Kerry Wan/ZDNET
Ikuti ZDNET: Tambahkan kami sebagai sumber pilihan di Google.
*
Intisari utama dari ZDNET**
- Physical AI merupakan batas tren teknologi terbaru.
- Physical AI memanfaatkan data dunia nyata untuk menciptakan robot yang lebih otonom.
- Tahap awalnya mungkin sudah ada di wajah Anda saat ini.
**
Peluncuran ChatGPT lebih dari tiga tahun lalu memicu demam AI. Meskipun model AI terus menjadi lebih canggih, untuk benar-benar membantu manusia dalam kehidupan sehari-hari, mereka perlu mengakses tugas-tugas keseharian. Itu hanya mungkin dengan membiarkan mereka hidup di luar chatbot di layar laptop dan lebih hadir di lingkungan sekitar Anda.
Maka muncullah istilah terbaru di industri: physical AI. Istilah ini sangat menonjol dalam Consumer Electronics Show (CES) pekan lalu, dengan hampir setiap perusahaan memamerkan model atau perangkat keras baru yang dapat berkontribusi memajukan bidang ini, termasuk Nvidia. Dalam keynote perusahaan, CEO Jensen Huang bahkan membandingkan signifikansi physical AI dengan peluncuran ChatGPT.
“Momen ChatGPT untuk physical AI* telah tiba—saat mesin mulai memahami, bernalar, dan bertindak di dunia nyata,” ujarnya.
Apa itu physical AI?
Physical AI secara umum dapat didefinisikan sebagai AI yang diimplementasikan dalam perangkat keras yang dapat mempersepsikan dunia di sekitarnya lalu bernalar untuk melakukan atau mengarahkan tindakan. Contoh populer termasuk kendaraan otonom dan robot—tetapi robot yang menggunakan AI untuk melakukan tugas telah ada selama beberapa dekade. Jadi apa perbedaanya?
Menurut Anshuman Saxena, Wakil Presiden dan GM Automated Driving and Robotics di Qualcomm, perbedaannya terletak pada kemampuan robot untuk bernalar, mengambil tindakan, dan berinteraksi dengan dunia sekitarnya.
“Inti dari chain of thoughts, penalaran, sebuah otak, yang akan bekerja dalam suatu konteks dan mengambil tindakan seperti yang dilakukan manusia—itulah definisi sebenarnya dari physical AI,” kata Saxena.
Misalnya, robot humanoid dapat melangkah lebih jauh dari sekadar melakukan tugas seperti memindahkan material atau paket sesuai perintah, dan justru mampu mempersepsikan lingkungannya untuk melakukan tugas tersebut secara intuitif.
Namun, contohnya tidak harus serumit itu; faktanya, menurut Ziad Asghar, SVP & General Manager of XR, Wearables, and Personal AI di Qualcomm, Anda mungkin sudah memiliki contoh utama dari physical AI.
“Kacamata pintar adalah representasi terbaik dari physical AI saat ini,” ujar Asghar. “Perangkat ini pada dasarnya hadir dan mampu melihat apa yang Anda lihat; mereka mampu mendengar apa yang Anda dengar, jadi mereka berada di dunia fisik Anda.”
Hubungan data yang simbiosis
Saxena menambahkan bahwa meskipun robot humanoid akan berguna dalam situasi di mana manusia tidak ingin melakukan suatu tugas—baik karena terlalu membosankan atau terlalu berisiko—mereka tidak akan menggantikan manusia. Di sinilah wearable AI, seperti kacamata pintar, memainkan peran penting, karena mereka dapat memperkuat kemampuan manusia.
Tetapi lebih dari itu, wearable AI mungkin sebenarnya dapat memberikan umpan balik ke perangkat physical AI lain, seperti robot, dengan menyediakan kumpulan data berkualitas tinggi berdasarkan perspektif dan contoh kehidupan nyata.
“Mengapa LLM begitu hebat? Karena ada banyak data di internet, untuk banyak informasi kontekstual dan sebagainya, tetapi data fisik tidak ada,” kata Saxena.
Masalah yang ia gambarkan sering menghambat pengembangan physical AI. Karena terlalu berisiko untuk melatih robot di dunia nyata, seperti menguji mobil otonom di jalan, perusahaan harus membuat simulasi data sintetis untuk melatih dan menguji model-model ini. Banyak perusahaan berusaha mengatasi masalah ini di CES.
Nvidia meluncurkan model-model baru yang memahami dunia nyata di sekitar Anda dan dapat digunakan untuk membuat data sintetis serta simulasi yang meniru skenario kehidupan nyata. Qualcomm menawarkan stack physical AI komprehensif yang menggabungkan prosesor Qualcomm Dragonwing IQ10 Series baru, yang diluncurkan di CES, dengan alat-alat yang diperlukan untuk pengumpulan dan pelatihan data AI.
Membuat kumpulan data untuk pelatihan ini sering kali merupakan proses yang memakan waktu dan mahal. Namun, robot dapat menggunakan data dari wearable yang sudah digunakan orang setiap hari, yang pada dasarnya adalah data physical AI yang sesuai dengan pengalaman manusia.
“Bayangkan sensor-sensor ini, kacamata, begitu banyak hal yang ada, yang jika saya mengenakan kacamata, dan saya mengambil tindakan berdasarkan, ‘Oh, saya melihat sesuatu di sini,’ begitu banyak informasi segera dihasilkan, yang juga dapat membantu robot, menciptakan kumpulan informasi baru saat ini,” ujar Saxena.
Mengingat kekhawatiran privasi yang mungkin timbul dari penggunaan data keseharian Anda untuk melatih robot, Saxena menekankan bahwa data dari wearable Anda harus selalu dijaga pada tingkat privasi tertinggi. Hasilnya, data—yang seharusnya sudah dianonimkan oleh perusahaan wearable—dapat sangat membantu dalam melatih robot. Robot itu kemudian dapat menciptakan lebih banyak data, menghasilkan ekosistem yang sehat.
“Pembagian konteks, pembagian AI antara robot itu dan perangkat AI wearable yang ada di sekitar Anda adalah, menurut saya, manfaat yang akan dapat Anda peroleh,” tambah Asghar.