JAKARTA — Robot yang cukup cakap untuk memahami perintah suara dan bekerja di tempat asing masih menjadi tantangan AI. Wang Xingxing, CEO perusahaan robotika Unitree, memperkirakan GPT-7 dapat membantu memecahkan masalah itu dan mendorong terobosan dalam satu atau dua tahun.
Wang menyampaikan prediksi tersebut dalam acara industri di Shanghai, China. Menurut laporan South China Morning Post yang dikutip sumber, ia menilai perkembangan model AI terbaru membuka peluang bagi robot untuk memahami instruksi dan bertindak di dunia nyata tanpa pelatihan khusus untuk setiap lingkungan.
GPT-7 dan tantangan AI robot
Wang menyebut kemungkinan GPT-7 yang dirilis tahun depan dapat langsung mengatasi persoalan kecerdasan berwujud, atau embodied intelligence. Istilah ini merujuk pada kemampuan AI untuk mengendalikan perangkat fisik, seperti robot, berdasarkan perintah manusia.
“Ada kemungkinan, misalnya, model GPT-7 yang dirilis tahun depan dapat langsung memecahkan masalah kecerdasan berwujud,” kata Wang. Pernyataan itu menandai perubahan dari perkiraannya pada Agustus tahun ini, ketika ia menilai momen terobosan setara “ChatGPT” di bidang robotika masih bisa memerlukan satu dekade.
Prediksi itu belum berarti robot akan segera mampu melakukan semua pekerjaan rumah atau tugas industri. Wang menetapkan ukuran yang lebih konkret: robot perlu menuntaskan 80% tugas yang diberikan pada 80% lingkungan yang belum dikenalnya, hanya dengan perintah suara atau teks. Menurutnya, capaian itu akan menunjukkan bahwa kecerdasan berwujud telah mencapai tingkat kematangan yang memadai.
Uji robot Unitree di dapur asing
Perusahaan Unitree dikenal mengembangkan robot dengan kemampuan perangkat keras yang kuat. Kini, perusahaan itu juga memberi perhatian lebih besar pada perangkat lunak AI, sebuah kombinasi yang dapat menentukan apakah robot mampu merespons situasi nyata, bukan sekadar menjalankan gerakan yang sudah diprogram.
Contoh awal datang dari Movement Lab di Stanford University. Laboratorium itu memasangkan robot Unitree dengan GPT-6 Astra dan memintanya membersihkan dapur yang belum pernah dilihat robot tersebut.
Menurut hasil eksperimen yang dikutip dalam bahan sumber, robot mampu membersihkan area dan mengambil benda yang sebelumnya telah diingatnya setelah menerima permintaan yang kurang spesifik. Pengujian itu berlangsung tanpa data pelatihan khusus untuk lingkungan tersebut maupun pembelajaran kebijakan tambahan.
Uji coba semacam ini relevan karena rumah, toko, dan tempat kerja tidak selalu tertata seperti ruang demonstrasi. Perintah manusia pun sering samar. Jika robot dapat menangani instruksi yang tidak rinci di tempat baru, pengguna tidak perlu mengatur ulang sistem setiap kali lingkungan berubah. Namun, satu demonstrasi belum membuktikan kemampuan itu konsisten pada beragam tugas dan lokasi.
Kemampuan model dan risiko keamanan
GPT-6 Astra disebut mencatat skor 92.7% dalam pengujian ScreenSpot-Pro, yang mengukur kemampuan model AI berinteraksi dengan antarmuka. Skor itu meningkat dari 76.9% pada GPT-5.6 Sol. Angka tersebut memberi gambaran tentang kemajuan model dalam memahami dan menggunakan tampilan digital, tetapi bukan ukuran langsung kemampuan robot menjalankan pekerjaan fisik.
Perbedaan itu penting. Robot harus menerjemahkan instruksi menjadi tindakan, membaca keadaan sekitar, lalu menyesuaikan gerakannya ketika kondisi berubah. Model yang unggul berinteraksi dengan antarmuka belum otomatis aman atau andal ketika mengendalikan mesin di lingkungan yang tidak dikenalnya.
Perkembangan kemampuan AI juga membawa kekhawatiran keamanan siber. Pakar keamanan yang disebut dalam bahan sumber mengkhawatirkan kemungkinan model disalahgunakan untuk meretas organisasi apabila bertindak di luar kendali.
Karena itu, kemajuan robotika tidak cukup dinilai dari seberapa banyak tugas yang bisa diselesaikan; cara sistem membatasi tindakan dan menangani kesalahan juga menjadi perhatian.
Bagi industri dan masyarakat, taruhan utamanya adalah seberapa jauh perangkat AI dapat bekerja di luar layar komputer. Robot yang dapat memahami permintaan biasa dan menyesuaikan diri dengan ruangan baru berpotensi mengubah cara pekerjaan dilakukan. Tetapi manfaat tersebut bergantung pada pembuktian kemampuan yang konsisten sekaligus pengamanan sistemnya.
Wang memperkirakan terobosan bisa muncul dalam satu atau dua tahun, sementara contoh yang tersedia masih berupa uji coba terbatas. Perhatian berikutnya tertuju pada apakah model generasi selanjutnya dapat memenuhi tolok ukur tugas dan lingkungan yang ia tetapkan, bukan hanya tampil meyakinkan dalam demonstrasi.
📝 Tinggalkan Komentar
Komentar sebagai . Ditinjau admin sebelum tampil.