Saya pertama kali benar-benar memperhatikan KGeN karena “robot”
Dulu, saat saya melihat KGeN, respons pertama saya sebenarnya tetap Web3.
Tapi belakangan ini, mereka mulai memusatkan perhatian pada Physical AI / Robotics. Perubahan ini membuat saya meninjau ulang proyek tersebut.
Karena saat itulah “data manusia” tiba-tiba punya makna yang benar-benar berbeda.
Kalau untuk chatbot, data teks mungkin sudah cukup.
Tapi robot tidak sama.
Robot perlu tahu:
Bagaimana manusia berjalan?
Bagaimana tangan bergerak?
Rasanya saat menyentuh sesuatu seperti apa?
Apa yang dilakukan manusia di lingkungan yang berbeda?
Suara, penglihatan, gerakan, bahkan sentuhan, semuanya bisa menjadi data pelatihan.
KGeN sekarang secara resmi menekankan data manusia yang multimodal dan nyata, termasuk Sound, Sight, Motion, Touch, dan menggunakan data tersebut untuk Physical AI dan LLM.
Saya rasa ada perbedaan yang sangat intuitif di sini:
Data AI biasa:
“Memberitahu AI apa itu manusia.”
Data Physical AI:
“Membuat AI benar-benar memahami bagaimana manusia hidup dan bagaimana cara mereka bertindak.”
Dua hal ini sama sekali bukan tingkat kesulitannya yang sama.
Jadi sekarang saat saya melihat KGeN, saya tidak terlalu akan hanya melihat harga $KGEN.
Sebaliknya saya lebih ingin melihat:
Apakah data manusia yang nyata ini benar-benar bisa menghasilkan kebutuhan bisnis jangka panjang?
Kalau industri AI dan robot memang makin lama makin butuh data seperti ini, maka “Verified Human” mungkin akan perlahan berubah dari sebuah konsep Web3 menjadi bagian dari infrastruktur AI
#KGENUpdate #Aİ #KGEN
Dulu, saat saya melihat KGeN, respons pertama saya sebenarnya tetap Web3.
Tapi belakangan ini, mereka mulai memusatkan perhatian pada Physical AI / Robotics. Perubahan ini membuat saya meninjau ulang proyek tersebut.
Karena saat itulah “data manusia” tiba-tiba punya makna yang benar-benar berbeda.
Kalau untuk chatbot, data teks mungkin sudah cukup.
Tapi robot tidak sama.
Robot perlu tahu:
Bagaimana manusia berjalan?
Bagaimana tangan bergerak?
Rasanya saat menyentuh sesuatu seperti apa?
Apa yang dilakukan manusia di lingkungan yang berbeda?
Suara, penglihatan, gerakan, bahkan sentuhan, semuanya bisa menjadi data pelatihan.
KGeN sekarang secara resmi menekankan data manusia yang multimodal dan nyata, termasuk Sound, Sight, Motion, Touch, dan menggunakan data tersebut untuk Physical AI dan LLM.
Saya rasa ada perbedaan yang sangat intuitif di sini:
Data AI biasa:
“Memberitahu AI apa itu manusia.”
Data Physical AI:
“Membuat AI benar-benar memahami bagaimana manusia hidup dan bagaimana cara mereka bertindak.”
Dua hal ini sama sekali bukan tingkat kesulitannya yang sama.
Jadi sekarang saat saya melihat KGeN, saya tidak terlalu akan hanya melihat harga $KGEN.
Sebaliknya saya lebih ingin melihat:
Apakah data manusia yang nyata ini benar-benar bisa menghasilkan kebutuhan bisnis jangka panjang?
Kalau industri AI dan robot memang makin lama makin butuh data seperti ini, maka “Verified Human” mungkin akan perlahan berubah dari sebuah konsep Web3 menjadi bagian dari infrastruktur AI
#KGENUpdate #Aİ #KGEN
