Kecerdasan buatan memasuki fase 'AI Dunia Nyata'

Penulis: Wang Jie

Pada akhir Juni, selama Davos Musim Panas di Dalian, Tiongkok, para pemimpin industri kecerdasan buatan (termasuk robot) dari seluruh dunia berkumpul untuk membahas perkembangan terkini AI dan tren penting berikutnya. Di antaranya, Wang Jie, investor AI generasi awal Tiongkok dan salah satu direktur Pusat Penelitian Ekonomi AI di Akademi Ekonomi Digital Shenzhen, mengemukakan bahwa industri AI telah melewati tiga tahap — "menghasilkan konten", "kemampuan bernalar", "kemampuan bertindak" — dan akan segera memasuki tahap "AI Dunia Nyata". Semua tautan dalam industri juga perlu melakukan persiapan yang sesuai untuk menyambut kedatangan tahap ini.

Berikut adalah teks lengkap dari "Kecerdasan Buatan Memasuki Tahap 'AI Dunia Nyata'", pertama kali diterbitkan oleh Tencent Technology.

We are at AI’s reality moment.

Dalam beberapa tahun terakhir, AI telah belajar untuk menghasilkan, bernalar, dan bertindak. Tahap berikutnya bukan hanya tentang apakah AI dapat memberikan jawaban yang lebih baik di layar, tetapi apakah AI dapat belajar dari umpan balik dunia nyata dan memberikan hasil kerja yang dapat diterima dan berkelanjutan di dunia nyata. Hari ini, kita berada pada "momen realitas" pengembangan AI.

Pengamatan: AI Terus Menjauh dari Dunia Benchmark

Selama beberapa tahun terakhir, narasi utama industri AI diorganisir oleh benchmark. Setiap perilisan model diikuti dengan serangkaian skor: pemahaman bahasa, ujian profesional, penalaran matematika, pembuatan kode, rekayasa perangkat lunak, operasi web, tanya jawab multimodal, tugas agen. Skor naik, industri bersemangat; skor jenuh, benchmark baru diciptakan. Benchmark menjadi bendera tonggak demi tonggak dalam perjalanan panjang pengembangan AI.

Namun, fakta yang semakin jelas muncul: AI terus menjauh dari dunia benchmark. Banyak tes yang dulunya dianggap cukup sulit dan mewakili kecerdasan, berulang kali didekati, disamai, dan dilampaui oleh model. Peneliti terus mendefinisikan tugas baru, peringkat baru, set evaluasi baru, dan model terus mengejar serta mencabut bendera baru. Ini tentu merupakan bagian dari kemajuan ilmiah, tetapi juga menunjukkan bahwa benchmark sederhana semakin sulit untuk menampung seluruh makna pengembangan AI.

Dunia benchmark pada dasarnya adalah "dunia teoretis": masalah telah ditentukan sebelumnya, jawaban memiliki batas yang jelas, kriteria evaluasi dapat diformalkan, dan biaya kegagalan biasanya hanya berupa skor. Ini cocok untuk membuktikan bahwa model memiliki kemampuan tertentu, tetapi tidak berarti membuktikan bahwa model dapat memberikan hasil yang kita harapkan dalam alur kerja nyata. Model yang menjawab dengan benar di bank soal tidak berarti dapat menyelesaikan tugas secara stabil dalam proses pengadaan perusahaan, kolaborasi diagnostik rumah sakit, sistem penjadwalan pabrik, tinjauan risiko dokumen hukum, atau respons darurat tata kelola kota.

Oleh karena itu, ketika kita mengatakan bahwa AI meninggalkan dunia benchmark, bukan berarti benchmark tidak lagi penting. Sebaliknya, benchmark tetap merupakan dasbor yang diperlukan untuk kemajuan teknologi. Namun, dasbor bukanlah jalan, skor bukanlah hasil, demonstrasi bukanlah pengiriman. Ke dunia mana AI pergi setelah meninggalkan dunia benchmark? Jawabannya: dunia nyata. Seluruh industri sedang memasuki tahap "AI Dunia Nyata".

Transisi dari "Dunia Teoretis" ke "Dunia Nyata"

Tiga Tahap Lama di "Dunia Teoretis"

Perkembangan AI putaran ini telah melalui tiga tahap lama yang jelas. Pertama adalah tahap "menghasilkan konten", dengan bentuk tipikal chatbot. AI untuk pertama kalinya menggunakan bahasa alami sebagai antarmuka, mampu menulis, merangkum, menerjemahkan, berdialog, menjelaskan, menjadi alat teks umum untuk kerja kognitif manusia. Kedua adalah tahap "kemampuan bernalar", dengan bentuk tipikal reasoner, yaitu model penalaran yang diwakili oleh GPT o1, DeepSeek R1. AI mulai menunjukkan kemampuan yang lebih kuat dalam penguraian, pencarian, perencanaan, pembuktian, dan pemeriksaan diri, dapat menangani masalah dengan rantai yang lebih panjang dan kompleksitas yang lebih tinggi. Ketiga adalah tahap "kemampuan bertindak", dengan bentuk tipikal agent. AI tidak lagi hanya menjawab pertanyaan, tetapi memanggil alat, menjelajahi web, menulis kode, mengoperasikan perangkat lunak, dan melaksanakan tugas multi-langkah.

Ketiga tahap ini sangat penting. Generasi memberi AI bahasa, penalaran memberi AI pemikiran, dan agen memberi AI tangan awal. Setelah mampu menghasilkan, bernalar, dan bertindak, hal berikutnya bukanlah melakukan lebih banyak tindakan dalam demonstrasi, tetapi memikul hasil di lingkungan nyata. Dunia nyata akan memberikan lingkungan jangka panjang untuk tindakan AI di masa depan.

Mengapa ketiga tahap di atas dianggap tahap lama? Karena sebagian besar masih berada di "dunia teoretis" atau "dunia semi-nyata". Model menghadapi masalah yang diabstraksikan, bukan sistem ekonomi-sosial yang lengkap; yang dioptimalkan adalah umpan balik yang dapat dihitung, bukan hasil nyata dengan banyak agen, banyak kendala, dan siklus panjang; yang ditunjukkan adalah kemungkinan kemampuan, bukan hasil kerja yang diterima bersama oleh pengguna, organisasi, sistem, dan pasar.

Tahap Baru "Dunia Nyata"

Kami mengusulkan "AI Dunia Nyata", Real-World AI, untuk mencerminkan tahap baru yang akan segera dimasuki AI. Definisi AI Dunia Nyata adalah: AI yang mampu belajar dari umpan balik dunia nyata, menyelesaikan tugas dunia nyata, dan menghasilkan hasil nyata. "Dunia nyata" di sini mencakup dua makna: Pertama, umpan balik pelatihan berasal dari hasil, pengguna, sistem, biaya, dan risiko di lingkungan nyata, bukan hanya dari jawaban standar; Kedua, tugas berasal dari alur kerja nyata, bukan hanya dari bank soal, sandbox, atau demonstrasi. Ini bukan label yang samar, melainkan nama tahap di mana AI beralih dari demonstrasi kemampuan ke pengiriman produksi, dari kecerdasan teoretis ke kecerdasan kerja.

Inti dari AI Dunia Nyata bukanlah menghubungkan AI ke lebih banyak tombol, tetapi membawa AI ke dalam loop tertutup: memahami tugas nyata, menerima umpan balik nyata, melakukan tindakan nyata, memperbaiki strateginya sendiri, dan akhirnya memberikan hasil nyata yang dapat diterima. Ini membutuhkan kemampuan model untuk menembus bidang yang saat ini sebagian besar terkonsentrasi di "akademik komputer" seperti kode, rekayasa perangkat lunak, matematika, keamanan siber, dan menuju skenario kerja manusia yang lebih luas: pemasaran, penjualan, rantai pasokan, manufaktur, keuangan, hukum, medis, pendidikan, penelitian, tata kelola publik, serta robotika dan sistem otomatisasi di dunia fisik.

Berikut adalah perbandingan utama antara dunia nyata dan dunia teoretis:

(Di sini seharusnya ada tabel, tetapi dalam teks asli tidak ada tabel yang ditampilkan. Mungkin hanya placeholder. Saya akan lewati.)

Dalam pengertian ini, AI Dunia Nyata bukanlah model, produk, atau jalur algoritma tertentu, melainkan arah baru seluruh industri. Ini akan menghubungkan pasca-pelatihan, pembelajaran penguatan, penggunaan alat, sistem memori, integrasi alur kerja, umpan balik organisasi, pengawasan manusia, mekanisme keamanan, dan pengukuran nilai ekonomi. Dunia nyata akan menjadi tempat pelatihan baru bagi AI.

AI Dunia Nyata akan menghasilkan real-world intelligence. Real-world intelligence adalah kemampuan model yang terbentuk setelah AI menerima umpan balik dunia nyata, serta kemampuan untuk mengubah tujuan menjadi hasil di bawah kendala nyata. Yang diukur bukanlah kinerja sesaat model pada soal statis, melainkan ketersediaan berkelanjutan, keandalan, dan kemampuan penciptaan nilai sistem AI dalam tugas nyata. Jika inti dari benchmark intelligence adalah "dapatkah memperoleh jawaban yang benar pada soal yang diberikan", maka inti dari real-world intelligence adalah "dapatkah menyelesaikan tugas nyata dan menghasilkan hasil yang diterima".

Mengapa Harus Bertransisi dari "Dunia Teoretis" ke "Dunia Nyata"?

Transisi ini memiliki keniscayaan teknis dan keniscayaan ekonomi. Secara teknis, model bahasa besar memberi AI kemampuan bahasa, model penalaran memberi AI kemampuan berpikir yang lebih kuat, dan agen memberi AI kemampuan bertindak awal. Jika kita mengamati perilaku manusia, setelah memiliki kemampuan bahasa, berpikir, dan bertindak, manusia pasti akan memasuki tahap interaksi dengan dunia nyata. Kecerdasan bukanlah kemampuan yang tersimpan di dalam kepala, melainkan kemampuan untuk menyelesaikan tujuan di lingkungan. Oleh karena itu, langkah AI selanjutnya juga sangat jelas: memasuki dunia nyata.

Secara ekonomi, nilai terbesar dari revolusi AI tidak akan selamanya tinggal di tanya jawab, menulis, dan potongan kode. Pelepasan produktivitas nyata berasal dari terbukanya tugas nyata: sebuah proses layanan pelanggan diselesaikan secara end-to-end secara otomatis, sebuah uji tuntas hukum dikirimkan secara stabil, rantai pasokan dioptimalkan secara dinamis, sebuah hipotesis penelitian diverifikasi dengan cepat, sebuah robot bekerja sama secara andal di gudang atau rumah. Hanya ketika AI memasuki alur kerja nyata, perusahaan akan memasukkannya ke dalam kapasitas organisasi, masyarakat akan memasukkannya ke dalam produktivitas, dan manusia akan benar-benar merasakan skala revolusi teknologi ini.

Inilah mengapa "AI Dunia Nyata" lebih operasional daripada sekadar membahas AGI. AGI bertanya apakah AI mendekati kecerdasan manusia, AI Dunia Nyata bertanya apakah AI dapat menyelesaikan tugas nyata; AGI cenderung membawa diskusi ke arah kemampuan tak terbatas, AI Dunia Nyata membawa diskusi kembali ke umpan balik, hasil, biaya, dan nilai. Ini bukan menurunkan target AI, tetapi menempatkan target AI ke tempat yang akhirnya harus dihadapinya: realitas.

Peta Jalan dan Terminologi

Peta Jalan

Dalam hal peta jalan, peta jalan lima tahap yang diusulkan OpenAI pada tahun 2024 secara umum menangkap arah evolusi dari chatbot ke reasoner ke agent, tetapi tidak sepenuhnya menggambarkan transisi dari dunia teoretis ke dunia nyata. Selain itu, dua tahap terakhir, innovator dan organizer, lebih condong ke karakteristik kemampuan yang mungkin dimiliki agen, bukan bentuk teknis yang sejajar dengan chatbot, reasoner, dan agent; standarnya tidak konsisten. Lebih penting lagi, peta jalan ini diajukan ketika industri belum benar-benar memasuki tahap agent, sehingga penilaian setelah agent tentu membawa ketidakpastian.

Pada titik di mana industri beralih dari dunia teoretis ke dunia nyata, kita membutuhkan peta jalan yang lebih mampu memandu pekerjaan jangka panjang. Kami mengusulkan kerangka lima tahap berikut: Pertama, Foundation AI, tahap model dasar, AI memperoleh representasi umum dan kemampuan kompresi pengetahuan; Kedua, Generative AI, tahap AI generatif, AI memperoleh kemampuan generasi bahasa alami dan multimodal; Ketiga, Reasoning AI, tahap AI penalaran, AI memperoleh kemampuan pencarian, perencanaan, pembuktian, dan refleksi yang lebih kuat; Keempat, Agentic AI, tahap AI agen, AI memperoleh kemampuan bertindak untuk memanggil alat, mengoperasikan perangkat lunak, dan melaksanakan langkah-langkah; Kelima, Real-World AI, tahap AI Dunia Nyata, AI memasuki alur kerja nyata, belajar dari umpan balik nyata, dan memberikan hasil nyata yang diterima oleh manusia, organisasi, dan sistem.

Peta jalan ini menempatkan "AI Dunia Nyata" setelah agen. Agen memecahkan masalah "apakah AI dapat bertindak", AI Dunia Nyata memecahkan masalah "apakah setelah bertindak AI dapat menghasilkan konsekuensi yang dapat diterima". Agen adalah antarmuka, dunia nyata adalah loop tertutup; Agen adalah tangan, AI Dunia Nyata adalah kemampuan kerja yang terorganisir; Agen memungkinkan AI memasuki proses, AI Dunia Nyata membuat AI diterima oleh proses, dipercaya oleh organisasi, dan diukur oleh ekonomi.

Setelah itu, industri mungkin memasuki tahap yang lebih besar: AI menjadi lapisan operasi ekonomi dan sosial, yaitu "lapisan digital" yang telah kami sebutkan sebelumnya. Pada saat itu, AI tidak hanya menyelesaikan tugas demi tugas, tetapi berpartisipasi dalam dukungan keputusan, koordinasi organisasi, alokasi sumber daya, penemuan ilmiah, operasi kota, dan operasi dunia fisik. Namun, apakah masa depan ini dapat terwujud tergantung pada apakah hari ini kita dapat melewati tahap AI Dunia Nyata. Tanpa umpan balik nyata, tidak ada kecerdasan nyata; tanpa hasil nyata, tidak ada produktivitas nyata.

Terminologi

Di masa lalu, kita telah memiliki banyak istilah yang menggambarkan perkembangan AI putaran ini: AGI, ASI, Generative AI, Agentic AI, Embodied AI, Physical AI, dll. (World Model/bukan istilah yang menggambarkan karakteristik perkembangan AI, melainkan menggambarkan jalur model). Secara umum, sebagian besar istilah ini berasal dari sudut pandang algoritma, kemampuan, atau载体, dapat disebut sebagai "deskripsi dari perspektif algoritma". Mereka sangat penting, tetapi juga cenderung membawa diskusi industri ke dalam perdebatan abstrak seperti "apakah model cukup pintar", "apakah kecerdasan tak terbatas", "kapan akan melampaui manusia".

Nama yang baik harus memiliki rasa arah: tidak hanya menggambarkan apa itu teknologi, tetapi juga mengingatkan kita ke mana akhirnya kita akan pergi, dan di posisi mana kita saat ini. "AI Dunia Nyata" memiliki rasa arah ini. Ia tidak menolak AGI, Physical AI, atau Embodied AI, tetapi mengubah cara bertanya: tidak hanya bertanya apa itu AI secara teknis, tetapi apa yang dapat dilakukan AI dalam ekonomi dan masyarakat; tidak hanya bertanya apakah AI mendekati kecerdasan manusia, tetapi apakah AI dapat menyelesaikan tugas nyata secara stabil, menciptakan nilai nyata, dan memikul konsekuensi nyata.

"AI Dunia Nyata" juga menyatukan dunia digital dan dunia fisik. Di dunia digital, AI Dunia Nyata berarti AI memasuki perangkat lunak perusahaan, pekerjaan pengetahuan, proses transaksi, proses penelitian dan pengembangan, proses tata kelola; di dunia fisik, AI Dunia Nyata berarti robot, mobil otonom, manufaktur cerdas, layanan rumah, dan infrastruktur kota belajar dari lingkungan nyata. Terlepas dari apakah wadahnya adalah browser, API, perangkat lunak kantor, lengan robot, kendaraan, atau robot humanoid, pertanyaan intinya sama: dapatkah AI membentuk loop tertutup di lingkungan nyata, menyelesaikan tugas, dan diterima oleh realitas?

Oleh karena itu, kami memperkenalkan kepada seluruh industri istilah "AI Dunia Nyata / Real-World AI". Istilah ini dapat membawa peneliti, pengusaha, investor, pengguna perusahaan, dan pembuat kebijakan ke dalam peta yang sama: dari benchmark intelligence menuju real-world intelligence; dari periode demonstrasi kemampuan menuju periode pembukaan tugas; dari perlombaan model menuju perlombaan produktivitas; dari "AI terlihat bisa melakukannya" menuju "AI benar-benar bisa melakukannya".

AI Dunia Nyata bukanlah tujuan akhir, melainkan pintu masuk. Ia mengingatkan kita: pekerjaan AI terpenting dalam beberapa tahun ke depan bukan hanya menciptakan model yang lebih besar, konteks yang lebih panjang, demonstrasi yang lebih indah, tetapi mengubah realitas menjadi loop pelatihan, umpan balik menjadi kemampuan, tugas menjadi nilai, dan AI menjadi kekuatan produktif yang benar-benar dapat digunakan oleh masyarakat manusia.

Agar tahap ini benar-benar datang, industri perlu membentuk konsensus baru. Pelatihan model perlu menjadikan umpan balik alur kerja nyata sebagai sumber daya inti pasca-pelatihan, bukan hanya mengejar peringkat yang ada; aplikasi AI perlu mendorong produk dari bentuk asisten ke bentuk pengiriman tugas, bukan hanya menyematkan jendela obrolan AI ke dalam perangkat lunak; pengguna perusahaan perlu mendorong evaluasi AI dari "apakah mudah digunakan" ke "apakah dapat menyelesaikan tugas-tugas penting secara stabil"; investor perlu mengukur ulang kecepatan pembukaan tugas, kedalaman loop umpan balik, dan output per unit biaya di luar parameter model dan efek demonstrasi; pembuat kebijakan perlu membangun kerangka kerja data, tanggung jawab, keamanan, dan audit, sehingga adopsi di dunia nyata dapat berkembang dalam kepercayaan.

Inilah makna "AI Dunia Nyata" sebagai istilah. Ia mengkondensasi fokus industri yang tersebar menjadi arah bersama: membiarkan AI meninggalkan panggung demonstrasi, memasuki lokasi produksi; meninggalkan bank soal, memasuki organisasi; meninggalkan jawaban sekali pakai, memasuki umpan balik berkelanjutan; meninggalkan kecerdasan abstrak, memasuki nilai nyata. We are at AI’s reality moment. Perbatasan AI berikutnya bukanlah benchmark lain, perbatasan berikutnya adalah dunia nyata.

Dunia nyata akan menjadi tempat pelatihan baru bagi AI.

Reality is becoming the next training loop for AI.