Saya minum kopi buatan robot di San Francisco. Tidak ada yang istimewa, kan. Mesin telah menyajikan kacang sejak awal tahun 2010-an. Namun benda yang memegang cangkir itu bukan sekadar alat pembuat kopi. Itu adalah seorang generalis. Sebuah otak.
Unit khusus ini juga melipat pakaian. Kupas wortel. Menggosok dapur juga. Ia mempelajari trik-trik ini lebih cepat daripada kebanyakan balita yang menguasai cara berjalan.
Temui Kecerdasan Fisik. Didirikan pada tahun 2024. Idenya sederhana: membangun otak, bukan tubuh.
Raksasa lain seperti Tesla dan Boston Dynamics mengejar humanoids. Amazon mengotomatiskan gudang dengan bot tugas tunggal. Kecerdasan Fisik menginginkan sistem operasi yang menjalankan semuanya. Satu pikiran yang bisa beradaptasi. Bentuk mesin yang tak terbatas.
Di sebagian besar domain, menyelesaikan lebih banyak masalah akan mempersulit segalanya. Di AI, segalanya menjadi lebih mudah. Anda memiliki sumber pengetahuan yang lebih beragam.
Sergey Levine, salah satu pendirinya, terus terang mengatakannya. Dia mengajar di Berkeley. Dia percaya keberagaman akan memberikan kecerdasan.
Ini adalah pedoman yang sama dengan booming chatbot. Model Bahasa Besar (LLM) meledak karena daya komputasi dan data akhirnya memenuhi algoritma yang baik. Levine berharap robotika melihat kurva yang sama. Lebih curam.
Saus rahasianya di sini adalah model VLA. Visi-Bahasa-Aksi.
Robotika jadul? Ajarkan sebuah tugas. Mengulang. Membosankan. Mahal.
VLA mengambil akal sehat yang luas dari LLM dan mengubah kata-kata menjadi gerakan otot.
- Manusia berkata: “Bersihkan kekacauan ini.”
- Robot melihat: Piring kotor, mainan rusak.
- Tindakan robot: Meraih spons. Mengambil mainan.
Ingmar Posner di Oxford menyebutnya sebagai terjemahan paling langsung dari kegembiraan LLM. Alih-alih menebak kata berikutnya, robot justru menebak langkah selanjutnya.
Tapi tunggu.
Robot gagal karena dunia nyata berantakan. Variasi yang tak terbatas. Data tidak cukup untuk dilatih. Pengembang biasanya menghindari pembelajaran mandiri karena mengumpulkan data itu sangat buruk.
Levine tidak setuju.
Timnya mengajarkan bot di lingkungan palsu. Gudang berubah menjadi dapur tiruan dan kamar tidur. Mereka mengatur ulang kamar setiap minggu. Mereka mengirim robot ke rumah sungguhan.
Tujuannya? Generalisasi.
Model π0.7 baru saja memasak ubi dalam alat penggoreng udara. Ia belum pernah melihat alat itu sebelumnya. Manusia hanya memberikan instruksi suara langkah demi langkah. Itu berhasil.
Levine kaget dengan kecepatannya. Dia telah beroperasi selama dua tahun dan kemajuannya melampaui perkiraannya sendiri.
Uang mengikuti hype. Perusahaan rintisan (start-up) mengumpulkan miliaran dolar. Amazon dan Google DeepMind sedang membangun armada mereka sendiri. Semua orang menginginkan robot serba guna sekarang.
Namun, jangan terlalu terburu-buru.
Paradoks Moravec ada karena suatu alasan. Hans Moravec memperhatikan pada tahun 1988 apa yang masih berlaku: memberikan logika tingkat PhD pada robot itu mudah. Memberikannya keterampilan persepsi pada bayi hampir mustahil. Catur? Selesai. Berjalan melewati kerumunan? Keras.
Posner berpendapat kita hanya melihat tanda-tanda awal saja. Penerapan di dunia nyata? Skeptis.
Mengapa?
Manusia itu bermusuhan. Kami suka bermain-main dengan robot. Sangat menyenangkan untuk memecahkan sesuatu.
Ia tidak yakin model bisnis yang terukur dan menguntungkan akan segera muncul.
Daniel Susskind sudah menulis tentang hal itu. Bagaimana kita harus belajar ketika AI menangani logika? Keterampilan apa yang bertahan dari perubahan ini? Jawabannya tidak ada dalam kode. Kekacauan inilah yang kita tinggalkan untuk dibersihkan oleh mesin-mesin ini.
Mungkin itulah satu-satunya tugas yang benar-benar mereka kuasai terlebih dahulu. Berurusan dengan kami.
