AI Prediksi Perilaku, OmniPredict Bisa “Baca” Pikiran Manusia

Pernahkah Anda membayangkan sebuah mesin yang tidak hanya melihat apa yang Anda lakukan, tetapi juga tahu apa yang akan Anda lakukan selanjutnya? Inilah yang ditawarkan oleh OmniPredict, sebuah model AI prediksi perilaku terbaru yang kemampuannya mengejutkan banyak pihak.

Para peneliti dari Texas A&M University dan Korea Advanced Institute of Science and Technology (KAIST) mengembangkan sistem ini untuk meningkatkan keselamatan mobil otonom (tanpa sopir). Berbeda dengan sistem lama yang hanya bereaksi terhadap gerakan, OmniPredict mampu “bernalar” dan memprediksi tindakan manusia secara real-time.

Bukan Sekadar Melihat, Tapi Mengerti

OmniPredict adalah sistem pertama yang memanfaatkan teknologi Multimodal Large Language Model (teknologi otak yang sama di balik chatbot canggih) untuk memprediksi perilaku pejalan kaki.

Cara kerjanya mirip dengan intuisi manusia. Sistem ini menggabungkan apa yang dilihatnya (visual) dengan konteks situasi di sekitar.

Dr. Srinkanth Saripalli, peneliti utama proyek ini, menjelaskan:

“Kota itu penuh kejutan. Pejalan kaki sering bertindak tak terduga. Model baru kami adalah gambaran masa depan di mana mesin tidak hanya melihat kejadian, tapi juga mengantisipasi apa yang mungkin dilakukan manusia.”

“Insting Jalanan” untuk Keselamatan Berkendara

Dalam dunia mobil otonom, AI prediksi perilaku ini membawa tingkat kecerdasan baru yang disebut “insting jalanan”.

Bayangkan Anda sedang berdiri di penyeberangan jalan (zebra cross). Biasanya, Anda akan menatap mata sopir untuk memastikan mereka berhenti. Di masa depan, mobil AI akan membaca bahasa tubuh Anda, keraguan Anda, dan posisi Anda, lalu merencanakan pergerakannya tanpa membuat Anda cemas.

Baca juga: AI Deteksi Kanker Ternyata Bisa Bias, Temuan Mengejutkan Peneliti

Manfaat utamanya meliputi:

• Mengurangi Kecelakaan: Mobil bisa mengerem sebelum bahaya benar-benar terjadi.
• Arus Lalu Lintas Lancar: Mengurangi kejadian berhenti mendadak karena salah paham antara mobil dan pejalan kaki.
• Rasa Aman: Kendaraan memahami motif manusia, bukan hanya gerakannya.

Lebih dari Sekadar Mobil: Keamanan dan Militer

Kecanggihan OmniPredict ternyata tidak terbatas pada jalan raya. Kemampuannya membaca tanda-tanda stres, keraguan, atau orientasi tubuh membuka peluang besar di bidang lain:

• Deteksi Ancaman: Sistem ini bisa mengenali jika seseorang menunjukkan gerak-gerik yang mengancam atau mencurigakan.
• Operasi Penyelamatan: Membantu petugas militer atau darurat untuk membaca situasi lingkungan yang kompleks dengan cepat.

“Tujuannya bukan untuk menggantikan manusia, tetapi memberikan mitra cerdas yang membantu kita mengambil keputusan lebih cepat,” tambah Saripalli.

Hasil Uji Coba yang Mengagumkan

Sistem mobil otonom konvensional sering kali bingung menghadapi cuaca buruk atau kejadian langka karena mereka hanya “menghafal” ribuan gambar. OmniPredict mengambil pendekatan berbeda: ia menafsirkan situasi.

Dalam pengujian ketat menggunakan data perilaku pejalan kaki, OmniPredict mencatatkan hasil luar biasa:

• Akurasi Tinggi: Mencapai akurasi 67%, mengungguli model tercanggih lainnya sebesar 10%.
• Tanpa Pelatihan Khusus: Hebatnya, hasil ini dicapai tanpa perlu pelatihan data spesifik sebelumnya.
• Tahan Banting: Tetap bekerja optimal meski pejalan kaki tertutup sebagian atau dalam kondisi jalan yang rumit.

Masa Depan yang Lebih Intuitif

OmniPredict menandai era baru di mana kendaraan tidak lagi hanya mengandalkan sensor visual yang kaku, tetapi beralih ke penalaran perilaku yang luwes.

Dengan AI prediksi perilaku ini, dunia otomasi menjadi lebih intuitif. Mesin tidak lagi hanya melihat apa yang kita lakukan, tetapi mengerti mengapa dan kapan kita akan melakukannya. Jalan raya masa depan pun akan menjadi tempat yang jauh lebih cerdas dan aman bagi kita semua.

Referensi: “Multimodal understanding with GPT-4o to enhance generalizable pedestrian behavior prediction” by Je-Seok Ham, Jia Huang, Peng Jiang, Jinyoung Moon, Yongjin Kwon, Srikanth Saripalli and Changick Kim, 18 October 2025, Computers and Electrical Engineering.
DOI: 10.1016/j.compeleceng.2025.110741