Saya baru-baru ini memahami kembali KGeN: apakah yang benar-benar kurang pada AI bukanlah lebih banyak data?}
Setelah meneliti KGeN, kesan terbesar saya adalah:
Semakin banyak data yang dimiliki AI, justru semakin penting kemungkinan untuk memastikan apakah data tersebut benar-benar berasal dari manusia.
Dulu ketika melihat proyek AI membahas data, saya biasanya tidak berhenti terlalu lama. Soalnya, sekarang di internet, apa pun ada datanya.
Tapi justru masalahnya ada di situ.
Artikel, gambar, dan suara yang dihasilkan AI semakin banyak, akun robot juga semakin umum. Ke depan, kalau AI secara besar-besaran mempelajari konten yang sudah dibuat oleh AI, bukankah bisa muncul siklus?
AI menghasilkan → AI belajar → lagi-lagi menghasilkan → lagi dilatih oleh AI.
Jumlahnya makin besar, tapi pengalaman manusia yang nyata mungkin justru makin berkurang.
Itulah alasan saya mulai menonton KGeN dengan lebih serius.
Saat ini, KGeN memposisikan dirinya sebagai Verified Human Network. Arah utamanya adalah memperoleh data multimodal dari manusia nyata yang telah diverifikasi, untuk Physical AI dan LLM. Pihak resmi menyebut tipe data yang mencakup suara, visual, gerakan, dan sentuhan, serta mencakup lebih dari 60 negara.
Menurut saya, yang paling layak dipikirkan di sini bukanlah konsep populer “AI”, melainkan:
Jika suatu saat AI benar-benar harus memahami dunia nyata, apakah ia harus memahami manusia yang nyata terlebih dahulu?
Misalnya, agar robot bisa belajar hidup di lingkungan nyata, melihat gambar dari internet saja mungkin sama sekali tidak cukup.
Ia perlu tahu bagaimana manusia berbicara, bagaimana mereka bertindak, bagaimana mereka mengamati lingkungan, bahkan respons seperti apa yang akan mereka tunjukkan di berbagai skenario.
Di titik ini, data manusia nyata tidak lagi sekadar soal jumlah, melainkan soal sumber data dan kualitasnya.
Gagasan KGeN sekarang adalah menghubungkan manusia sungguhan, data yang terverifikasi, data multimodal, dan kebutuhan pelatihan AI. Dalam ekosistem produknya, ada pula K-Quest, yaitu mengumpulkan data multimodal yang dibutuhkan untuk Physical AI dan LLM melalui manusia yang telah diverifikasi untuk menyelesaikan tugas.
Tentu saja, saya tidak akan mengatakan sekarang bahwa KGeN pasti akan berhasil.
Bagi saya, yang lebih penting untuk terus dipantau adalah:
Apakah pengguna nyata bisa terus bertambah?
Apakah kebutuhan data bisa terus menghasilkan data?
Apakah data-data ini benar-benar bisa digunakan oleh perusahaan AI?
Dan akhirnya, apakah bisa terbentuk siklus bisnis jangka panjang?
Pertanyaan-pertanyaan ini jauh lebih menarik daripada sekadar melihat harga jangka pendek.
Jawabannya, saya masih terus memantau
#KGen
Setelah meneliti KGeN, kesan terbesar saya adalah:
Semakin banyak data yang dimiliki AI, justru semakin penting kemungkinan untuk memastikan apakah data tersebut benar-benar berasal dari manusia.
Dulu ketika melihat proyek AI membahas data, saya biasanya tidak berhenti terlalu lama. Soalnya, sekarang di internet, apa pun ada datanya.
Tapi justru masalahnya ada di situ.
Artikel, gambar, dan suara yang dihasilkan AI semakin banyak, akun robot juga semakin umum. Ke depan, kalau AI secara besar-besaran mempelajari konten yang sudah dibuat oleh AI, bukankah bisa muncul siklus?
AI menghasilkan → AI belajar → lagi-lagi menghasilkan → lagi dilatih oleh AI.
Jumlahnya makin besar, tapi pengalaman manusia yang nyata mungkin justru makin berkurang.
Itulah alasan saya mulai menonton KGeN dengan lebih serius.
Saat ini, KGeN memposisikan dirinya sebagai Verified Human Network. Arah utamanya adalah memperoleh data multimodal dari manusia nyata yang telah diverifikasi, untuk Physical AI dan LLM. Pihak resmi menyebut tipe data yang mencakup suara, visual, gerakan, dan sentuhan, serta mencakup lebih dari 60 negara.
Menurut saya, yang paling layak dipikirkan di sini bukanlah konsep populer “AI”, melainkan:
Jika suatu saat AI benar-benar harus memahami dunia nyata, apakah ia harus memahami manusia yang nyata terlebih dahulu?
Misalnya, agar robot bisa belajar hidup di lingkungan nyata, melihat gambar dari internet saja mungkin sama sekali tidak cukup.
Ia perlu tahu bagaimana manusia berbicara, bagaimana mereka bertindak, bagaimana mereka mengamati lingkungan, bahkan respons seperti apa yang akan mereka tunjukkan di berbagai skenario.
Di titik ini, data manusia nyata tidak lagi sekadar soal jumlah, melainkan soal sumber data dan kualitasnya.
Gagasan KGeN sekarang adalah menghubungkan manusia sungguhan, data yang terverifikasi, data multimodal, dan kebutuhan pelatihan AI. Dalam ekosistem produknya, ada pula K-Quest, yaitu mengumpulkan data multimodal yang dibutuhkan untuk Physical AI dan LLM melalui manusia yang telah diverifikasi untuk menyelesaikan tugas.
Tentu saja, saya tidak akan mengatakan sekarang bahwa KGeN pasti akan berhasil.
Bagi saya, yang lebih penting untuk terus dipantau adalah:
Apakah pengguna nyata bisa terus bertambah?
Apakah kebutuhan data bisa terus menghasilkan data?
Apakah data-data ini benar-benar bisa digunakan oleh perusahaan AI?
Dan akhirnya, apakah bisa terbentuk siklus bisnis jangka panjang?
Pertanyaan-pertanyaan ini jauh lebih menarik daripada sekadar melihat harga jangka pendek.
Jawabannya, saya masih terus memantau
#KGen
