dapat menghasilkan tindakan yang tidak sesuai.

Dalam lingkungan digital, kesalahan mungkin hanya menghasilkan jawaban yang keliru.

Dalam lingkungan fisik, kesalahan dapat menyebabkan kerusakan atau bahkan membahayakan manusia.

Karena itu, perkembangan world models harus disertai mekanisme keselamatan, pengujian, dan pengawasan manusia.

Perubahan Arah Pengembangan AI

Jika era sebelumnya banyak berfokus pada kemampuan bahasa, perkembangan berikutnya kemungkinan akan semakin menekankan pemahaman multimodal.

AI perlu menggabungkan teks, gambar, video, suara, ruang, dan tindakan.

Sistem yang dapat memahami berbagai jenis informasi secara bersamaan berpotensi memiliki kemampuan lebih baik dalam menghadapi lingkungan nyata.

Perubahan ini juga dapat memengaruhi industri AI.

Perusahaan tidak hanya membutuhkan model bahasa besar.

Mereka membutuhkan data dunia nyata, simulator, robot, sensor, dan infrastruktur komputasi.

Dampak bagi Industri

World models dapat memberikan dampak besar bagi berbagai sektor.

Di manufaktur, teknologi ini dapat membantu robot memahami lingkungan pabrik.

Di bidang transportasi, model dapat digunakan untuk memprediksi pergerakan kendaraan dan objek.

Sementara dalam industri kreatif, pemahaman dunia dapat membantu AI menghasilkan video dan simulasi yang lebih konsisten.

Potensi tersebut membuat penelitian mengenai world models menjadi semakin strategis.

Indonesia Perlu Mengikuti Perkembangan

Perubahan arah AI juga menjadi perhatian bagi Indonesia.

Jika perkembangan teknologi bergerak menuju sistem yang mampu memahami lingkungan dan bertindak secara mandiri, kebutuhan terhadap talenta baru akan meningkat.

Indonesia perlu memperkuat pendidikan di bidang AI, robotika, matematika, fisika, ilmu komputer, dan bidang terkait.

Pengembangan laboratorium penelitian juga penting.

Tidak semua inovasi harus berasal dari perusahaan besar.

Universitas dan peneliti lokal dapat mengambil peran dalam mengembangkan model, simulasi, maupun aplikasi yang sesuai dengan kebutuhan Indonesia.

Masa Depan AI Tidak Hanya Berbicara

Perkembangan world models menunjukkan bahwa masa depan AI kemungkinan tidak berhenti pada kemampuan menghasilkan teks.

AI perlu memahami dunia yang menjadi tempat manusia beraktivitas.

Kemampuan tersebut akan menjadi semakin penting ketika AI mulai digunakan sebagai agen yang dapat mengambil keputusan dan robot yang berinteraksi langsung dengan lingkungan.

Namun, perjalanan menuju AI dengan pemahaman dunia yang kuat masih panjang.

Banyak persoalan teknis dan keamanan yang harus diselesaikan.

Kesimpulan

Tantangan AI berikutnya bukan lagi sekadar memahami bahasa, melainkan membangun world models yang mampu merepresentasikan dunia dan memperkirakan konsekuensi tindakan.

Kemampuan tersebut menjadi penting karena AI mulai bergerak dari chatbot menuju agen dan sistem robotik yang dapat melakukan tindakan secara mandiri.

World models memungkinkan AI tidak hanya mengenali objek atau memahami kalimat, tetapi juga mempelajari hubungan antara ruang, waktu, objek, tindakan, dan akibat.

Meski potensinya besar, teknologi ini masih menghadapi tantangan seperti kebutuhan data, biaya pelatihan, simulasi, memori, ketidakpastian, serta keselamatan.

Perkembangan tersebut menandai babak baru dalam industri kecerdasan buatan. Jika model bahasa membuat AI semakin mahir berkomunikasi dengan manusia, world models berpotensi membuat AI semakin mampu memahami lingkungan tempat manusia hidup.

Dengan demikian, pertanyaan besar dalam perkembangan AI mulai bergeser: bukan lagi hanya seberapa baik mesin dapat berbicara, tetapi seberapa baik mesin dapat memahami dunia sebelum mengambil tindakan.