Jika menurut Anda sebuah kecerdasan buatan model berjalan di ribuan komputer mutakhir keripik cerdas, izinkan saya memperkenalkan Anda pada konsep anak berusia 1 tahun.
Oke, jadi bayi mungkin belum bisa menulis program komputer, menyelesaikan soal matematika tingkat lanjut, atau berdebat ide filosofis. Namun tidak seperti model AI saat ini, yang menghabiskan banyak sekali data pelatihan dan energi sebanyak sebuah negara kecilbayi belajar memahami dunia dengan efisiensi luar biasa. Mereka mengidentifikasi objek baru setelah melihatnya sekali atau dua kali, dan mereka belajar melalui observasi singkat dan interaksi fisik.
Dalam hal peningkatan AI, bayi—dan arsitektur otak mereka—mungkin memiliki wawasan penting. Membangun versi AI yang lebih mirip bayi dapat membuat model terdepan menjadi lebih murah dan hemat energi, dan mungkin juga bermanfaat jika robot bertenaga AI ingin mempelajari lingkungannya dengan cara yang lebih alami.
Untuk mengeksplorasi batas baru yang berani ini, para peneliti di Meta, Universitas Stanford, Universitas Tokyo, dan École Normale Supérieure Perancis dikembangkan sebuah tes baru yang menyoroti keterampilan belajar bayi dan mendorong peneliti AI untuk merancang algoritma yang cocok dengan mereka.
Itu Tantangan EgoBabyVLM menilai seberapa baik model bahasa penglihatan, atau VLM, yang belajar dari teks dan gambar, dapat memahami dunia seperti yang dilihat bayi. Dibutuhkan model untuk mendeskripsikan dunia setelah mencernanya seribu jam video dikumpulkan dari kamera yang diikatkan ke kepala bayi dan balita. (Ya, sungguh.)
Ternyata model-model mutakhir gagal total ketika diberi rekaman yang realistis dan berantakan ini, yang menunjukkan mungkin ada sesuatu yang berbeda pada desain otak bayi yang memungkinkannya belajar begitu cepat dari informasi yang sangat sedikit.
Alih-alih menggunakan kumpulan data yang dikurasi, bayi belajar dari sudut pandang kaleidoskopik: orang tua berbicara tentang objek yang tidak lagi terlihat, menunjukkan sesuatu menggunakan pandangan atau isyarat, atau mendiskusikan peristiwa di masa lalu atau masa depan, bukan apa yang sedang terjadi saat itu. Bayi belajar tidak hanya dari bahasa tetapi juga dari pengalaman multimodal dan sentuhan yang kaya, kata Michael Frank, ilmuwan kognitif di Universitas Stanford yang berspesialisasi dalam pembelajaran bahasa dan terlibat dalam pengembangan EgoBabyVLM.
Pengujian tersebut menunjukkan bahwa dalam kaitannya dengan AI, “jelas bahwa masih ada lebih banyak lagi [than just language] itu diperlukan,” kata Frank.
Pembelajaran Bahasa
EgoBabyVLM hanyalah contoh terbaru bagaimana para ilmuwan menggunakan AI untuk mengeksplorasi kecerdasan manusia. Sebuah tantangan disebut sayanglmyang diperkenalkan pada tahun 2023, menugaskan model AI untuk mempelajari sintaksis bahasa menggunakan jumlah data yang hampir sama dengan yang digunakan anak berusia 10 tahun—puluhan juta kata, dibandingkan dengan triliunan kata untuk model AI. Hebatnya, ternyata model AI berbasis transformator—yang memproses bahasa dengan memperhatikan hubungan antara kata-kata dalam kalimat yang berbeda—dapat melakukan hal ini dengan cukup baik, sebuah temuan yang menantang. gagasan Noam Chomsky tentang bagaimana sintaksis dapat tertanam dalam otak manusia.
Ryan Cotterell, ahli bahasa di ETH Zurich yang pertama kali mengembangkan BabyLM, mengatakan situasinya berbeda ketika memahami dunia fisik. “Tidak akan ada interaksi manusia dalam jumlah besar—tidak ada internet untuk interaksi manusia,” katanya.
Joshua Tenenbaum, seorang ilmuwan kognitif di Massachusetts Institute of Technology, mencatat bahwa BabyLM menunjukkan bahwa model tidak memiliki “akal sehat” tentang dunia fisik, dinamika sosial, atau teori pikiran.
“Transformator sangat pandai menemukan pola dalam data,” kata Tenenbaum. “Tetapi tampaknya sistem pembelajaran pola murni saja tidak mampu mengambil jenis data yang diterima bayi atau anak-anak dan mempelajari semua hal yang mereka lakukan.”
Pertanyaan yang terus muncul adalah apakah evolusi menemukan cara untuk mengoptimalkan keterampilan pembelajaran tertentu pada manusia dan hewan lain, atau apakah algoritma pembelajaran sederhana dapat melakukan semua yang kita lakukan. “Ada banyak perdebatan dalam ilmu kognitif dan ilmu saraf tentang seberapa banyak hal yang dibangun di otak secara evolusioner,” kata Tenenbaum. “Otak sangatlah kompleks, dan terdapat banyak struktur dan arsitektur yang tertanam di dalamnya.”
Pada tahun 2024, peneliti menunjukkan itu VLM dasar dapat mempelajari hal-hal sederhana, seperti apa itu bola, hanya dengan mengonsumsi data yang direkam dari kepala seorang bayi. Namun hal ini jauh dari penalaran tentang dunia dengan cara yang canggih. “Misterinya adalah bagaimana anak-anak mencapai kemampuan penuh yang mereka miliki bahkan pada usia 2 tahun,” kata Brendan Lake, ilmuwan kognitif di Universitas Princeton yang terlibat dalam proyek ini.
Penulis makalah EgoBabyVLM menyarankan bahwa meminjam ide-ide berbeda dari ilmu kognitif dan ilmu saraf dapat memungkinkan kemajuan menuju algoritma pembelajaran yang lebih mirip manusia. Hal ini termasuk merancang model yang dapat memberikan perhatian dalam jangka waktu yang lebih lama dan dapat menafsirkan isyarat sosial.
Frank dari Stanford telah menunjukkan bahwa pendekatan baru dapat membawa kita lebih dekat ke AI yang mirip bayi. Awal tahun ini, dia dan rekan-rekannya melakukan pengujian model jenis baru yang mahir mempelajari kausalitas dan hubungan visual dan temporal—atau bagaimana objek mempengaruhi satu sama lain seiring waktu—menggunakan data video baby-head yang sama. Mereka menemukan bahwa model baru ini mampu mempelajari dinamika berbagai objek, landasan penalaran fisik, dengan jauh lebih efektif.
Ini kemungkinan yang menggiurkan: Mungkin model yang cenderung belajar lebih cepat tentang hal-hal seperti fisika dan hubungan sosial bisa menjadi pembelajar yang lebih efisien secara keseluruhan.
“EgoBabyVLM adalah tantangan yang luar biasa,” kata Lake. “Saya sangat antusias melihat arsitektur, pendekatan, dan bahan-bahan baru yang dihasilkan oleh para peneliti.”
Ini adalah edisi Will Knight Buletin Lab AI. Baca buletin sebelumnya Di Sini.
