Model dunia (world models) dipandang sebagai terobosan besar berikutnya dalam pengembangan kecerdasan buatan (AI). Berbeda dengan model bahasa besar (LLM) yang berfokus pada pemrosesan dan penciptaan teks alami seperti yang digunakan chatbot ChatGPT, model dunia berusaha menerjemahkan dunia fisik secara digital. Mereka memahami hukum fisika, deteksi objek, serta pergerakan dalam lingkungan sekitar.
Demis Hassabis, CEO Google DeepMind, menegaskan bahwa meskipun LLM akan tetap menjadi komponen penting dalam AI, model dunia merupakan langkah krusial berikutnya demi terciptanya sistem AI generasi mendatang yang lebih menyatu dan fungsional. Model dunia memungkinkan AI untuk tidak hanya menghasilkan kata-kata, namun juga benar-benar memahami dunia nyata — sebuah kemampuan yang saat ini masih sangat terbatas pada teknologi AI eksisting.
Peran dan Manfaat Model Dunia dalam AI
Model dunia tidak dirancang agar pengguna berinteraksi langsung seperti chatbot. Namun perannya sangat besar dalam aplikasi seperti pembuatan video realistis, pengendalian robot bedah, dan peningkatan kemampuan kendaraan otonom. Teknologi ini membentuk dasar dari physical AI, yaitu AI yang bisa memahami sekaligus bertindak dalam dunia nyata secara efektif.
Para pelopor AI terkemuka turut menyoroti pentingnya spatial intelligence, yang merupakan kemampuan memahami lingkungan fisik. Fei-Fei Li, sang “ibu baptis AI”, menyatakan spatial intelligence akan merevolusi cara manusia dalam berkarya dan berinteraksi dengan dunia nyata maupun virtual, dari bidang hiburan, kreativitas, hingga robotika dan penelitian ilmiah.
Yann LeCun, tokoh AI lain, bahkan meninggalkan jabatan di Meta untuk bergabung dengan startup yang mengembangkan model dunia. Sementara itu, CEO Nvidia Jensen Huang juga mengupayakan integrasi model dunia dalam teknologi mereka, khususnya dengan memanfaatkan data besar dan simulasi guna membangun AI yang berlandaskan hukum fisika dan data realita.
Sumber Data dan Keunggulan Model Dunia
Pengembangan model dunia memerlukan data dalam jumlah besar, bukan hanya data dari manusia yang selama ini dipakai untuk melatih AI. Data sintetis dan simulasi menjadi aspek kunci guna memungkinkan model ini membuat penilaian sebab-akibat dan memahami skenario di dunia nyata.
Nvidia, misalnya, memamerkan model dunia mereka “Cosmos” melalui demo kendaraan otonom. Sistem ini menggunakan sensor kendaraan untuk mengidentifikasi posisi mobil sendiri dan kendaraan lain secara real-time guna merekam video lingkungan sekitar. Para pengembang lalu dapat mensimulasikan berbagai skenario, seperti kecelakaan, untuk mengevaluasi dan memperbaiki respons mobil sebelum sebenarnya terjadi di jalan.
Data sintetis sekaligus membantu memprediksi kasus-kasus langka yang sulit didapatkan dari data manusia, yang biasa disebut sebagai edge cases. Pendekatan ini memperkuat akurasi serta keselamatan operasional kendaraan otonom dan aplikasi AI lain yang berbasiskan physical AI.
Masa Depan AI Berbasis Model Dunia
Dengan semakin melekatnya AI di kehidupan sehari-hari, kemampuan memahami dan bertindak di dunia fisik menjadi sangat vital. Perkembangan model dunia menandai perubahan dari AI yang hanya “bermain-main” dengan bahasa menuju AI yang benar-benar berakar pada realitas.
Investasi dan penelitian besar dari perusahaan teknologi besar menunjukkan bahwa dunia AI tidak hanya berhenti pada pengembangan chatbot. Kebangkitan model dunia dan spatial intelligence mengisyaratkan bahwa teknologi AI ke depan akan lebih cerdas dan adaptif terhadap lingkungan kita secara nyata.
Keseriusan dunia teknologi dalam membangun model dunia juga membuka peluang revolusi aplikasi AI di berbagai sektor lain, termasuk manufaktur, kesehatan, transportasi, serta hiburan digital. Teknologi ini akan memungkinkan interaksi manusia dengan mesin menjadi lebih alami dan efektif, membuka berbagai kemungkinan baru dalam inovasi teknologi dan penerapannya di masa depan.
