Lab AMI Yann LeCun Membangun Model Dunia JEPA untuk Mendorong AI Melampaui Model Bahasa Besar

Pemenang Turing Award Yann LeCun mengatakan sistem AI yang paling terkenal saat ini bukanlah jalan menuju mesin yang benar-benar cerdas. Di perusahaan rintisannya yang berbasis di Paris, Advanced Machine Intelligence Labs (AMI Labs), mantan kepala ilmuwan AI Meta ini sedang membangun model berbeda secara fundamental yang dirancang untuk memahami dunia fisik seperti yang bisa dilakukan tikus atau balita.

Berbicara kepada BBC di sela-sela konferensi VivaTech di Paris, LeCun berpendapat bahwa model bahasa besar seperti ChatGPT, Claude, dan Gemini memiliki kegunaan nyata tetapi tidak dapat diterapkan. Untuk mengetahui lebih lanjut mengenai cakupan industri AI yang membentuk cara berpikir para peneliti dan investor mengenai batasan-batasan ini, perdebatan yang lebih luas mengenai apa yang terjadi setelah era LLM telah menjadi salah satu pertanyaan paling penting di lapangan.

“Kami tidak memiliki robot yang mampu memahami dunia fisik sebaik tikus,” kata LeCun. Dia meninggalkan Meta, pemilik Facebook, pada tahun 2025 setelah satu dekade menjabat sebagai kepala ilmuwan AI dan mendirikan AMI Labs untuk mengejar arsitektur alternatif.

Mengapa LeCun Mengatakan LLM Tidak Cukup

LeCun berpendapat bahwa LLM unggul dalam tugas-tugas yang terdefinisi dengan baik dan dapat diprediksi seperti pengkodean, memecahkan masalah matematika, dan menghasilkan teks. Namun ia berpendapat bahwa kekuatan tersebut mengaburkan batasan yang lebih dalam: sistem memanipulasi pola statistik daripada alasan mengenai kenyataan.

“Mereka pada dasarnya hanya mengumpulkan ilmu,” ujarnya tentang LLM. “Mereka bisa memuntahkan sesuatu, Anda melatih mereka untuk memuntahkannya, tapi mereka tidak terlalu pintar. Mereka tidak memiliki pemahaman mendasar.”

Untuk mengilustrasikan kesenjangan tersebut, LeCun menyeimbangkan pena dengan tegak di ujungnya dan melepaskannya. Bahkan seorang balita pun tahu bahwa pena itu akan jatuh, katanya, namun tidak ada manusia yang mampu memprediksi secara pasti arah jatuhnya pena tersebut, karena hasil tersebut benar-benar tidak pasti. Sebaliknya, LLM akan mencoba menghasilkan prediksi tunggal berdasarkan pola dalam data pelatihannya. Prediksi tersebut hampir pasti salah, karena model tersebut tidak mempertimbangkan situasi fisik; hal ini menghasilkan apa yang tampak masuk akal secara statistik.

"LLM sebagian besar tidak ada harapan untuk robotika," kata LeCun terus terang. “Klaim bahwa hanya dengan meningkatkan LLM, kita akan mencapai kecerdasan manusia super, tidak akan terjadi.”

Cara Kerja JEPA

Arsitektur yang dikembangkan AMI Labs disebut Joint Embedding Predictive Architecture (JEPA). Daripada memprediksi kata atau piksel berikutnya, JEPA menciptakan abstraksi dari dunia nyata yang memungkinkannya mempertimbangkan kemungkinan hasil dari suatu tindakan.

Membangun abstraksi tersebut melibatkan matematika yang rumit, namun prinsipnya jelas: model menyaring detail yang tidak berguna, hanya menyisakan representasi dunia yang berguna. Dalam contoh pena, sistem berbasis JEPA akan memahami bahwa memprediksi arah kejatuhan secara tepat tidak ada gunanya, dan sebaliknya akan mewakili situasi pada tingkat abstraksi yang benar-benar penting dalam pengambilan keputusan.

Pendekatan ini menempatkan AMI Labs dalam gerakan yang berkembang seputar apa yang disebut model dunia, yang bertujuan untuk memberikan sistem AI simulasi internal tentang bagaimana lingkungan berperilaku, sehingga mereka dapat merencanakan dan bertindak, bukan sekadar menghasilkan teks.

Bidang Kompetitif

Investor bertaruh bahwa LeCun sedang melakukan sesuatu. Sebelumnya pada tahun 2026, AMI Labs mengumumkan telah mengumpulkan lebih dari $1 miliar (£760 juta) dalam putaran pendanaan awal, dengan pendukung termasuk raksasa chip AS Nvidia dan dana yang mengelola kekayaan pribadi pendiri Amazon Jeff Bezos. Itu adalah salah satu putaran benih terbesar dalam sejarah startup Eropa.

AMI Labs tidak sendirian dalam perlombaan ini. Di Universitas Oxford, profesor Ingmar Posner mengarahkan Lab AI Terapan dan memimpin tim beranggotakan sepuluh orang yang telah menghabiskan empat tahun pada pendekatan alternatif yang ia sebut sebagai "model dunia mekanistik", yang menyusun pengetahuan sehingga AI dapat mengingat, menggabungkan, dan memodifikasinya secara efisien.

“Pandangan saya adalah dekade berikutnya akan menjadi sistem yang bisa menjelaskan,” kata Posner kepada BBC. "Anda memerlukan model yang dapat menjawab pertanyaan seperti: Apa yang penting? Apa yang menyebabkan apa? Apa yang akan terjadi jika saya melakukan hal lain?"

Garis keturunan ini dapat ditelusuri kembali ke makalah berpengaruh tahun 2018 oleh David Ha dan Jürgen Schmidhuber, yang berpendapat bahwa kemajuan dalam komputasi dan pembelajaran mesin dapat memungkinkan AI mempelajari tugas-tugas murni dari simulasi mental dunia yang dipelajari. Ide tersebut kemudian menjadi katalisator penelitian yang signifikan, termasuk model dunia Dreamer Google, sebuah varian yang mengajarkan cara mengumpulkan berlian di Minecraft dengan membayangkan skenario masa depan. DeepMind dari Alphabet melanjutkan pekerjaan dengan model Genie-nya, Wayve yang berbasis di London memiliki sistem yang disebut Gaia, dan pionir AI Fei-Fei Li mendirikan World Labs di San Francisco pada tahun 2023 untuk mencapai tujuan serupa.

Keharusan Robotika

Dorongan terhadap model dunia sebagian besar didorong oleh industri robotika, yang telah menggelontorkan miliaran dolar untuk robot humanoid yang kemampuan fisiknya semakin mengesankan setiap tahunnya. Namun melatih mesin-mesin tersebut untuk melakukan tugas-tugas rumah tangga dengan aman seperti menyetrika atau memuat mesin pencuci piring masih sulit dan mahal, dan LeCun menegaskan model AI saat ini tidak akan pernah cukup baik untuk lingkungan tersebut.

LeCun mengatakan AMI Labs akan menghabiskan sisa tahun 2026 untuk menyempurnakan modelnya dan berharap untuk mulai menerapkannya di lingkungan industri pada tahun 2027. Jika hal ini terbukti berhasil, ambisinya akan semakin besar.

“Pada akhirnya kita akan memiliki semacam sistem intelijen umum yang dapat diterapkan pada apa saja di dunia dengan pelatihan minimal atau penyesuaian yang baik,” katanya.

Mengenai apa yang akan terjadi pada manusia di masa depan, LeCun optimis. Masyarakat masih akan memutuskan apa yang akan dibangun dan pertanyaan apa yang akan diajukan, katanya, sementara AI bekerja sebagai wakil yang cakap.

“Interaksi kita dengan sistem AI di masa depan, meskipun mereka lebih pintar dari kita, akan seperti interaksi antara pemimpin industri atau pemimpin politik dengan staf asistennya, yang banyak di antaranya lebih pintar dari mereka.”

Tetap Terdepan dalam AI

Peralihan dari model bahasa ke model dunia dapat mengubah peta persaingan kecerdasan buatan. Ikuti perkembangan AI terkini seiring perkembangannya.

Baca berita AI selengkapnya →