Tiga Cara AI Memahami Dunia Fisik dengan Lebih Baik

fost-nepal.org – Model dunia yang berbasis kecerdasan buatan (AI) kini menjadi sorotan, terutama di bidang yang memerlukan pemahaman tentang dunia fisik, seperti robotika dan mobil otonom. Keterbatasan yang dihadapi model bahasa besar (LLM) dalam memprediksi konsekuensi fisik dari tindakan di dunia nyata mendorong investasi dalam pengembangan model dunia. AMI Labs baru-baru ini berhasil mengumpulkan dana sebesar $1,03 miliar, menyusul World Labs yang mendapatkan pendanaan hingga $1 miliar.

Menurut para peneliti, LLM sangat baik dalam memproses informasi abstrak, tetapi mereka tidak memiliki pemahaman mendalam tentang kausalitas fisik. Richard Sutton, penerima Turing Award, menyoroti bahwa LLM hanya meniru ucapan manusia, sehingga mengurangi kemampuannya untuk belajar dan beradaptasi dengan perubahan. Keterbatasan ini juga menyebabkan model berbasis LLM, seperti model bahasa-visual, sering menghasilkan hasil yang tidak konsisten saat mengalami perubahan kecil.

Mengatasi masalah ini, para peneliti berfokus pada pengembangan model dunia yang berfungsi sebagai simulator internal. Model ini memungkinkan sistem AI untuk menguji hipotesis dengan aman sebelum melakukan tindakan fisik. Terdapat berbagai pendekatan arsitektur yang digunakan, seperti Joint Embedding Predictive Architecture (JEPA) yang dikenal efisien dalam memprediksi interaksi elemen tampilan tanpa perlu memperhatikan detail yang tidak relevan.

Pendekatan lain, yang diadopsi oleh World Labs, menggunakan model generatif untuk menciptakan lingkungan spatial 3D. Metode ini menurunkan waktu dan biaya pembuatan lingkungan interaktif yang kompleks. Sementara itu, pendekatan generatif end-to-end memungkinkan model untuk mengolah input dan tindakan pengguna secara real-time, memperhitungkan fisika dan reaksi objek secara bersamaan.

Ke depan, arsitektur hibrida yang menggabungkan kekuatan dari berbagai pendekatan tampaknya menjadi arah pengembangan yang menjanjikan dalam memperkuat AI di dunia nyata.