Model Aksi Besar (LAMs): Frontier Baru dalam Interaksi AI yang Ditenagai

Hampir setahun yang lalu, Mustafa Suleyman, co-founder DeepMind, memprediksi bahwa era generative AI akan segera digantikan oleh sesuatu yang lebih interaktif: sistem yang dapat melakukan tugas dengan berinteraksi dengan aplikasi perangkat lunak dan sumber daya manusia. Hari ini, kita mulai melihat visi ini menjadi kenyataan dengan pengembangan Rabbit AI sistem operasi AI baru, R1. Sistem ini telah menunjukkan kemampuan yang mengesankan untuk memantau dan meniru interaksi manusia dengan aplikasi. Di jantung R1 terletak Large Action Model (LAM), asisten AI canggih yang dapat memahami niat pengguna dan menjalankan tugas atas nama mereka. Meskipun sebelumnya dikenal dengan istilah lain seperti Interactive AI dan Large Agentic Model, konsep LAMs mendapatkan momentum sebagai inovasi penting dalam interaksi AI yang ditenagai. Artikel ini menjelajahi detail LAMs, bagaimana mereka berbeda dari model bahasa besar tradisional (LLMs), memperkenalkan sistem R1 Rabbit AI, dan melihat bagaimana Apple (AAPL ) bergerak menuju pendekatan yang mirip dengan LAM. Ini juga membahas potensi penggunaan LAMs dan tantangan yang mereka hadapi.

Memahami Model Aksi Besar atau Agentic (LAMs)

LAM adalah agen AI canggih yang dirancang untuk memahami niat manusia dan menjalankan tujuan spesifik. Model ini unggul dalam memahami kebutuhan manusia, merencanakan tugas kompleks, dan berinteraksi dengan berbagai model, aplikasi, atau orang untuk menjalankan rencana mereka. LAMs melampaui tugas AI sederhana seperti menghasilkan respons atau gambar; mereka adalah sistem lengkap yang dirancang untuk menangani aktivitas kompleks seperti perencanaan perjalanan, penjadwalan janji, dan pengelolaan email. Misalnya, dalam perencanaan perjalanan, LAM akan berkoordinasi dengan aplikasi cuaca untuk prakiraan, berinteraksi dengan layanan pemesanan penerbangan untuk menemukan penerbangan yang sesuai, dan berinteraksi dengan sistem pemesanan hotel untuk memastikan akomodasi. Tidak seperti banyak model AI tradisional yang bergantung sepenuhnya pada jaringan saraf, LAMs menggunakan pendekatan hibrida yang menggabungkan pemrograman neuro-simbolik. Integrasi pemrograman simbolik membantu dalam penalaran logis dan perencanaan, sedangkan jaringan saraf menyumbang untuk mengenali pola sensorik kompleks. Kombinasi ini memungkinkan LAMs untuk menangani spektrum tugas yang luas, menandai mereka sebagai perkembangan yang halus dalam interaksi AI yang ditenagai.

Membandingkan LAMs dengan LLMs

Dibandingkan dengan LAMs, LLMs adalah agen AI yang unggul dalam memahami prompt pengguna dan menghasilkan respons berbasis teks, membantu terutama dengan tugas yang melibatkan pemrosesan bahasa. Namun, ruang lingkup mereka umumnya terbatas pada aktivitas terkait teks. Di sisi lain, LAMs memperluas kemampuan AI melampaui bahasa, memungkinkan mereka untuk melakukan tindakan kompleks untuk mencapai tujuan spesifik. Misalnya, sementara LLM mungkin efektif dalam menghasilkan email berdasarkan instruksi pengguna, LAM melangkah lebih jauh dengan tidak hanya menghasilkan tetapi juga memahami konteks, memutuskan respons yang sesuai, dan mengelola pengiriman email.

Selain itu, LLMs dirancang untuk memprediksi token berikutnya dalam urutan teks dan untuk menjalankan instruksi tertulis. Dibandingkan, LAMs dilengkapi tidak hanya dengan pemahaman bahasa tetapi juga dengan kemampuan untuk berinteraksi dengan berbagai aplikasi dan sistem dunia nyata seperti perangkat IoT. Mereka dapat melakukan tindakan fisik, mengontrol perangkat, dan mengelola tugas yang memerlukan interaksi dengan lingkungan eksternal, seperti memesan janji atau membuat reservasi. Integrasi keterampilan bahasa dengan eksekusi praktis memungkinkan LAMs untuk beroperasi di berbagai skenario yang lebih beragam daripada LLMs.

LAMs dalam Aksi: The Rabbit R1

Rabbit R1 berdiri sebagai contoh utama LAMs dalam penggunaan praktis. Perangkat AI ini dapat mengelola beberapa aplikasi melalui antarmuka pengguna tunggal. Dilengkapi dengan layar sentuh 2,88 inci, kamera yang dapat diputar, dan roda gulir, R1 disimpan dalam casing yang ramping dan bulat yang dirancang dalam kolaborasi dengan Teenage Engineering. Ini beroperasi pada prosesor MediaTek 2,3GHz, didukung oleh 4GB memori dan 128GB penyimpanan.

Di jantung R1 terletak LAM-nya, yang dengan cerdas mengawasi fungsionalitas aplikasi dan menyederhanakan tugas kompleks seperti mengontrol musik, memesan transportasi, memesan bahan makanan, dan mengirim pesan, semua dari satu titik interaksi. Dengan cara ini R1 menghilangkan kesulitan beralih antara aplikasi atau login berganda untuk melakukan tugas-tugas ini.

LAM dalam R1 awalnya dilatih dengan mengamati interaksi manusia dengan aplikasi populer seperti Spotify dan Uber. Pelatihan ini telah memungkinkan LAM untuk menavigasi antarmuka pengguna, mengenali ikon, dan memproses transaksi. Pelatihan ini memungkinkan R1 untuk beradaptasi dengan lancar hampir dengan aplikasi apa pun. Selain itu, mode pelatihan khusus memungkinkan pengguna untuk memperkenalkan dan mengautomasi tugas baru, terus-menerus memperluas kemampuan R1 dan membuatnya menjadi alat dinamis dalam ranah interaksi AI yang ditenagai.

Apple’s Advances Towards LAM-Inspired Capabilities in Siri

Tim penelitian AI Apple baru-baru ini membagikan wawasan tentang upaya mereka untuk meningkatkan kemampuan Siri melalui inisiatif baru, yang menyerupai kemampuan LAMs. Inisiatif ini, yang diuraikan dalam makalah penelitian tentang Reference Resolution As Language Modeling (ReALM), bertujuan untuk meningkatkan kemampuan Siri untuk memahami konteks percakapan, memproses konten visual di layar, dan mendeteksi aktivitas lingkungan. Pendekatan yang diadopsi oleh ReALM dalam menangani input antarmuka pengguna (UI) menggambar paralel dengan fungsionalitas yang diamati dalam R1 Rabbit AI, menunjukkan niat Apple untuk meningkatkan pemahaman Siri tentang interaksi pengguna.

Pengembangan ini menunjukkan bahwa Apple mempertimbangkan untuk mengadopsi teknologi LAM untuk memperbaiki cara pengguna berinteraksi dengan perangkat mereka. Meskipun tidak ada pengumuman eksplisit tentang penerapan ReALM, potensi untuk secara signifikan meningkatkan interaksi Siri dengan aplikasi menunjukkan kemajuan yang menjanjikan dalam membuat asisten lebih intuitif dan responsif.

Potensi Aplikasi LAMs

LAMs memiliki potensi untuk memperluas dampak mereka jauh melampaui meningkatkan interaksi antara pengguna dan perangkat; mereka dapat memberikan manfaat signifikan di berbagai industri.   

• Layanan Pelanggan: LAMs dapat meningkatkan layanan pelanggan dengan menangani pertanyaan dan keluhan secara mandiri melalui berbagai saluran. Model ini dapat memproses pertanyaan menggunakan bahasa alami, mengautomasi resolusi, dan mengelola penjadwalan, memberikan layanan yang dipersonalisasi berdasarkan riwayat pelanggan untuk meningkatkan kepuasan.
• Perawatan Kesehatan: Dalam perawatan kesehatan, LAMs dapat membantu mengelola perawatan pasien dengan mengatur janji, mengelola resep, dan memfasilitasi komunikasi di seluruh layanan. Mereka juga berguna untuk pemantauan jarak jauh, menafsirkan data medis, dan mengingatkan staf dalam keadaan darurat, terutama bermanfaat untuk manajemen perawatan kronis dan lansia.
• Keuangan: LAMs dapat menawarkan saran keuangan yang dipersonalisasi dan mengelola tugas seperti keseimbangan portofolio dan saran investasi. Mereka juga dapat memantau transaksi untuk mendeteksi dan mencegah penipuan, terintegrasi dengan sistem perbankan untuk segera menangani aktivitas yang mencurigakan.

Tantangan LAMs

Meskipun memiliki potensi signifikan, LAMs menghadapi beberapa tantangan yang perlu diatasi.

• Privasi dan Keamanan Data: Mengingat akses luas ke informasi pribadi dan sensitif yang dibutuhkan LAMs untuk berfungsi, memastikan privasi dan keamanan data adalah tantangan utama. LAMs berinteraksi dengan data pribadi di seluruh aplikasi dan platform, meningkatkan kekhawatiran tentang penanganan, penyimpanan, dan pemrosesan informasi ini.
• Perhatian Etis dan Regulasi: Ketika LAMs mengambil peran otonom dalam pengambilan keputusan dan berinteraksi dengan lingkungan manusia, pertimbangan etis menjadi semakin penting. Pertanyaan tentang akuntabilitas, transparansi, dan sejauh mana keputusan yang didelegasikan kepada mesin adalah kritis. Selain itu, mungkin ada tantangan regulasi dalam menerapkan sistem AI canggih seperti ini di berbagai industri.
• Kompleksitas Integrasi: LAMs memerlukan integrasi dengan berbagai sistem perangkat lunak dan perangkat keras untuk menjalankan tugas secara efektif. Integrasi ini kompleks dan dapat menantang untuk dikelola, terutama ketika mengkoordinasikan tindakan di seluruh platform dan layanan, seperti memesan penerbangan, akomodasi, dan detail logistik lainnya secara waktu nyata.
• Skalabilitas dan Adaptabilitas: Sementara LAMs dirancang untuk beradaptasi dengan berbagai skenario dan aplikasi, mengukur solusi ini untuk menangani lingkungan dunia nyata yang beragam secara konsisten dan efisien tetap menjadi tantangan. Memastikan LAMs dapat beradaptasi dengan kondisi yang berubah dan mempertahankan kinerja di seluruh tugas dan kebutuhan pengguna adalah kritis untuk kesuksesan jangka panjang mereka.

Ringkasan

Model Aksi Besar (LAMs) muncul sebagai inovasi signifikan dalam AI, mempengaruhi tidak hanya interaksi perangkat tetapi juga aplikasi industri yang lebih luas. Ditunjukkan oleh R1 Rabbit AI dan dieksplorasi dalam kemajuan Apple dengan Siri, LAMs menetapkan panggung untuk sistem AI yang lebih interaktif dan intuitif. Model ini berpotensi meningkatkan efisiensi dan personalisasi di berbagai sektor seperti layanan pelanggan, perawatan kesehatan, dan keuangan.

Namun, penerapan LAMs datang dengan tantangan, termasuk kekhawatiran privasi data, masalah etis, kompleksitas integrasi, dan skalabilitas. Mengatasi masalah ini adalah penting ketika kita maju menuju adopsi yang lebih luas dari teknologi LAM, dengan tujuan untuk memanfaatkan kemampuan mereka secara bertanggung jawab dan efektif. Ketika LAMs terus berkembang, potensi mereka untuk mengubah interaksi digital tetap substansial, menekankan pentingnya mereka dalam lanskap AI di masa depan.