AI Belum Bisa Ngalahin Baby! — Dan Sains Bilang Ini Kenapa

Guys, lo tau nggak sih — AI yang katanya super canggih dan makan energi kayak negara kecil, masih belum bisa ngalahin kemampuan belajar seorang baby aged 1 tahun. Yep, lo nggak salah baca.\n\n## Wait, Baby Bisa Apa Aja Sih Sebenernya?\n\nJadi gini ceritanya. Bayangin lo punya AI model yang jalan di ribuan chip tercanggih, makan listrik segitu gedenya. Tapi baby? Baby belajar kenalin objek baru cuma dari lihat 1-2 kali. Sekali liat, udah ngerti. No obat, nggak perlu triliaran data kayak AI. Baby belajar dari fleeting observation — artinya mereka cuma ngeliat sesuatu bentar, terus udah bisa extract meaning dari situ.\n\nNah, para researchers dari Meta, Stanford University, University of Tokyo, dan École Normale Supérieure (Prancis) bikin challenge bernama EgoBabyVLM Challenge. Konsepnya simpel tapi EPIC: mereka kumpulin sekitar seribu jam video dari kamera yang disematkan di kepala bayi dan balita (literally dari kepala baby, bukan metaphor). Lalu VLM (Vision Language Models) ditantang buat deskripsiin dunia sesuai perspektif si baby.\n\n## Hasilnya? AI Gagal Total\n\nRed flag banget ternyata. Cutting-edge models gagal miserable kalau disuruh ngertiin footage realistic dan messy dari kamera baby. Kenapa? Karena bayi belajar dari "kaleidoscopic view" — ortu ngomongin sesuatu yang udah nggak keliatan, pointing things pakai tatapan atau gesture, atau bahasain events dari masa lalu atau masa depan. Bukan cuma language, tapi juga multimodal dan tactile experience.\n\nMichael Frank, cognitive scientist dari Stanford yang ikut dalam project ini, bilang: "明显地，光靠语言是不够的" — ups sorry, maksudnya: jelas banget bahwa "there's more than just language that's needed" buat AI bisa belajar kayak baby.\n\n## Apa Yang Bisa Kita Pelajari?\n\nIni yang menarik. Researchers udah buktiin bahwa basic VLM bisa belajar hal simpel kayak "apa itu ball" cuma dari data yang direkam dari kepala satu bayi aja. Tapi ini masih jauh dari reasoning sophistication yang baby punya. Brendan Lake dari Princeton University, yang terlibat di project itu, bilang: "The mystery is how children get to the full capabilities that they have even at the age of 2."\n\nJoshua Tenenbaum dari MIT kasih insight penting: "Transformers are very good at finding patterns in data. But it seems that pure pattern learning systems are not able to take the kind of data that a baby receives and learn all the things that they do."\n\nStanford's Frank juga udah menunjukkan pendekatan baru — model yang jago belajar causality dan visual-temporal relationships ( gimana objek mempengaruhi satu sama lain over time ). Dan hasilnya? Model ini bisa belajar tentang dynamics berbagai objek jauh lebih efektif sebagai fondasi physical reasoning.\n\n## Geek Opinion\n\nJadi intinya, evolution apparently menemukan cara buat optimize certain learning skills yang belum bisa kita replicate di AI. Brain manusia punya built-in structure dan architecture yang bikin belajar jadi super efisien.[newline][newline]EgoBabyVLM ini "wonderful challenge" menurut Lake, dan kita bakal lihat kind of new architectures dan approaches yang bakal muncul. Siapa tau dalam beberapa tahun, AI bakal bisa belajar lebih efisien — atau mungkin kita perlu rethink ulang fundamental approach ke AI learning. Yang jelas, untuk sekarang? Baby still wins. 🍼💪\n\nSumber: Wired