Membangun AI yang Menyimulasikan Realitas Fisik

Ringkasan

Model bahasa memprediksi kata. Model dunia memprediksi apa yang akan terjadi selanjutnya di dunia nyata. Perbedaan arsitektur inilah yang membuat sejumlah nama paling terkemuka dalam riset AI mulai bersatu memandang model dunia sebagai lapisan kemampuan esensial berikutnya. Pada tahun 2026, tiga organisasi memimpin pembangunannya: Google DeepMind meluncurkan model dunia interaktif real-time berbasis difusi video; World Labs milik Fei-Fei Li mengkomersialkan Marble, sebuah simulator lingkungan 3D yang dapat dijelajahi; dan AMI Labs milik Yann LeCun menutup pendanaan awal (seed round) senilai $1,03 miliar — yang terbesar sepanjang sejarah Eropa — untuk membangun AI berbasis JEPA yang mempelajari pemahaman fisik dari prinsip dasar.

Apa yang Sebenarnya Dilakukan Model Dunia

Model bahasa dilatih untuk memprediksi token berikutnya dalam suatu urutan. Diberikan sebuah teks, model tersebut memperkirakan kata, frasa, atau karakter apa yang muncul selanjutnya — dan melalui proses ini, model belajar bernalar tentang bahasa, konsep, dan pola.

Model dunia melakukan sesuatu yang secara struktural berbeda. Diberikan kondisi saat ini dari suatu lingkungan fisik, model ini memprediksi apa yang terjadi selanjutnya: bagaimana objek berperilaku di bawah gaya, seperti apa tampilan suatu ruang dari sudut pandang yang berbeda, apa konsekuensi dari suatu tindakan tertentu. Data pelatihannya bukan teks — melainkan video, pembacaan sensor, dan simulasi.

Tujuannya adalah AI yang dapat mensimulasikan sebelum bertindak. Daripada mendeskripsikan sebuah rencana dengan kata-kata dan berharap deskripsi tersebut akurat, AI dengan model dunia dapat secara internal mensimulasikan hasil dari suatu rencana, mengidentifikasi apa yang akan gagal, dan merevisinya sebelum apa pun dieksekusi di dunia nyata.

Tiga organisasi membangun kemampuan ini dengan cara yang secara signifikan berbeda.

Google DeepMind: Video Menjadi Simulasi Interaktif

Pada Agustus 2025, DeepMind meluncurkan model dunia interaktif real-time yang mengubah video menjadi simulasi yang dapat dimainkan. Inputnya adalah video apa pun — rekaman sebuah ruangan, lingkungan luar ruangan, atau dunia dalam sebuah game. Outputnya adalah versi interaktif dari video tersebut: pengguna dapat bergerak melaluinya, mengambil tindakan, dan model tersebut menghasilkan frame selanjutnya yang secara fisik masuk akal secara real time.

Pendekatan DeepMind sama sekali menghindari aturan fisika yang dibuat secara manual. Model ini mempelajari dinamika fisik dari pelatihan pada dataset video dalam jumlah besar — secara efektif menyimpulkan cara kerja dunia dari pengamatan terhadapnya. Simulasi tersebut menghormati gravitasi, oklusi, permanensi objek, dan struktur dasar ruang fisik tanpa aturan eksplisit apa pun yang mengkodekan properti-properti tersebut.

Aplikasi saat ini:

• Lingkungan pelatihan robotika: menghasilkan skenario baru tanpa batas dari rekaman referensi alih-alih mengumpulkan data fisik baru
• Pengembangan game: menghasilkan lingkungan prototipe interaktif dari materi referensi
• Pemberian landasan (grounding) agen AI: menguji rencana dalam simulasi sebelum eksekusi di dunia nyata

Implikasi jangka panjang: Model dunia DeepMind merupakan landasan bagi agen otonom yang dapat bernalar tentang konsekuensi sebelum bertindak — bukan bertindak lalu mengamati hasilnya.

World Labs: Marble, Dunia 3D yang Dapat Dijelajahi

Fei-Fei Li — co-director Stanford Human-Centered AI Institute dan mantan kepala AI Google Cloud — mendirikan World Labs untuk mengkomersialkan pemodelan dunia berskala besar. Peluncuran produk perusahaan tersebut pada 2026 adalah Marble: model generatif yang menciptakan lingkungan 3D real-time yang dapat dijelajahi dari nol.

Sementara DeepMind mengonversi video yang sudah ada menjadi simulasi interaktif, Marble menghasilkan dunia 3D yang sepenuhnya baru dari sebuah deskripsi atau sketsa kasar. Lingkungan-lingkungan ini dapat dieksplorasi dari sudut mana pun dengan geometri spasial dan fisika yang konsisten — sebuah scene yang dihasilkan oleh Marble mempertahankan koherensi struktural saat Anda bergerak melaluinya, sesuatu yang tidak dapat dicapai secara andal oleh sistem generatif sebelumnya.

Di mana Marble digunakan:

Peluang komersial yang menjadi target World Labs adalah biaya konten 3D: saat ini diukur dalam jutaan dolar dan berbulan-bulan waktu produksi. Generasi bergaya Marble memampatkan hal ini menjadi hitungan jam.

AMI Labs: Taruhan $1,03 Miliar pada JEPA

Advanced Machine Intelligence Labs, yang didirikan bersama oleh Yann LeCun (Chief AI Scientist Meta), menutup pendanaan awal (seed round) senilai $1,03 miliar — pendanaan awal terbesar di Eropa sepanjang sejarah — dari konsorsium investor teknologi Eropa.

AMI Labs tidak sedang membangun model bahasa yang lebih besar atau sistem difusi video yang lebih baik. Mereka membangun AI berdasarkan Joint Embedding Predictive Architecture (JEPA) milik LeCun, yang bekerja berdasarkan prinsip yang secara fundamental berbeda dari model dunia saat ini.

Daripada memprediksi piksel mentah atau token teks, JEPA melatih AI untuk memprediksi representasi abstrak — struktur bermakna dari sebuah scene alih-alih tampilan literalnya. Argumen LeCun: akal sehat manusia tidak dibangun dari menghafal pengamatan terhadap dunia. Akal sehat dibangun dari pembelajaran model abstrak tentang sebab-akibat, dinamika fisik, dan perilaku objek pada level konseptual. JEPA berusaha mereplikasi proses pembelajaran tersebut.

Perbedaan praktisnya: sistem berbasis JEPA seharusnya dapat bergeneralisasi ke situasi fisik yang baru secara lebih efektif dibandingkan model difusi video, karena mereka tidak mencoba merekonstruksi setiap piksel — mereka memodelkan struktur konseptual yang menghasilkan piksel-piksel tersebut.

Tesis AMI Labs, dalam kerangka LeCun: penskalaan model bahasa tidak dapat menghasilkan AI umum. Bahan yang hilang adalah model dunia yang memahami fisika dari prinsip dasar, bukan dari pola statistik dalam teks atau video.

Membandingkan Ketiga Pendekatan

Mengapa Ini Penting di Luar Laboratorium

Model dunia adalah infrastruktur bagi generasi produk AI berikutnya, bukan aplikasi konsumen jangka pendek. Namun produk yang dibangun pada 2026 dan 2027 akan semakin bergantung pada kemampuan pemodelan dunia yang sedang dibangun saat ini:

Robotika dalam skala besar: Setiap perusahaan yang membangun AI fisik — otomasi gudang, manufaktur, pengiriman — perlu melatih robot pada berbagai skenario. Model dunia menghasilkan lingkungan pelatihan yang bervariasi tanpa batas tanpa biaya pengumpulan data fisik. DeepMind dan World Labs sedang membangun lapisan generasi lingkungan pelatihan yang akan digunakan oleh seluruh industri robotika.

Agen AI dengan landasan fisik: Agen AI saat ini, termasuk sistem berbasis model bahasa yang paling mumpuni, berhalusinasi tentang batasan fisik karena mereka bernalar tentang dunia fisik hanya dari deskripsi teks. AI dengan model dunia dapat mensimulasikan apakah sebuah rencana benar-benar berfungsi secara fisik sebelum mengeksekusinya.

Pembuatan konten 3D: Sistem sekelas Marble akan memampatkan lini waktu dan biaya produksi konten 3D dalam skala besar — dengan implikasi langsung bagi pengembangan game, produksi film, arsitektur, dan media imersif.

Pertanyaan yang Sering Diajukan

Apa itu model dunia dalam AI? Model dunia adalah sistem AI yang membangun simulasi internal atas realitas fisik — mengkodekan bagaimana objek berperilaku, bagaimana sebab-akibat bekerja, dan apa yang terjadi setelah suatu tindakan tertentu. Berbeda dengan model bahasa yang memprediksi token teks berikutnya, model dunia memprediksi kondisi selanjutnya dari suatu lingkungan fisik. Model dunia dianggap fundamental bagi robotika, kendaraan otonom, dan agen AI fisik.

Apa yang sedang dibangun Yann LeCun di AMI Labs? AMI Labs, yang didirikan bersama oleh LeCun dan didanai dengan pendanaan awal (seed round) senilai $1,03 miliar (yang terbesar dalam sejarah startup Eropa), mengembangkan AI berbasis JEPA — Joint Embedding Predictive Architecture. JEPA memprediksi representasi abstrak alih-alih piksel mentah atau token, dengan tujuan memberikan AI jenis akal sehat fisik yang dikembangkan manusia melalui pengalaman, bukan hanya observasi. LeCun berargumen bahwa JEPA adalah arsitektur yang diperlukan bagi AI yang dapat benar-benar bernalar tentang dunia fisik.

Apa itu produk Marble dari World Labs? Marble adalah model dunia berskala besar dari World Labs (didirikan oleh Fei-Fei Li) yang menghasilkan simulasi 3D real-time yang dapat dijelajahi dari deskripsi atau sketsa. Berbeda dengan sistem yang mengonversi video yang sudah ada menjadi simulasi, Marble menciptakan lingkungan 3D baru dengan fisika dan geometri spasial yang konsisten. Aplikasinya meliputi lingkungan pelatihan robotika, prototyping game dan AR/VR, serta visualisasi arsitektur.

Bagaimana cara kerja model dunia Google DeepMind? Model dunia DeepMind, yang dirilis pada Agustus 2025, menerima input video dan mengubahnya menjadi simulasi interaktif. Pengguna dapat menavigasi dan bertindak di dalam lingkungan yang disimulasikan, dan model tersebut menghasilkan frame berikutnya yang secara fisik masuk akal secara real time. Alih-alih membuat aturan fisika secara manual, model ini mempelajari dinamika fisik dari pelatihan pada dataset video berskala besar — menyimpulkan bagaimana dunia berperilaku dari pengamatan terhadapnya.

Sumber

• Google DeepMind — Peluncuran model dunia interaktif real-time, Agustus 2025
• World Labs — Peluncuran produk Marble dan dokumentasi teknis, 2026
• AMI Labs — Pengumuman pendanaan awal (seed round) $1,03 miliar dan gambaran arsitektur JEPA, 2026
• Yann LeCun — Makalah riset JEPA dan presentasi publik, Meta AI, 2025–2026