Video viral robot yang lakukan parkour dan salto belakang memang sering tampil di media sosial, tapi menurut para ahli di industri, atraksi akrobatik ini bukanlah indikator kemajuan yang sebenarnya.
Para eksekutif yang hadir di konferensi Fortune Brainstorm AI di San Francisco awal Desember lalu berpendapat, revolusi sesungguhnya di robotika bukan terletak pada kelincahan fisik, melainkan pada kemampuan robot untuk "berpikir" sendiri. Kemampuan inilah yang akhirnya membawa mereka lebih dekat untuk menyelesaikan tugas-tugas yang terlihat sederhana namun sebenarnya sulit, seperti membuka pintu atau menaiki tangga.
Selama 70 tahun terakhir, robotika bergantung pada paradigma tertentu: manusia yang cerdas memprogram mesin dengan matematika rumit untuk menjalankan tugas spesifik. Menurut Stephanie Zhan dari Sequoia Capital dan Deepak Pathak, CEO Skild AI, pendekatan ini sudah ketinggalan zaman. Industri ini sedang mengalami pergeseran besar di mana robot, mirip dengan model bahasa besar (LLM) di balik ChatGPT, belajar langsung dari data dan pengalaman, bukan dari kode yang kaku.
"Perubahannya adalah, dulu robotika lebih digerakkan oleh kecerdasan manusia," kata Pathak. "Sekarang model-model atau robot-robot ini bisa belajar dari data."
Pathak dan rekannya, Abhinav Gupta, memanfaatkan data skala besar untuk membangun model dasar. Berasal dari kota kecil di India, Pathak belajar pemrograman dengan menulis kode secara manual di rumah dan menggunakan waktu terbatas di warnet lokal untuk menjalankan programnya.
Pembicaraan mereka juga menyentuh paradoks dalam kecerdasan buatan yang dikenal sebagai Paradoks Moravec: apa yang terlihat sulit seringkali mudah, dan apa yang terlihat mudah justru sangat sulit.
Mengapa Salto Belakang Lebih Mudah Daripada Pintu
Robot melakukan salto belakang pada dasarnya hanya perlu mengontrol tubuhnya di ruang bebas, sebuah masalah fisika yang sudah bisa dipecahkan komputer selama puluhan tahun. "Sebenarnya lebih mudah memprogram robot untuk melakukan salto belakang daripada membuat mereka menaiki tangga," kata Allie Garfinkle dari Fortune.
Tantangan sebenarnya—dan tujuan utama dari "kecerdasan fisik"—terletak pada interaksi dengan dunia nyata yang kacau. Menaiki tangga atau mengambil gelas membutuhkan robot untuk terus menggunakan penglihatan untuk memperbaiki gerakannya menanggapi lingkungan yang berubah. "Akal sehat sensorimotor" ini adalah akar dari kecerdasan umum manusia, dan itulah penghalang yang coba dihancurkan oleh perangkat lunak "otak" baru ini.
Para investor dan eksekutif melihat ini sebagai peluang pasar yang sebanding dengan ledakan AI generatif baru-baru ini. Zhan mencatat, seperti halnya OpenAI membuka pasar untuk pekerjaan pengetahuan digital, perusahaan seperti Skild-nya Pathak bertujuan untuk membuka pasar untuk semua pekerjaan fisik. Tujuannya adalah menciptakan "perangkat lunak yang cerdas secara umum" yang dapat berfungsi sebagai otak untuk perangkat keras robot apa pun.
Namun, tidak seperti dunia perangkat lunak, robotika menghadapi kendala unik: kurangnya data. Sementara LLM dilatih dengan seluruh data internet, tidak ada basis data serupa untuk interaksi fisik robot. Pathak berargumen bahwa perusahaan yang menerapkannya lebih dulu akan menang dengan menciptakan "roda data," di mana robot di lapangan menghasilkan data yang dibutuhkan untuk membuat sistem menjadi lebih pintar.
Untuk konsumen yang bertanya-tanya kapan robot akan mencuci baju mereka, garis waktunya tetap bertahap. Pathak dan Zhan memperkirakan robot akan pertama kali berkembang di lingkungan industri dan lingkungan "semi-terstruktur" seperti hotel dan rumah sakit, sebelum masuk ke lingkungan rumah pribadi yang lebih kacau.
Terlepas dari kekhawatiran penggantian pekerjaan, mereka berpendapat teknologi ini diperlukan untuk mengatasi "Tiga S" di masa depan: Safety (Keselamatan), Shortages (Kekurangan tenaga kerja), dan Social evolution (Evolusi sosial). Robot siap mengambil alih pekerjaan yang saat ini memaksa manusia mempertaruhkan nyawa atau kesehatan mereka. Selain itu, dengan jutaan lowongan pekerjaan yang belum terisi karena kekurangan tenaga kerja, robot dapat mengisi kekosongan dalam pekerjaan kerah biru yang penting. Pada akhirnya, harapannya adalah terjadi pergeseran sosial di mana pekerjaan berbahaya atau membosankan menjadi opsional, sehingga manusia dapat fokus pada tugas yang mereka nikmati.