Hampir satu dekade setelah dirilis, Pokémon Go memengaruhi kecerdasan buatan dengan cara yang tidak terduga.

Menurut laporan oleh MIT Technology Review(jendela baru), Niantic Spatial, sebuah perusahaan AI pecahan dari pengembang asli game tersebut, menggunakan lebih dari 30 miilar gambar(jendela baru) landmark perkotaan yang diambil oleh pemain Pokémon Go untuk melatih sistem AI yang membantu robot memahami di mana mereka berada di dunia nyata.

Ketika Pokémon Go diluncurkan pada tahun 2016, jutaan pemain berjalan menyusuri kota sambil mengarahkan ponsel ke gedung, taman, dan landmark saat mencari makhluk digital. Dengan melakukan hal itu, mereka menciptakan salah satu kumpulan data citra dunia nyata terbesar yang pernah dikumpulkan. Niantic Spatial melatih modelnya pada 30 miliar gambar yang diambil di berbagai lingkungan perkotaan, yang sebagian besar terkelompok di sekitar lokasi yang sering dikunjungi pemain dalam game. Terkadang, makhluk digital muncul di dalam atau di dekat ruang pribadi seperti gedung apartemen atau halaman perumahan, yang berarti momen-momen tersebut mungkin telah menjadi bagian dari kumpulan data AI.

Data tersebut kini digunakan untuk membangun apa yang disebut peneliti sebagai “model dunia” — sistem AI yang dirancang untuk membantu mesin menafsirkan dan menavigasi lingkungan fisik.

Hal ini juga menyoroti sesuatu yang mudah diabaikan tentang teknologi modern: aktivitas aplikasi sehari-hari dapat diam-diam menjadi data pelatihan yang berharga untuk sistem AI beberapa tahun kemudian — sesuatu yang mungkin tidak dapat diantisipasi oleh para pemain Pokémon Go pada tahun 2016, apalagi memberikan persetujuan yang berarti.

Mengapa GPS kesulitan di perkotaan

Sinyal GPS sering kali memantul dari gedung-gedung tinggi, bergeser secara signifikan, atau hilang sama sekali di lingkungan perkotaan yang padat, masalah yang terkadang disebut efek “urban canyon”. Seperti yang dijelaskan MIT Technology Review dalam laporannya tentang teknologi tersebut, bahkan indikator lokasi ponsel cerdas dapat bergeser puluhan meter di perkotaan, sering kali menempatkan perangkat di blok yang salah atau di sisi jalan yang salah.

Solusi Niantic Spatial bergantung pada sistem pemosisian visual(jendela baru), yang menentukan lokasi dengan menganalisis apa yang dilihat kamera. Dengan membandingkan tangkapan gambar gedung dan landmark terdekat dengan kumpulan datanya yang masif, sistem ini dilaporkan dapat menentukan lokasi secara tepat dalam jarak beberapa sentimeter.

Dari realitas tertambah hingga robot pengantar

Salah satu uji coba dunia nyata pertama dari teknologi Niantic Spatial sedang berlangsung melalui kemitraan dengan Coco Robotics, sebuah perusahaan rintisan yang mengoperasikan robot pengantar barang di trotoar di beberapa kota.

Robot-robot perusahaan tersebut mengantar bahan makanan dan pesanan restoran di tempat-tempat seperti Los Angeles, Chicago, Miami, dan Helsinki. Menurut laporan MIT Technology Review, robot Coco telah menyelesaikan lebih dari setengah juta pengantaran, menempuh jarak jutaan mil.

Menavigasi kota-kota padat dengan andal tetap menjadi tantangan utama bagi mesin otonom. Dengan menggabungkan kamera pada robot dengan sistem pemosisian visual Niantic Spatial, mesin-mesin tersebut dapat menentukan dengan lebih baik di mana tepatnya mereka berada, sehingga memungkinkan mereka berhenti secara tepat di lokasi penjemputan atau di luar pintu pelanggan.

Munculnya “model dunia”

Proyek ini mencerminkan tren yang lebih luas dalam pengembangan AI.

Model bahasa besar dilatih menggunakan gambar dan teks dari internet. Sebaliknya, model dunia bertujuan untuk membantu mesin memahami bagaimana dunia fisik itu sendiri terstruktur — tempat objek berada, bagaimana ruang-ruang terhubung, dan bagaimana cara bergerak melaluinya dengan aman.

Niantic Spatial mengatakan tujuan jangka panjangnya adalah membangun “peta hidup” dunia yang terus diperbarui yang dapat digunakan oleh robot dan sistem AI lainnya untuk menavigasi.

Arti hal ini bagi privasi

Kisah ini juga mengilustrasikan perubahan yang lebih luas tentang bagaimana data yang dibuat oleh masyarakat sehari-hari menggunakan aplikasi sehari-hari digunakan kembali.

Jutaan orang mengunduh Pokémon Go untuk memainkan game. Namun, dalam perjalanannya, mereka juga menghasilkan miliaran gambar dan sinyal lokasi presisi yang terikat dengan tempat-tempat di dunia nyata. Data ini sekarang membantu melatih sistem AI yang dirancang untuk memetakan dan menavigasi dunia fisik. Hal ini sangat jauh dari niat awal pemain untuk membuka game guna mencari Pikachu.

Ini menjadi pola yang familier dalam ekonomi AI. Aktivitas yang tampaknya tidak terkait dengan kecerdasan buatan — mengambil foto, menjelajahi web, menggunakan aplikasi — sering kali berakhir dengan menghasilkan kumpulan data yang digunakan untuk melatih sistem baru yang tangguh. Model AI modern sering kali dibangun menggunakan koleksi data besar yang dikeruk dari internet dan sumber digital lainnya, yang menurut para peneliti terkadang dapat mencakup informasi pribadi atau data sensitif.

Saat perusahaan berlomba-lomba membangun model dunia dan bentuk AI lainnya, pertanyaannya adalah dari mana sebenarnya data pelatihan itu berasal — dan apakah orang-orang yang menghasilkannya menyadari bagaimana data tersebut akan digunakan, atau apakah mereka akan tetap setuju untuk menggunakan aplikasi-aplikasi tersebut jika mereka mengetahui konsekuensinya. Pembuat kebijakan dan peneliti semakin menyerukan standar persetujuan yang lebih jelas(jendela baru) untuk data yang digunakan dalam pelatihan AI, dengan argumen bahwa pencipta dan pengguna harus memiliki kontrol lebih besar atas bagaimana data mereka digunakan kembali.

Kekhawatiran privasi AI ini sudah mulai bergulir di pengadilan. Penerbit, penulis, dan perusahaan media telah mengajukan gugatan hukum yang mengklaim karya mereka digunakan untuk melatih sistem AI tanpa izin, termasuk kasus terkenal di mana The New York Times menggugat OpenAI dan Microsoft(jendela baru) atas dugaan penggunaan jurnalisme mereka dalam kumpulan data pelatihan AI.

Bagi perusahaan yang membangun AI yang menavigasi dunia fisik, kumpulan data yang dibuat melalui game, aplikasi, dan platform digital dengan cepat menjadi beberapa aset paling berharga dalam industri teknologi. Seiring berjalannya hal itu, pertanyaan tentang transparansi, persetujuan, dan bagaimana data buatan pengguna digunakan kembali menjadi semakin sulit untuk diabaikan.

Tidak semua pihak mengejar model yang haus data ini. Di Proton, ada keyakinan pada AI pribadi dan transparan yang memberikan manfaat asisten AI(jendela baru) tanpa mengorbankan privasi. Lumo tidak pernah mencatat log data, berlatih dari percakapan sensitif, atau membagikan informasi dengan siapa pun. Ini berarti menggunakan AI tanpa perlu bertanya-tanya apakah interaksi hari ini mungkin diam-diam menjadi kumpulan data esok hari.