Apakah model AI saat ini benar-benar mampu mengingat, berpikir, merencanakan, dan bernalar, seperti yang dilakukan otak manusia? Beberapa laboratorium AI mungkin akan membuat Anda percaya, namun menurut kepala ilmuwan AI Meta, Yann LeCun, jawabannya adalah tidak. Namun menurutnya kita bisa mencapainya dalam satu dekade atau lebih, dengan menggunakan metode baru yang disebut “model dunia.”
Awal tahun ini, OpenAI merilis fitur baru yang disebut “memori” yang memungkinkan ChatGPT untuk “mengingat” percakapan Anda. Model generasi terbaru dari startup ini, o1, menampilkan kata “berpikir” saat menghasilkan output, dan OpenAI mengatakan model yang sama mampu melakukan “penalaran yang kompleks.”
Sepertinya kita sudah cukup dekat dengan AGI. Namun, selama a pembicaraan baru-baru ini di Forum HudsonLeCun melemahkan orang-orang yang optimis terhadap AI, seperti pendiri xAI Elon Musk dan salah satu pendiri Google DeepMind Shane Legg, yang berpendapat bahwa AI tingkat manusia sudah dekat.
“Kita membutuhkan mesin yang memahami dunia; [machines] yang bisa mengingat sesuatu, yang punya intuisi, punya akal sehat, yang bisa bernalar dan berencana setingkat manusia,” kata LeCun saat berbincang. “Terlepas dari apa yang mungkin Anda dengar dari beberapa orang yang paling antusias, sistem AI saat ini tidak mampu melakukan semua hal tersebut.”
LeCun mengatakan model bahasa besar saat ini, seperti yang mendukung ChatGPT dan Meta AI, masih jauh dari “AI tingkat manusia.” Kemanusiaan mungkin membutuhkan “bertahun-tahun hingga puluhan tahun” lagi untuk mencapai hal seperti itu, katanya kemudian. (Namun hal ini tidak menghentikan bosnya, Mark Zuckerberg, untuk menanyakan kapan AGI akan terjadi.)
Alasannya jelas: LLM tersebut bekerja dengan memprediksi token berikutnya (biasanya beberapa huruf atau kata pendek), dan model gambar/video saat ini memprediksi piksel berikutnya. Dengan kata lain, model bahasa adalah prediktor satu dimensi, dan model gambar/video AI adalah prediktor dua dimensi. Model-model ini sudah cukup pandai dalam memprediksi dimensinya masing-masing, tetapi mereka tidak terlalu memahami dunia tiga dimensi.
Oleh karena itu, sistem AI modern tidak dapat melakukan tugas sederhana yang dapat dilakukan kebanyakan manusia. LeCun mencatat bagaimana manusia belajar membersihkan meja makan pada usia 10 tahun, dan mengendarai mobil pada usia 17 tahun – dan mempelajari keduanya dalam hitungan jam. Namun bahkan sistem AI tercanggih di dunia saat ini, yang dibangun berdasarkan ribuan atau jutaan jam data, tidak dapat beroperasi dengan andal di dunia fisik.
Untuk mencapai tugas yang lebih kompleks, LeCun menyarankan kita perlu membangun model tiga dimensi yang dapat memahami dunia di sekitar Anda, dan berpusat pada arsitektur AI jenis baru: model dunia.
“Model dunia adalah model mental Anda tentang bagaimana dunia berperilaku,” jelasnya. “Anda dapat membayangkan serangkaian tindakan yang mungkin Anda ambil, dan model dunia Anda akan memungkinkan Anda memprediksi dampak dari rangkaian tindakan tersebut terhadap dunia.”
Pertimbangkan “model dunia” di kepala Anda sendiri. Misalnya, bayangkan melihat kamar tidur yang berantakan dan ingin membersihkannya. Anda dapat membayangkan bagaimana mengambil semua pakaian dan menyimpannya akan berhasil. Anda tidak perlu mencoba berbagai cara, atau mempelajari cara membersihkan ruangan terlebih dahulu. Otak Anda mengamati ruang tiga dimensi, dan membuat rencana tindakan untuk mencapai tujuan Anda pada percobaan pertama. Rencana tindakan tersebut adalah saus rahasia yang dijanjikan oleh model dunia AI.
Salah satu keuntungannya adalah model dunia dapat mengambil lebih banyak data secara signifikan dibandingkan LLM. Hal ini juga membuat komputasi menjadi intensif, itulah sebabnya penyedia cloud berlomba untuk bermitra dengan perusahaan AI.
Model dunia adalah ide besar yang kini dikejar oleh beberapa laboratorium AI, dan istilah ini dengan cepat menjadi kata kunci berikutnya untuk menarik pendanaan ventura. Sekelompok peneliti AI yang sangat dihormati, termasuk Fei-Fei Li dan Justin Johnson, baru saja mengumpulkan $230 juta untuk startup mereka, World Labs. “Ibu baptis AI” dan timnya juga yakin bahwa model-model dunia akan menghasilkan sistem AI yang jauh lebih cerdas. OpenAI juga menggambarkan generator video Sora yang belum dirilis sebagai model dunia, namun belum menjelaskan secara spesifik.
LeCun menguraikan ide untuk menggunakan model dunia untuk menciptakan AI tingkat manusia di a makalah tahun 2022 pada “AI yang digerakkan oleh tujuan”, meskipun ia mencatat bahwa konsep tersebut sudah berusia lebih dari 60 tahun. Singkatnya, representasi dasar dunia (seperti video ruangan kotor, misalnya) dan memori dimasukkan ke dalam model dunia. Kemudian, model dunia memprediksi seperti apa dunia nantinya berdasarkan informasi tersebut. Kemudian Anda memberikan tujuan model dunia, termasuk perubahan keadaan dunia yang ingin Anda capai (seperti ruangan bersih) serta pagar pembatas untuk memastikan model tersebut tidak membahayakan manusia untuk mencapai tujuan (jangan membunuh tolong, saya sedang dalam proses membersihkan kamar saya). Kemudian model dunia menemukan urutan tindakan untuk mencapai tujuan tersebut.
Laboratorium penelitian AI jangka panjang Meta, FAIR atau Fundamental AI Research, secara aktif berupaya membangun AI dan model dunia yang berorientasi pada tujuan, menurut LeCun. FAIR dulunya mengerjakan AI untuk produk Meta yang akan datang, tetapi LeCun mengatakan laboratorium tersebut telah beralih dalam beberapa tahun terakhir untuk hanya berfokus pada penelitian AI jangka panjang. LeCun mengatakan FAIR bahkan tidak menggunakan LLM saat ini.
Model dunia adalah ide yang menarik, namun LeCun mengatakan kita belum membuat banyak kemajuan dalam mewujudkan sistem ini. Ada banyak permasalahan yang sangat sulit untuk dihadapi saat ini, dan menurutnya hal tersebut tentu saja lebih rumit dari yang kita kira.
“Ini akan memakan waktu bertahun-tahun sebelum kita dapat membuat semuanya berfungsi, atau bahkan satu dekade,” kata Lecun. “Mark Zuckerberg terus bertanya kepada saya berapa lama waktu yang dibutuhkan.”
