Dari ImageNet ke Dunia 3D: Evolusi AI Menuju AGI

Ketika mempelajari kemampuan visual mesin, Fei-Fei Li menyadari bahwa algoritma machine learning membutuhkan data dalam jumlah sangat besar agar mampu melakukan generalisasi dengan baik.

Pada 2007, ia mulai merintis ImageNet, sebuah proyek yang berupaya membangun taksonomi visual dunia melalui kumpulan gambar yang sangat besar. Timnya bahkan mengumpulkan sekitar 1 miliar gambar dari internet untuk membangun basis data tersebut.

Pada masa awal ImageNet Challenge, tingkat kesalahan sistem pengenalan visual masih berada di kisaran 30 persen. Namun, kondisi berubah drastis ketika data masif bertemu dengan kemajuan komputasi GPU dan jaringan saraf tiruan.

Tahun 2012 menjadi salah satu momen paling penting dalam sejarah AI modern. Tim SuperVision yang dipimpin Jeff Hinton menunjukkan kemampuan jaringan saraf dalam memproses data visual menggunakan GPU dan data ImageNet.

Keberhasilan tersebut dikenal luas melalui AlexNet. Kombinasi data, algoritma deep learning, dan kemampuan komputasi tersebut kemudian mendorong perubahan besar dalam perkembangan computer vision.

ImageNet sendiri pertama kali diperkenalkan melalui poster CVPR pada 2009 dan kini telah memperoleh lebih dari 80.000 sitasi, menunjukkan besarnya pengaruh proyek tersebut terhadap penelitian AI.

Setelah komputer semakin baik dalam mengenali objek individual seperti kucing, kursi, atau mobil, pertanyaan berikutnya menjadi lebih kompleks. Mesin tidak hanya perlu mengetahui apa yang ada dalam gambar, tetapi juga memahami apa yang sedang terjadi di dalamnya.

Perkembangan tersebut membawa computer vision menuju scene understanding. Sebuah gambar tidak lagi diperlakukan sebagai kumpulan objek yang berdiri sendiri, tetapi sebagai sebuah situasi yang memiliki hubungan dan konteks.

Kolaborasi Fei-Fei Li dengan mahasiswa dan peneliti seperti Andrej Karpathy turut menghasilkan kemajuan dalam image captioning. Teknologi ini menghubungkan kemampuan melihat dengan bahasa alami sehingga sistem dapat menghasilkan deskripsi mengenai isi sebuah gambar.

Dengan demikian, AI mulai bergerak dari sekadar identifikasi menuju kemampuan memahami dan menceritakan sebuah suasana.

Perkembangan berikutnya membawa perhatian pada kecerdasan spasial atau spatial intelligence. Kemampuan ini berkaitan dengan bagaimana sebuah sistem memahami posisi, bentuk, kedalaman, hubungan antarobjek, serta lingkungan tiga dimensi.

Secara biologis, kemampuan visual dan spasial manusia memiliki sejarah evolusi yang sangat panjang. Evolusi penglihatan untuk memahami dunia 3D diperkirakan telah berlangsung sekitar 540 juta tahun, jauh lebih lama dibandingkan perkembangan bahasa manusia yang diperkirakan berada pada rentang 300.000 hingga 500.000 tahun.

Perbedaan tersebut memberikan gambaran bahwa memahami dunia secara spasial merupakan persoalan yang sangat fundamental.

Pandangan inilah yang mendorong Fei-Fei Li mendirikan World Labs. Fokusnya adalah mengembangkan world models yang mampu merepresentasikan dan memahami dunia dalam bentuk tiga dimensi.

Bagi Fei-Fei Li, AGI atau Artificial General Intelligence belum dapat dianggap lengkap apabila mesin hanya memiliki kemampuan bahasa atau mengenali gambar dua dimensi.

Kemampuan memahami ruang dapat menjadi komponen penting agar AI mampu berinteraksi secara lebih alami dengan dunia fisik. Mesin tidak hanya perlu mengetahui bahwa sebuah benda ada, tetapi juga memahami di mana benda tersebut berada, bagaimana hubungannya dengan objek lain, dan bagaimana lingkungan dapat berubah.

Perjalanan tersebut juga memperlihatkan bahwa kemajuan ilmiah tidak hanya membutuhkan kecerdasan teknis. Fei-Fei Li menempatkan intellectual fearlessness atau keberanian intelektual sebagai salah satu karakter penting dalam membangun tim.

Keberanian intelektual berarti berani memilih persoalan yang sulit, bahkan ketika masalah tersebut terlihat terlalu ambisius. Peneliti tidak membiarkan latar belakang, keraguan, atau anggapan orang lain menentukan sejauh mana sebuah gagasan layak dikejar.

Sikap tersebut terlihat dari perjalanan pribadi Fei-Fei Li. Ia berimigrasi ke Amerika Serikat tanpa kemampuan bahasa Inggris dan pada usia 19 tahun menjalankan usaha dry cleaning selama bertahun-tahun untuk membiayai pendidikannya di Princeton.

Setelah kembali dari Google, ia juga mendirikan Stanford Human-Centered AI Institute pada 2018 dan membangunnya dengan semangat kewirausahaan.

Perkembangan AI saat ini banyak didorong perusahaan teknologi dengan akses terhadap data dan komputasi dalam skala besar. Kondisi tersebut membuat universitas perlu memilih medan penelitian secara strategis.

Alih-alih selalu bersaing langsung dengan industri dalam membangun model terbesar, peneliti akademis dapat mengejar persoalan fundamental atau north stars yang membutuhkan pemikiran jangka panjang.

Beberapa peluang mencakup AI untuk penemuan ilmiah, pengembangan teori AI yang belum sebanding dengan kemampuan praktisnya, serta penelitian menggunakan small data.

Pendekatan tersebut memberikan ruang bagi universitas untuk berkontribusi pada pertanyaan mendasar yang belum tentu menjadi prioritas perusahaan teknologi.

Dari Data Besar Menuju Pemahaman Dunia

Evolusi AI dari ImageNet hingga spatial intelligence menunjukkan bahwa kemajuan teknologi tidak selalu berarti sekadar menggunakan data yang lebih banyak atau model yang lebih besar.

Tantangan berikutnya adalah membangun sistem yang mampu memahami hubungan, konteks, ruang, dan dinamika dunia. Jika AI ingin berinteraksi secara lebih utuh dengan lingkungan fisik, kemampuan tersebut menjadi semakin penting.

Perjalanan AI menunjukkan perubahan dari kemampuan mengenali objek menuju upaya memahami dunia secara lebih menyeluruh. ImageNet membantu membuktikan pentingnya data dalam skala besar, sementara AlexNet menjadi salah satu titik balik yang mempercepat revolusi deep learning dan computer vision.

Kini perhatian mulai bergeser menuju spatial intelligence dan world models. Bagi Fei-Fei Li, kemampuan memahami dunia tiga dimensi merupakan bagian penting dari perjalanan menuju AGI yang lebih utuh.

Namun, teknologi bukan satu-satunya faktor penentu. Keberanian intelektual untuk mengejar persoalan yang sulit, kemampuan berpikir lintas disiplin, serta keberanian memilih pertanyaan fundamental akan tetap menjadi kekuatan penting dalam menentukan masa depan AI.

FAQ

1. Apa itu ImageNet? ImageNet adalah proyek dan basis data visual berskala besar yang dikembangkan untuk membantu penelitian pengenalan objek dan computer vision.
2. Mengapa AlexNet penting dalam perkembangan AI? AlexNet menunjukkan bagaimana data besar, jaringan saraf tiruan, dan GPU dapat menghasilkan lompatan besar dalam kemampuan pengenalan gambar.
3. Apa yang dimaksud dengan spatial intelligence? Spatial intelligence adalah kemampuan memahami ruang, posisi, bentuk, kedalaman, hubungan antarobjek, dan lingkungan tiga dimensi.
4. Mengapa spatial intelligence dianggap penting bagi AGI? Kemampuan memahami ruang dapat membantu AI berinteraksi dengan dunia fisik secara lebih menyeluruh, bukan hanya memahami bahasa atau gambar dua dimensi.
5. Apa yang dimaksud intellectual fearlessness? Intellectual fearlessness adalah keberanian untuk mengambil dan mengejar persoalan intelektual yang sangat sulit dengan komitmen penuh meskipun menghadapi keraguan atau ketidakpastian.