Rahasia Robot China Belajar Kilat: Menggunakan 'Data Kotor' Manusia demi Kejar Terobosan GPT-3.0
Strategi berani Spirit AI memanfaatkan ketidaksempurnaan gerak manusia untuk menciptakan robot humanoid yang lebih adaptif dan cerdas di masa depan.
Dunia teknologi sedang menyaksikan pergeseran paradigma yang luar biasa dalam pengembangan robotika. Jika selama ini robot dikenal sebagai mesin kaku yang bergerak berdasarkan baris kode pemrograman yang presisi dan kaku, kini China sedang menyiapkan sebuah revolusi. Melalui pendekatan yang tidak konvensional, perusahaan teknologi asal China, Spirit AI, tengah mengembangkan metode pelatihan robot humanoid yang mampu belajar dengan kecepatan yang belum pernah terlihat sebelumnya.
Rahasianya terletak pada sesuatu yang terdengar kontradiktif dalam dunia sains: "data kotor" (dirty data). Alih-alih menggunakan data gerakan yang sempurna dan telah dikurasi secara ketat di laboratorium, Spirit AI justru memanfaatkan data gerakan manusia yang tidak sempurna, tidak teratur, dan penuh dengan "noise" untuk melatih kecerdasan fisik robot mereka.
Mengapa 'Data Kotor' Menjadi Kunci Keberhasilan?
Dalam pengembangan kecerdasan buatan (AI) konvensional, para ilmuwan biasanya sangat menghindari data yang tidak akurat atau tidak konsisten. Data yang bersih dianggap sebagai fondasi utama untuk membangun model yang stabil. Namun, dalam ranah robotika humanoid, pendekatan ini justru menemui jalan buntu. Robot yang hanya dilatih dengan data gerakan yang sempurna sering kali mengalami kegagalan total saat dihadapkan pada dunia nyata yang penuh dengan ketidakteraturan.
Dunia nyata tidaklah sempurna. Lantai yang tidak rata, hambatan yang tiba-tiba muncul, hingga perubahan berat beban saat memegang benda, adalah bentuk "gangguan" yang konstan. Di sinilah letak kecerdikan Spirit AI. Dengan menggunakan data gerakan manusia yang "kotor"—seperti gerakan yang sedikit goyah, perubahan ritme yang tidak terduga, atau cara manusia beradaptasi saat hampir terjatuh—robot humanoid diajarkan untuk memahami konsep ketidakteraturan.
Pendekatan ini mirip dengan bagaimana anak kecil belajar berjalan. Seorang bayi tidak belajar berjalan dengan mengikuti instruksi matematis yang presisi, melainkan melalui ribuan kali jatuh, goyah, dan melakukan koreksi gerakan secara spontan. Dengan menyerap data "kotor" ini, robot humanoid tidak hanya belajar cara bergerak, tetapi juga belajar cara "mengoreksi diri" secara instan saat terjadi gangguan pada keseimbangan atau gerakannya.
Transformasi dari Algoritma Kaku ke Embodied AI
Apa yang dilakukan Spirit AI sebenarnya adalah upaya untuk mempercepat transisi dari AI berbasis perangkat lunak menuju apa yang disebut sebagai Embodied AI (AI yang memiliki tubuh). Selama ini, model bahasa besar seperti ChatGPT sangat cerdas dalam mengolah kata-kata karena mereka telah "membaca" hampir seluruh isi internet. Namun, mereka tidak memiliki pemahaman fisik tentang bagaimana dunia bekerja secara nyata.
Spirit AI ingin menerapkan logika yang sama pada robotika. Mereka ingin menciptakan sebuah model "Large Behavior Model" (LBM) yang skalanya setara dengan Large Language Model (LLM). Jika LLM belajar dari teks, maka LBM akan belajar dari data sensorik dan gerakan fisik. Dengan memasukkan data gerakan manusia yang masif dan tidak teratur, robot dapat membangun pemahaman intuitif tentang gravitasi, inersia, dan interaksi fisik dengan benda-benda di sekitarnya.
