Model Bahasa Besar Tidak Cerdas, AI Seperti Apa yang Lebih Baik?

tirto.id - Yann LeCun mengambil sebatang pulpen, lalu menggenggam pulpen tersebut di tangannya dalam posisi berdiri. Dia lalu bertanya kepada wartawan BBC yang mewawancarainya, "Apa yang akan terjadi jika genggaman ini kulepaskan?"

LeCun lalu menjelaskan bahwa "seorang balita pun tahu bahwa pulpen itu akan jatuh". Akan tetapi, tidak ada seorang manusia pun yang bakal repot-repot mau menebak ke arah mana pulpen itu akan jatuh karena, ya, itu memang tidak bisa ditebak.

Akan tetapi, sebuah model bahasa besar (LLM) akal imitasi (AI) bakal berupaya lebih jauh. Ia akan mencoba memprediksi ke arah mana pulpen tersebut bakal jatuh berdasarkan pola statistik yang dicekokkan kepadanya selama proses latihan. Menurut LeCun, prediksi LLM itu hampir pasti akan salah dan, itulah mengapa, menurutnya LLM adalah produk AI yang sama sekali tidak cerdas.

Pertanyaannya, siapa sebenarnya Yann LeCun ini?

LeCun bukan nama sembarangan di dunia AI. Pada 2018, dia berhasil menyabet Turing Award yang kerap disebut sebagai Hadiah Nobel untuk ilmu komputer atas kontribusinya membangun fondasi deep learning. Dia juga merupakan penemu convolutional neural network, arsitektur yang mendasari hampir semua sistem computer vision modern saat ini. Bahkan, tak jarang LeCun disebut sebagai The Godfather of AI.

Selama lebih dari satu dekade, LeCun menjabat kepala ilmuwan AI di Meta sekaligus pendiri laboratorium riset FAIR atau Fundamental AI Research. Akan tetapi, di balik jabatan bergengsi itu, ada ketidakpuasan yang semakin lama semakin membuncah. Dia berulang kali menyampaikan bahwa LLM, yang kini jadi arah utama pengembangan AI, tidak akan pernah membawa teknologi tersebut kepada kecerdasan setara atau melampaui manusia.

Ketidakpuasan LeCun itu menghasilkan ketegangan antara dirinya dengan Meta, yang memangkas 600 karyawan dari divisi AI-nya pada Oktober 2025. Dia bahkan sempat mengungkapkan kekesalan itu pada Financial Times dengan berkata bahwa tidak ada seorang pun yang bisa mengatur apa yang mesti dikerjakan seorang peneliti.

LeCun akhirnya angkat kaki dari Meta akhir tahun lalu. Namun, sebulan sebelum itu terjadi, pria asal Prancis tersebut sempat menjadi keynote speaker di sebuah simposium AI di Seoul, Korea Selatan, dan mengeluarkan pernyataan mengejutkan.

Setelah keluar dari Meta, LeCun langsung mendirikan sebuah perusahaan rintisan yang diberi nama Advanced Machine Intelligence Labs atau AMI Labs. Pada 10 Maret 2026, LeCun secara resmi meluncurkan AMI Labs dengan pendanaan sebesar US$1,03 miliar, terbesar sepanjang masa untuk perusahaan rintisan Eropa, yang berasal dari investor-investor kakap macam Cathay Innovation, Jeff Bezos, Nvidia, Temasek, hingga Mark Cuban.

Menurut situsweb resminya, misi AMI Labs adalah menciptakan generasi baru sistem AI yang benar-benar memahami dunia nyata, punya memori jangka panjang, mampu bernalar dan merencanakan tindakan, serta tetap aman dan bisa dikendalikan. Soal performa, belum ada yang bisa diukur karena mereka memang belum punya produk komersial apa pun. Alexandre LeBrun, yang memimpin operasional harian AMI Labs, bahkan menegaskan bahwa perusahaan ini butuh waktu bertahun-tahun sebelum menelurkan produk yang benar-benar dipakai orang banyak.

Satu hal yang pasti, konsep yang jadi acuan kerja AMI Labs adalah apa yang disebut World Model.

Teknologi yang dipakai LeCun untuk mewujudkan ide ini disebut JEPA, singkatan dari Joint Embedding Predictive Architecture, yang pertama kali dia tuangkan dalam makalah ilmiah pada 2022. Bedanya dengan model generatif seperti LLM, JEPA tidak berusaha merekonstruksi setiap detail dari apa yang diamati. Ia hanya belajar memprediksi representasi abstrak, sehingga bisa mengabaikan detail yang tidak penting seperti tekstur bayangan atau pencahayaan, dan cuma fokus pada pola yang benar-benar berarti secara sebab akibat.

Ada cara sederhana untuk membayangkan cara kerja World Model dan LLM. Seorang anak berusia empat tahun yang sudah terjaga sekitar 16 ribu jam sejak lahir, sebenarnya sudah menyerap data mentah lewat matanya dalam jumlah yang kira-kira setara dengan seluruh teks yang dipakai melatih LLM terbesar sekalipun. Bedanya, data yang diserap si anak berbentuk visual, terus-menerus, dan langsung terhubung dengan aksi seperti gravitasi, benda jatuh, dan sebab akibat, sementara LLM cuma melihat potongan teks yang terputus satu sama lain.

Fenomena ini yang oleh LeCun disebut Moravec Paradox, dinamai dari pengamatan ilmuwan komputer Hans Moravec pada 1988. Hal yang mudah bagi manusia seperti mengenali gerakan atau menavigasi ruangan justru sangat sulit bagi komputer, sementara hal yang sulit bagi manusia seperti berhitung rumit justru mudah bagi mesin. Menurut LeCun, inilah sebabnya sampai sekarang belum ada robot rumah tangga yang selincah kucing, atau mobil otonom yang benar-benar bisa diandalkan sepenuhnya di jalanan.

Akan tetapi, klaim LeCun ini masih bisa diperdebatkan. Majalah sains Quanta pernah mengulas riset dari Harvard dan MIT yang menemukan bahwa LLM ternyata bisa menghasilkan petunjuk arah nyaris sempurna di jalanan Manhattan tanpa pernah benar-benar mempelajari peta lengkap kotanya, cukup dari pola-pola kecil yang tersebar dalam data teks. Namun, memang, begitu peneliti menutup satu persen jalan secara acak sebagai gangguan kecil, performa LLM itu langsung anjlok drastis. Artinya, yang dipelajari LLM tadi bukan model dunia yang koheren, melainkan kumpulan trik berbasis statistik.

Kritik lain datang dari penulis teknologi Adam Holter, yang menilai rekam jejak prediksi LeCun soal keterbatasan LLM justru sering meleset. Holter berpendapat bahwa struktur dunia nyata sebenarnya sudah membentuk struktur bahasa yang kita pakai sehari-hari, sehingga LLM secara tidak langsung ikut menyerap banyak keteraturan tentang fisika dan sebab akibat, meski tidak pernah diberi tahu secara eksplisit.

Jadi, pandangan siapakah yang mesti kita ikuti? Bisa jadi bukan keduanya. Setidaknya tidak secara mutlak. Banyak pengamat, termasuk Holter, memperkirakan masa depan AI bukan soal LLM lawan World Model, melainkan hibrida antara LLM dan World Model itu sendiri. Hasilnya adalah sebuah sistem di mana LLM tetap jadi otak yang mengurus penalaran tingkat tinggi, perencanaan, dan komunikasi, sementara World Model menangani simulasi fisik detail saat dibutuhkan, misalnya pada robot.

Namun, LeCun bukan satu-satunya proponen konsep AI World Model. Nama besar lain di dunia AI seperti Demis Hassabis dari Google DeepMind dan Yoshua Bengio dari Mila turut meyakini bahwa World Model adalah komponen penting untuk membangun sistem AI yang benar-benar cerdas, ilmiah, dan aman, meski menempuh jalan teknis yang berbeda. Bahkan, Google DeepMind dan OpenAI diam-diam juga mengembangkan riset ke arah World Model, meski cara mereka mengejarnya berbeda dari pendekatan JEPA milik LeCun. Artinya, gagasan World Model ini memang punya fondasi yang cukup kuat.

Kini, AMI Labs telah menggandeng Nabla, perusahaan AI kesehatan yang dulu dipimpin LeBrun, untuk menjajal apakah teknologi berbasis World Model bisa membuat asisten AI di rumah sakit lebih bisa diandalkan dan tidak gampang berhalusinasi. Di sinilah pertaruhan besar LeCun dimulai. Apakah konsep yang digunakannya memang benar-benar bisa membuat perbedaan atau semua hanya jadi pepesan kosong. Sampai pembuktian itu ada, perdebatan LLM versus World Model rasanya belum akan berhenti.