With Spatial Intelligence, AI Will Understand the Real World | Fei-Fei Li | TED

Translator: Reno Kanti Riananda Reviewer: Indah Setiawan

Let me show you something.

Saya akan perlihatkan sesuatu ke Anda.

To be precise,

Tepatnya,

I'm going to show you nothing.

saya tidak akan memperlihatkan apa pun.

This was the world 540 million years ago.

Ini adalah dunia 540 juta tahun yang lalu.

Pure, endless darkness.

Kegelapan murni dan tak berujung.

It wasn't dark due to a lack of light.

Saat itu, gelap bukan karena minim cahaya.

It was dark because of a lack of sight.

Tetapi, karena kurangnya penglihatan.

Although sunshine did filter 1,000 meters

Meskipun sinar matahari tetap menembus

1.000 meter di bawah permukaan laut,

beneath the surface of ocean,

cahaya masuk dari ventilasi hidrotermal ke dasar laut,

a light permeated from hydrothermal vents to seafloor,

brimming with life,

penuh dengan kehidupan,

there was not a single eye to be found in these ancient waters.

tidak ada satu mata pun yang ditemukan di perairan kuno ini.

No retinas, no corneas, no lenses.

Tidak ada retina, tidak ada kornea, tidak ada lensa.

So all this light, all this life went unseen.

Jadi semua cahaya ini, semua kehidupan ini tidak terlihat.

There was a time that the very idea of seeing didn't exist.

Ada suatu masa di mana gagasan tentang melihat itu tidak ada.

It [had] simply never been done before.

Melihat belum pernah dilakukan sebelumnya.

Until it was.

Sampai tiba saatnya.

So for reasons we're only beginning to understand,

Jadi, untuk alasan yang baru kita mulai mengerti,

trilobites, the first organisms that could sense light, emerged.

trilobit, organisme pertama yang bisa merasakan cahaya, muncul.

They're the first inhabitants of this reality that we take for granted.

Mereka adalah penghuni pertama dari realitas yang kita anggap remeh ini.

First to discover that there is something other than oneself.

Pertama yang menemukan bahwa ada sesuatu selain dirinya sendiri.

A world of many selves.

Dunia dengan banyak penghuni.

The ability to see is thought to have ushered in Cambrian explosion,

Kemampuan untuk melihat diperkirakan telah menyebabkan ledakan Kambrium,

a period in which a huge variety of animal species

periode di mana berbagai spesies hewan memasuki catatan fosil.

entered fossil records.

What began as a passive experience,

Apa yang dimulai sebagai pengalaman pasif,

the simple act of letting light in,

tindakan sesederhana membiarkan cahaya masuk,

soon became far more active.

segera menjadi jauh lebih aktif.

The nervous system began to evolve.

Sistem saraf mulai berkembang.

Sight turning to insight.

Penglihatan berubah menjadi wawasan.

Seeing became understanding.

Melihat menjadi memahami.

Understanding led to actions.

Pemahaman mengarah pada tindakan.

And all these gave rise to intelligence.

Semua ini lantas memunculkan kecerdasan.

Today, we're no longer satisfied with just nature's gift of visual intelligence.

Hari ini, kita tidak lagi puas dengan karunia kecerdasan visual alami.

Curiosity urges us to create machines to see just as intelligently as we can,

Keingintahuan mendorong kita menciptakan mesin untuk melihat secerdas kita bisa,

if not better.

bahkan lebih baik.

Nine years ago, on this stage,

Sembilan tahun yang lalu, pada tahap ini,

I delivered an early progress report on computer vision,

saya menyampaikan laporan kemajuan awal tentang visi komputer,

a subfield of artificial intelligence.

subbidang kecerdasan buatan.

Three powerful forces converged for the first time.

Tiga kekuatan kuat bertemu untuk pertama kalinya.

Aa family of algorithms called neural networks.

Sebuah keluarga algoritma yang disebut jaringan saraf.

Fast, specialized hardware called graphic processing units,

Perangkat keras khusus yang cepat, yang disebut unit pemrosesan grafis,

or GPUs.

atau GPU.

And big data.

Serta data besar.

Like the 15 million images that my lab spent years curating called ImageNet.

Seperti 15 juta gambar yang dikurasi oleh lab saya selama bertahun-tahun

yang disebut ImageNet.

Together, they ushered in the age of modern AI.

Bersama-sama, mereka mengantarkan era AI modern.

We've come a long way.

Kita telah sangat berkembang.

Back then, just putting labels on images was a big breakthrough.

Dulu, menempatkan label pada gambar adalah terobosan besar.

But the speed and accuracy of these algorithms just improved rapidly.

Namun, kecepatan dan akurasi algoritma ini baru meningkat dengan sangat cepat.

The annual ImageNet challenge, led by my lab,

Tantangan ImageNet tahunan, yang dipimpin oleh lab saya,

gauged the performance of this progress.

mengukur kinerja kemajuan ini.

And on this plot, you're seeing the annual improvement

Pada grafik ini, Anda melihat peningkatan tahunan

and milestone models.

dan model tonggak sejarah.

We went a step further

Kami melangkah lebih jauh

and created algorithms that can segment objects

dan membuat algoritma yang dapat mengelompokkan objek

or predict the dynamic relationships among them

atau memprediksi hubungan dinamis di antara mereka

in these works done by my students and collaborators.

dalam karya-karya yang dilakukan oleh siswa dan kolaborator saya.

And there's more.

Dan masih banyak lagi.

Recall last time I showed you the first computer-vision algorithm

Ingatlah terakhir kali saya menunjukkan algoritma visi komputer pertama

that can describe a photo in human natural language.

yang dapat menggambarkan foto dalam bahasa alami manusia.

That was work done with my brilliant former student, Andrej Karpathy.

Itu hasil kerja sama dengan mantan murid saya yang brilian, Andrej Karpathy.

At that time, I pushed my luck and said,

Pada saat itu, saya iseng dan berkata,

"Andrej, can we make computers to do the reverse?"

“Andrej, bisakah kita buat komputer melakukan kebalikannya?”

And Andrej said, "Ha ha, that's impossible."

Dan Andrej berkata, “Ha-ha, itu tidak mungkin.”

Well, as you can see from this post,

Seperti posting ini,

recently the impossible has become possible.

baru-baru ini hal yang mustahil menjadi mungkin.

That's thanks to a family of diffusion models

Itu berkat serangkaian model difusi

that powers today's generative AI algorithm,

yang mendukung algoritma AI generatif saat ini,

which can take human-prompted sentences

yang dapat mengambil kalimat yang dibuat manusia

and turn them into photos and videos

dan mengubahnya menjadi foto dan video yang sama sekali baru.

of something that's entirely new.

Many of you have seen the recent impressive results of Sora by OpenAI.

Anda telah melihat hasil yang mengesankan baru-baru ini dari Sora oleh OpenAI.

But even without the enormous number of GPUs,

Namun, tanpa sejumlah besar GPU pun,

my student and our collaborators

murid saya dan kolaborator kami telah mengembangkan model video generatif

have developed a generative video model called Walt

yang disebut Walt,

months before Sora.

beberapa bulan sebelum Sora.

And you're seeing some of these results.

Anda sedang melihat beberapa hasilnya.

There is room for improvement.

Memang masih ada ruang untuk perbaikan.

I mean, look at that cat's eye

Maksud saya, lihat mata kucing itu

and the way it goes under the wave without ever getting wet.

dan bagaimana ia ada di bawah ombak tanpa kebasahan.

What a cat-astrophe.

Buruk sekali.

(Laughter)

(Tawa)

And if past is prologue,

Jika masa lalu adalah prolog,

we will learn from these mistakes and create a future we imagine.

kita akan belajar dari kesalahan ini

dan menciptakan masa depan yang kita bayangkan.

And in this future,

Di masa depan ini,

we want AI to do everything it can for us,

kita ingin AI melakukan semua yang mereka bisa untuk kita,

or to help us.

atau untuk membantu kita.

For years I have been saying

Selama bertahun-tahun saya telah mengatakan

that taking a picture is not the same as seeing and understanding.

bahwa mengambil gambar tidak sama dengan melihat dan memahami.

Today, I would like to add to that.

Hari ini, saya ingin menambahkan sesuatu.

Simply seeing is not enough.

Hanya melihat saja tidak cukup.

Seeing is for doing and learning.

Melihat adalah untuk bertindak dan belajar.

When we act upon this world in 3D space and time,

Ketika kita bertindak di dunia ini dalam ruang dan waktu tiga dimensi,

we learn, and we learn to see and do better.

kita belajar dan belajar untuk melihat dan melakukan sesuatu dengan lebih baik.

Nature has created this virtuous cycle of seeing and doing

Alam telah menciptakan siklus melihat dan melakukan yang baik ini

powered by “spatial intelligence.”

didukung oleh “kecerdasan spasial.”

To illustrate to you what your spatial intelligence is doing constantly,

Untuk mengilustrasikan apa yang dilakukan kecerdasan spasial Anda terus-menerus,

look at this picture.

lihat gambar ini.

Raise your hand if you feel like you want to do something.

Angkat tangan jika Anda merasa ingin melakukan sesuatu.

(Laughter)

(Tawa)

In the last split of a second,

Dalam sepersekian detik,

your brain looked at the geometry of this glass,

otak Anda melihat geometri gelas ini,

its place in 3D space,

posisinya dalam ruang 3D,

its relationship with the table, the cat

hubungannya dengan meja, kucing, dan yang lainnya.

and everything else.

And you can predict what's going to happen next.

Dan Anda dapat memprediksi apa yang akan terjadi selanjutnya.

The urge to act is innate to all beings with spatial intelligence,

Dorongan untuk bertindak adalah bawaan semua makhluk dengan kecerdasan spasial,

which links perception with action.

yang menghubungkan persepsi dengan tindakan.

And if we want to advance AI beyond its current capabilities,

Jika kita ingin memajukan AI di luar kemampuannya saat ini,

kita menginginkan AI yang lebih dari sekadar melihat dan berbicara.

we want more than AI that can see and talk.

We want AI that can do.

Kita ingin AI yang bisa bertindak.

Indeed, we're making exciting progress.

Benar, kita membuat kemajuan yang menarik.

The recent milestones in spatial intelligence

Tonggak terbaru dalam kecerdasan spasial

is teaching computers to see, learn, do

adalah mengajarkan komputer untuk melihat, belajar, melakukan,

and learn to see and do better.

dan belajar untuk melihat dan melakukan yang lebih baik.

This is not easy.

Ini tidak mudah.

It took nature millions of years to evolve spatial intelligence,

Alam membutuhkan jutaan tahun untuk mengembangkan kecerdasan spasial,

which depends on the eye taking light,

yang bergantung pada mata untuk menangkap cahaya,

memproyeksikan gambar 2D pada retina,

project 2D images on the retina

and the brain to translate these data into 3D information.

dan otak untuk menerjemahkan data ini menjadi informasi 3D.

Only recently, a group of researchers from Google

Baru-baru ini, sekelompok peneliti dari Google

are able to develop an algorithm to take a bunch of photos

dapat mengembangkan algoritma untuk mengambil banyak foto

and translate that into 3D space,

dan menerjemahkannya ke ruang 3D,

like the examples we're showing here.

seperti contoh yang kami tunjukkan ini.

My student and our collaborators have taken a step further

Murid saya dan kolaborator kami telah mengambil langkah lebih jauh

and created an algorithm that takes one input image

dan membuat algoritma yang mengambil satu gambar input

and turn that into 3D shape.

dan mengubahnya menjadi bentuk 3D.

Here are more examples.

Berikut ini lebih banyak contoh.

Recall, we talked about computer programs that can take a human sentence

Ingatlah saat kita bicara tentang program yang dapat mengambil kalimat manusia

and turn it into videos.

dan mengubahnya menjadi video.

A group of researchers in University of Michigan

Sekelompok peneliti di University of Michigan

have figured out a way to translate that line of sentence

telah menemukan cara untuk menerjemahkan baris kalimat itu ke tata letak ruang 3D,

into 3D room layout, like shown here.

seperti yang ditunjukkan di sini.

And my colleagues at Stanford and their students

Rekan-rekan saya di Stanford dan murid mereka

have developed an algorithm that takes one image

telah mengembangkan algoritma yang mengambil satu gambar

and generates infinitely plausible spaces

dan menghasilkan ruang tak terbatas yang masuk akal untuk dijelajahi pemirsa.

for viewers to explore.

Ini adalah prototipe dari tanda-tanda awal kemungkinan masa depan.

These are prototypes of the first budding signs of a future possibility.

One in which the human race can take our entire world

Salah satu di mana umat manusia dapat mengambil seluruh dunia kita

and translate it into digital forms

dan menerjemahkannya dalam bentuk digital

and model the richness and nuances.

dan memodelkan kekayaan dan nuansa.

What nature did to us implicitly in our individual minds,

Apa yang alam lakukan kepada kita secara implisit

dalam pikiran kita masing-masing,

spatial intelligence technology can hope to do

teknologi kecerdasan spasial diharapkan bisa melakukan hal yang sama

for our collective consciousness.

untuk kesadaran kolektif kita.

As the progress of spatial intelligence accelerates,

Seiring dengan kemajuan kecerdasan spasial yang meningkat,

a new era in this virtuous cycle is taking place in front of our eyes.

era baru dalam siklus ini sedang terjadi di depan mata kita.

This back and forth is catalyzing robotic learning,

Siklus bolak-balik ini mempercepat pembelajaran robotik,

a key component for any embodied intelligence system

komponen kunci untuk setiap perwujudan sistem kecerdasan,

that needs to understand and interact with the 3D world.

yang perlu memahami dan berinteraksi dengan dunia 3D.

A decade ago,

Satu dekade yang lalu,

ImageNet from my lab

ImageNet dari lab saya mengaktifkan database jutaan foto berkualitas tinggi

enabled a database of millions of high-quality photos

to help train computers to see.

untuk membantu melatih komputer melihat.

Today, we're doing the same with behaviors and actions

Hari ini, kita melakukan hal yang sama dengan perilaku dan tindakan

to train computers and robots how to act in the 3D world.

untuk melatih komputer dan robot bagaimana bertindak di dunia 3D.

But instead of collecting static images,

Alih-alih mengumpulkan gambar statis,

we develop simulation environments powered by 3D spatial models

kami mengembangkan lingkungan simulasi yang didukung oleh model spasial 3D

so that the computers can have infinite varieties of possibilities

sehingga komputer dapat memiliki ragam kemungkinan yang tak terbatas

to learn to act.

untuk belajar bertindak.

And you're just seeing a small number of examples

Anda hanya melihat sejumlah kecil contoh untuk mengajar robot kami

to teach our robots

dalam proyek yang dipimpin lab saya, Behavior.

in a project led by my lab called Behavior.

We’re also making exciting progress in robotic language intelligence.

Kami juga membuat kemajuan menarik dalam kecerdasan bahasa robot.

Using large language model-based input,

Menggunakan input berbasis model bahasa besar,

my students and our collaborators are among the first teams

murid saya dan kolaborator kami adalah salah satu tim pertama

that can show a robotic arm performing a variety of tasks

yang dapat menunjukkan lengan robot melakukan berbagai tugas

based on verbal instructions,

berdasarkan instruksi verbal,

like opening this drawer or unplugging a charged phone.

seperti membuka laci ini atau mencabut telepon yang sedang diisi daya.

Or making sandwiches, using bread, lettuce, tomatoes

Atau membuat roti lapis menggunakan roti, selada, tomat,

and even putting a napkin for the user.

bahkan meletakkan serbet untuk pengguna.

Typically I would like a little more for my sandwich,

Biasanya, saya ingin isian roti lapis saya sedikit lebih banyak,

but this is a good start.

tetapi ini adalah awal yang baik.

(Laughter)

(Tawa)

In that primordial ocean, in our ancient times,

Di lautan primordial itu, di zaman kuno kita,

the ability to see and perceive one's environment

kemampuan untuk melihat dan memahami lingkungan seseorang

memicu interaksi dengan bentuk kehidupan lainnya dalam ledakan Kambrium.

kicked off the Cambrian explosion of interactions with other life forms.

Today, that light is reaching the digital minds.

Hari ini, cahaya itu mencapai lingkup digital.

Spatial intelligence is allowing machines

Kecerdasan spasial memungkinkan mesin tidak hanya berinteraksi satu sama lain,

to interact not only with one another,

but with humans, and with 3D worlds,

tetapi dengan manusia dan dunia 3D,

real or virtual.

nyata atau virtual.

And as that future is taking shape,

Saat masa depan itu terbentuk,

it will have a profound impact to many lives.

itu akan memiliki dampak mendalam bagi banyak kehidupan.

Let's take health care as an example.

Mari ambil pelayanan kesehatan sebagai contohnya.

For the past decade,

Selama satu dekade terakhir,

my lab has been taking some of the first steps

lab saya telah melakukan beberapa inisiatif

in applying AI to tackle challenges that impact patient outcome

dalam menerapkan AI untuk mengatasi tantangan

yang memengaruhi kondisi pasien dan kelelahan tenaga medis.

and medical staff burnout.

Together with our collaborators from Stanford School of Medicine

Bersama kolaborator kami dari Stanford School of Medicine

and partnering hospitals,

dan rumah sakit mitra,

we're piloting smart sensors

kami merintis sensor pintar yang dapat mendeteksi dokter yang masuk kamar pasien

that can detect clinicians going into patient rooms

without properly washing their hands.

tanpa mencuci tangan dengan benar.

Or keep track of surgical instruments.

Atau melacak instrumen bedah.

Or alert care teams when a patient is at physical risk,

Atau mengingatkan tim perawat ketika pasien berada pada risiko fisik,

such as falling.

seperti jatuh.

We consider these techniques a form of ambient intelligence,

Kami menganggap teknik ini sebagai bentuk kecerdasan sekitar,

like extra pairs of eyes that do make a difference.

seperti sepasang mata tambahan yang membuat perbedaan.

But I would like more interactive help for our patients, clinicians

Namun, saya ingin bantuan yang lebih interaktif untuk pasien,

and caretakers, who desperately also need an extra pair of hands.

dokter, dan perawat kita, yang juga sangat membutuhkan sepasang tangan ekstra.

Imagine an autonomous robot transporting medical supplies

Bayangkan robot mandiri yang mengangkut persediaan medis

while caretakers focus on our patients

sementara perawat fokus pada pasien,

or augmented reality, guiding surgeons to do safer, faster

atau augmented reality yang membimbing ahli bedah melakukan operasi

dengan lebih aman, cepat, dan tidak invasif.

and less invasive operations.

Or imagine patients with severe paralysis controlling robots with their thoughts.

Atau bayangkan pasien yang lumpuh parah mengendalikan robot dengan pikiran mereka.

That's right, brainwaves, to perform everyday tasks

Benar, gelombang otak, untuk melakukan tugas sehari-hari

that you and I take for granted.

yang Anda dan saya anggap remeh.

You're seeing a glimpse of that future in this pilot study from my lab recently.

Anda sedang melihat sekilas masa depan itu dalam studi awal terbaru lab saya ini.

Dalam video ini, lengan robot itu sedang memasak makanan sukiyaki asal Jepang

In this video, the robotic arm is cooking a Japanese sukiyaki meal

controlled only by the brain electrical signal,

yang hanya dikendalikan oleh sinyal listrik otak,

non-invasively collected through an EEG cap.

yang dikumpulkan secara noninvasif melalui tutup kepala EEG.

(Applause)

(Tepuk tangan)

Thank you.

Terima kasih.

The emergence of vision half a billion years ago

Munculnya penglihatan setengah miliar tahun yang lalu

turned a world of darkness upside down.

membalikkan dunia penuh kegelapan.

It set off the most profound evolutionary process:

Ini memicu proses evolusi yang paling mendalam:

the development of intelligence in the animal world.

perkembangan kecerdasan di dunia hewan.

AI's breathtaking progress in the last decade is just as astounding.

Kemajuan AI yang menakjubkan selama dekade terakhir sama mencengangkannya.

But I believe the full potential of this digital Cambrian explosion

Namun, saya percaya potensi penuh dari ledakan Kambrium digital ini

won't be fully realized until we power our computers and robots

tidak akan sepenuhnya terwujud sampai kita melengkapi komputer dan robot kita

with spatial intelligence,

dengan kecerdasan spasial,

just like what nature did to all of us.

seperti apa yang dilakukan alam pada kita semua.

It’s an exciting time to teach our digital companion

Ini adalah waktu yang menyenangkan untuk mengajari pendamping digital kita

to learn to reason

untuk belajar bernalar

and to interact with this beautiful 3D space we call home,

dan berinteraksi dengan ruang 3D indah yang kita sebut rumah ini,

and also create many more new worlds that we can all explore.

dan juga menciptakan lebih banyak dunia baru yang kita semua dapat jelajahi.

To realize this future won't be easy.

Mewujudkan masa depan ini tidaklah mudah.

It requires all of us to take thoughtful steps

Ini mengharuskan kita semua untuk mengambil langkah-langkah bijaksana

and develop technologies that always put humans in the center.

dan mengembangkan teknologi yang selalu menempatkan manusia di pusat.

But if we do this right,

Namun jika kita melakukannya dengan benar,

komputer dan robot yang didukung oleh kecerdasan spasial tidak hanya

the computers and robots powered by spatial intelligence

will not only be useful tools

akan menjadi alat yang berguna,

but also trusted partners

tetapi juga mitra tepercaya

to enhance and augment our productivity and humanity

untuk meningkatkan dan menggandakan produktivitas dan kemanusiaan kita

while respecting our individual dignity

sambil menghormati martabat individu kita

and lifting our collective prosperity.

dan mengangkat kemakmuran kolektif kita.

What excites me the most in the future

Yang paling menggairahkan saya di masa depan

is a future in which that AI grows more perceptive,

adalah masa depan di mana AI tumbuh lebih tanggap,

insightful and spatially aware,

berwawasan luas dan sadar spasial,

and they join us on our quest

dan bergabung dengan kita untuk selalu mengejar cara yang lebih baik

to always pursue a better way to make a better world.

dalam mewujudkan dunia yang lebih baik.

Thank you.

Terima kasih.

(Applause)

(Tepuk tangan)