Pencipta dunia: Di mana raksasa teknologi menginvestasikan miliaran dolar

Kecerdasan buatan bergerak melampaui teks dan gambar - secara bertahap belajar untuk menciptakan lingkungan virtual dan bertindak di dalamnya. Pendekatan ini dikenal sebagai model dunia: sistem yang menciptakan ruang, objek, dan aturan interaksi, di mana setiap tindakan memiliki konsekuensi. Paradigma ini dapat menjadi kunci bagi robotika, transportasi otonom, dan agen AI yang kompleks-tetapi ada satu hal yang saat ini memperlambat perkembangannya.

Sebagian besar model modern sangat baik dalam menganalisis data dan menghasilkan respons, tetapi mereka tidak memiliki "intuisi" untuk ruang dan hubungan sebab-akibat. Model-model tersebut dapat menggambarkan apa yang harus dilakukan, namun sering kali tidak memahami apa yang akan terjadi setelah sebuah tindakan: di mana tepatnya sebuah objek akan berakhir, apa yang akan bertabrakan, atau bagaimana lingkungan akan berubah.

Model dunia menutup celah ini. Mereka memberi AI tempat pelatihan di mana keputusan dapat diuji dengan aman, rute dapat direncanakan, kesalahan dapat dihindari, dan hasil dapat diprediksi. Untuk robotika, kendaraan otonom, dan agen AI, ini bukanlah bonus-ini adalah fondasi, dasar di mana perilaku yang dapat diandalkan di dunia nyata dibangun.

Bagaimana dunia seperti itu diciptakan

Dalam praktiknya, ada dua pendekatan utama yang digunakan saat ini. Yang pertama adalah simulasi dinamis waktu nyata. Dalam hal ini, lingkungan tidak disimpan terlebih dahulu. Lingkungan dibuat frame demi frame saat pengguna atau agen bergerak melalui ruang, mengubah sudut pandang, atau berinteraksi dengan objek. Model ini secara terus menerus memprediksi bagaimana keadaan lingkungan akan berubah, dengan mempertimbangkan fisika dan perilaku objek.

Pendekatan ini menawarkan fleksibilitas yang tinggi dan memungkinkan lingkungan dibuat tanpa skenario yang kaku dan telah ditentukan sebelumnya. Pada saat yang sama, ini membutuhkan sumber daya komputasi yang signifikan, itulah sebabnya mengapa stabilitas simulasi semacam itu saat ini terbatas hanya dalam beberapa menit.

Ini adalah jalan yang diambil Google dengan platform penelitiannya Genie 3, yang menciptakan lingkungan 3D yang berumur pendek namun konsisten secara logis. Pendekatan serupa digunakan oleh Meta dalam platform Habitat 3, yang dirancang untuk melatih agen AI fisik dan robot.

Loading...

Tweet tersebut telah dihapus oleh penulis.

Tapi kami menyimpan semuanya 🙂.

Pendekatan kedua berfokus pada lingkungan yang persisten dan tersimpan. Di sini, model mengubah teks, gambar, atau video menjadi pemandangan tiga dimensi yang lengkap dengan geometri, objek digital, dan metadata yang menggambarkan proses fisik. Dunia seperti itu dapat disimpan, diimpor ke lingkungan perangkat lunak lain, dan digunakan kembali.

Arah ini sedang dikembangkan oleh World Labs di bawah kepemimpinan Fei-Fei Li. Model Marble mereka ditujukan untuk menciptakan lingkungan 3D portabel yang cocok untuk tugas-tugas teknik, ilmiah, dan desain, di mana stabilitas dan reproduktifitas hasil sangat penting.

Siapa yang berinvestasi dan mengapa

Mengembangkan semua model ini membutuhkan belanja modal yang besar, dan hal ini sudah tercermin dalam strategi perusahaan teknologi besar.

Meta Platforms berencana untuk meningkatkan investasi modal hingga $135 miliar, bertaruh pada AI sebagai infrastruktur inti dari produk masa depannya. Setelah merestrukturisasi divisi AI-nya, perusahaan ini sedang mempersiapkan model dan platform baru, sementara kinerja keuangan yang kuat dalam bisnis periklanannya memungkinkan untuk mendanai investasi ini. Pasar telah merespons positif strategi ini.

Loading...

Tweet tersebut telah dihapus oleh penulis.

Tapi kami menyimpan semuanya 🙂.

Tesla dan xAI milik Elon Musk telah memilih pendekatan yang berbeda. Perusahaan ini berencana untuk menghabiskan sekitar $20 miliar untuk AI, mengemudi otonom, dan robotika, dengan investasi tambahan ke xAI . Musk secara terbuka menekankan perlunya infrastruktur semikonduktor berpemilik, menggarisbawahi pertaruhannya pada kontrol penuh atas seluruh tumpukan - mulai dari model hingga komputasi.

Untuk kedua strategi tersebut, model dunia bukanlah produk akhir, melainkan lingkungan pelatihan yang tanpanya kemajuan lebih lanjut dalam sistem otonom akan melambat atau menjadi terlalu berisiko.

Bagaimana investor melihatnya

Untuk pasar, model dunia bukanlah produk yang berdiri sendiri atau segmen AI konsumen baru. Investor melihatnya sebagai lapisan infrastruktur yang akan menentukan daya saing perusahaan dalam siklus pengembangan industri berikutnya.

Ini adalah taruhan jangka panjang. Perusahaan yang pertama kali mengajarkan AI untuk bekerja dengan ruang, gerakan, dan hubungan sebab-akibat akan mendapatkan keuntungan di semua bidang yang berhubungan dengan otonomi-dari robotika hingga aplikasi industri dan transportasi. Itulah mengapa pasar saat ini bersedia mentolerir peningkatan tajam dalam belanja modal dan tidak adanya pengembalian yang cepat.

Reaksi investor terhadap rencana Meta sangat jelas. Meskipun ada investasi besar-besaran dalam AI, saham perusahaan naik setelah pasar pendapatan percaya bahwa bisnis inti dapat membiayai biaya-biaya ini tanpa kehilangan stabilitas. Dalam hal ini, model dunia dianggap sebagai perpanjangan dari platform yang sudah ada, bukan sebagai eksperimen yang berisiko.

Taruhan Musk memiliki profil risiko yang berbeda. Investor Tesla secara efektif membiayai tidak hanya pengembangan AI tetapi juga upaya integrasi vertikal - dari model ke chip. Strategi ini lebih mahal dan lebih kompleks, tetapi jika berhasil, strategi ini memberikan perusahaan kendali penuh atas komponen utama sistem otonom.

Pada akhirnya, pasar tidak bertaruh pada teknologi tertentu, melainkan pada sebuah pendekatan. Investor menilai apakah sebuah perusahaan dapat bertahan dalam siklus investasi yang panjang dan apakah perusahaan tersebut memiliki bisnis yang mampu mendanai pengembangan model dunia tanpa memberikan tekanan pada profitabilitas jangka pendek.