2026-08-04 Selasa

Berita Kripto - Halaman 173

Tetap selangkah lebih maju di pasar kripto. Berita real-time, wawasan, harga, cerita yang sedang tren, dan analisis ahli—semuanya di satu tempat.

OpenAI Rekrut Ahli Perbankan Investasi dengan Gaji Hanya Rp130 Juta, Netizen Komplain Gajinya Kecil

OpenAI membuka lowongan baru untuk Subject Matter Expert di bidang Investment Banking, bagian dari tim Applied AI di San Francisco. Pekerjaan intinya adalah melatih AI untuk melakukan tugas-tugas perbankan investasi, seperti penelitian, analisis keuangan, valuasi, due diligence, dan eksekusi transaksi, serta menetapkan standar kualitas untuk hasil kerja AI. Gaji yang ditawarkan berkisar antara $185.000 hingga $205.000 (sekitar 125-130 juta Rupiah) per tahun plus opsi saham. Namun, banyak komentar menganggap gaji ini rendah untuk seorang ahli dengan pengalaman di bidang tersebut. Kandidat ideal membutuhkan setidaknya 2 tahun pengalaman di perbankan investasi dengan keterlibatan dalam transaksi nyata. Keahlian praktis dalam membuat model finansial di Excel dan presentasi PowerPoint yang berkualitas sangat penting. Posisi ini berfokus pada kontribusi individu untuk mengembangkan tugas evaluasi, membuat contoh kerja referensi, dan merancang kriteria penilaian ketat guna membedakan output AI yang "terlihat baik" dengan yang benar-benar akurat dan dapat diandalkan untuk penggunaan profesional. Tim Applied AI OpenAI memilih bidang perbankan investasi karena dianggap sebagai salah satu lingkungan kerja pengetahuan yang paling menuntut. Tujuannya adalah untuk memastikan AI dapat menghasilkan keluaran yang dapat dipercaya dan digunakan oleh bankir berpengalaman.

marsbit07/09 12:02

OpenAI Rekrut Ahli Perbankan Investasi dengan Gaji Hanya Rp130 Juta, Netizen Komplain Gajinya Kecil

marsbit07/09 12:02

ACL 2026 Didominasi Peneliti Tionghoa, Penulis Pertama Semua Makalah Terbaik Adalah Peneliti Tionghoa, Hampir Semua Makalah Unggulan Diraih Mereka

ACL 2026, konferensi puncak di bidang pemrosesan bahasa alami, mencatat rekor baru dengan 12.148 makalah yang diajukan. Dari jumlah tersebut, tiga makalah dianugerahi Penghargaan Makalah Terbaik (Best Paper Award), dan semuanya memiliki penulis utama beretnis Tionghoa. Makalah pertama, "The Imperfective Paradox in Large Language Models" (Bolei Ma dkk.), mengungkap bias "teleologis" pada model bahasa besar (LLM). Saat dihadapkan pada kalimat seperti "tukang kayu sedang membangun gazebo", LLM cenderung langsung menyimpulkan bahwa gazebo tersebut telah selesai dibangun, meskipun konteksnya ambigu. Ini menunjukkan bahwa LLM lebih berfungsi sebagai mesin prediksi naratif daripada pemikir logis yang setia. Makalah kedua, "Memory efficiency and resource-rational encoding in sentence processing" (Weijie Xu dkk.), mengeksplorasi bagaimana membatasi memori kerja Transformer—dengan menyuntikkan noise—justru membuat model lebih menyerupai pemrosesan bahasa manusia. Model belajar mengalokasikan sumber daya memori yang terbatas secara lebih efisien, sehingga pola pembacaannya lebih mirip manusia. Makalah ketiga, "Characterizing the Expressivity of Local Attention in Transformers" (Jiaoda Li dkk.), memberikan penjelasan teoretis mengapa perhatian lokal (local attention), yang hanya melihat konteks terdekat, sering kali lebih kuat daripada perhatian global. Kombinasi keduanya memperluas kapabilitas model. Secara keseluruhan, ACL 2026 didominasi oleh penelitian seputar LLM (23% judul makalah menyebutkan LLM). Peserta dari Tiongkok Daratan mendominasi dengan kontribusi 54.0%. Selain tiga makalah terbaik, 18 makalah Outstanding Paper juga didominasi oleh peneliti beretnis Tionghoa, terutama di bidang keamanan LLM dan pembelajaran penguatan (reinforcement learning), mencerminkan pengaruh kuat komunitas peneliti Tionghoa di konferensi tingkat dunia ini.

marsbit07/09 12:02

ACL 2026 Didominasi Peneliti Tionghoa, Penulis Pertama Semua Makalah Terbaik Adalah Peneliti Tionghoa, Hampir Semua Makalah Unggulan Diraih Mereka

marsbit07/09 12:02

Zuckerberg Mulai Bertaruh pada Pasar Prediksi, Sementara Negara-negara Asia Masih Menganggapnya sebagai Perjudian

Mark Zuckerberg mulai berinvestasi di pasar prediksi, sementara negara-negara Asia masih menganggapnya sebagai perjudian. Pasar prediksi telah berkembang menjadi industri utama dengan volume perdagangan bulanan mencapai $14 miliar, didukung oleh mekanisme sederhana: kontrak diselesaikan sebesar $1 jika suatu peristiwa terjadi, dan $0 jika tidak, sehingga harga mencerminkan probabilitas real-time. Pasar ini awalnya digunakan secara informal di abad ke-18 dan dikembangkan secara akademis pada 1988. Saat ini, mereka mencakup berbagai topik seperti olahraga, politik, dan keuangan. Harga terbentuk melalui buku pesanan, dan hasilnya ditentukan oleh oracle. Mekanisme "skin in the game" membedakannya dari survei tradisional, karena peserta rugi jika prediksi salah, meningkatkan keandalan informasi. Di AS, pasar ini diatur sebagai bagian dari sistem keuangan, sementara di Asia sering dianggap sebagai perjudian. Kebijakan Asia yang membatasi partisipasi menyebabkan tiga masalah: arbitrase regulasi, hilangnya kedaulatan informasi, dan kurangnya perlindungan pengguna. Daripada menghalangi pasar ini, penting untuk memikirkan cara memanfaatkan datanya secara bertanggung jawab dalam sistem formal. Diskusi konstruktif diperlukan untuk mengintegrasikannya ke dalam kerangka transparan dan mengembalikan data yang dihasilkan sebagai aset nasional.

Foresight News07/09 11:52

Zuckerberg Mulai Bertaruh pada Pasar Prediksi, Sementara Negara-negara Asia Masih Menganggapnya sebagai Perjudian

Foresight News07/09 11:52

Lebih Dari Sekadar Kunci Pribadi: Dari Dompet, L2 hingga Rantai Pasokan, Bagaimana Melindungi Batas Keamanan Web3?

Juni lalu, dunia kripto mengalami serangkaian insiden keamanan yang melibatkan berbagai aspek ekosistem Web3. Serangan tidak hanya berfokus pada satu titik, tetapi meluas ke beberapa lapisan pertahanan. Ada tiga area utama yang terdampak: 1. **Keamanan Dompet di Luar Penyimpanan Kunci Pribadi**: Insiden pada dompet SecondFi di Cardano menunjukkan bahwa kelemahan dalam implementasi tanda tangan (signing) di tingkat perangkat lunak dompet dapat membocorkan kunci pribadi, meskipun pengguna tidak memberikan frasa pemulihan. Hal ini menekankan pentingnya komponen inti dompet yang bersumber terbuka (open-source) dan diperiksa ketat, serta kebiasaan memisahkan aset besar (di cold wallet) dari dompet untuk interaksi harian. 2. **Kompleksitas dan Risiko di Lapisan 2 (L2)**: Beberapa serangan pada L2 seperti Aztec dan Taiko menunjukkan bahwa keamanan L2 tidak hanya tentang biaya transaksi yang lebih murah. Risiko muncul dari kerumitan sistem, seperti celah dalam sirkuit bukti tanpa pengetahuan (ZK-proof) atau kompromi dalam proses verifikasi berbasis perangkat keras (SGX). Jaringan seperti Base juga mengalami gangguan ketersediaan. Pengguna disarankan untuk memahami mekanisme penyelesaian, menggunakan jembatan resmi, dan tidak menyimpan aset besar secara berlebihan pada L2 yang masih sangat baru. 3. **Serangan Rantai Pasok melalui Layanan Pihak Ketiga**: Kasus Polymarket mengungkap bahwa meskipun kontrak pintar aman, frontend atau dependensi pihak ketiga yang diretas dapat menyuntikkan skrip jahat ke situs web yang sah, mencuri aset pengguna. Ini menunjukkan bahwa "URL yang benar" tidak menjamin keamanan seluruh jalur interaksi. Pengguna harus menggunakan dompet terpisah untuk berinteraksi dengan DApp, selalu memeriksa detail transaksi sebelum menandatangani, dan waspada terhadap permintaan yang tidak biasa di situs web. Kesimpulannya, keamanan Web3 kini adalah tentang melindungi seluruh jalur interaksi, dari pembuatan kunci hingga penyelesaian di rantai. Kebiasaan keamanan terbaik melibatkan: **mengisolasi aset jangka panjang, menggunakan jumlah kecil untuk interaksi harian, memberikan izin (approval) minimum ke DApp asing, dan selalu memverifikasi operasi berisiko tinggi.** Pertahanan harus berkembang dari sekadar menjaga kunci pribadi menjadi serangkaian kebiasaan yang lengkap.

marsbit07/09 10:48

Lebih Dari Sekadar Kunci Pribadi: Dari Dompet, L2 hingga Rantai Pasokan, Bagaimana Melindungi Batas Keamanan Web3?

marsbit07/09 10:48

Apakah OpenAI Akhirnya Bisa Menguntungkan?

OpenAI dan Anthropic, dua raksasa model AI, bernilai hampir triliun dolar, mencerminkan ekspektasi tinggi investor terhadap prospek keuntungan mereka. Namun, pertumbuhan pendapatan tidak secara otomatis menghasilkan keuntungan. Sampai saat ini, tidak ada satu pun perusahaan model AI besar yang benar-benar menghasilkan laba bersih yang independen dari bisnis inti modelnya. Penelitian menunjukkan bahwa pasar API model AI saat ini berada dalam struktur kompetisi monopolistik. Jumlah pemain sangat banyak, konsentrasi pasar rendah, dan meskipun permintaan tumbuh pesat, pasokan juga meluas dengan cepat. Hal ini mengakibatkan persaingan harga yang ketat dan membuat sulit bagi perusahaan untuk mencapai profitabilitas berkelanjutan hanya dengan menjual token. Beberapa perusahaan mungkin meraih keuntungan jangka pendek melalui diferensiasi produk, tetapi hambatan teknologi terbatas, elastisitas harga permintaan tinggi, dan loyalitas pengguna rendah membuat keuntungan tersebut sulit dipertahankan. Dalam jangka panjang, pemain yang terus merugi akan tersingkir, mendorong pasar menuju struktur oligopoli. Namun, dalam pasar oligopoli, kemampuan untuk menghasilkan laba tetap tidak pasti. Hal ini bergantung pada apakah perusahaan bersaing melalui harga atau kuantitas. Tanpa koordinasi strategi atau diferensiasi yang efektif, laba berkelanjutan mungkin tetap sulit diraih. Kesimpulannya, meskipun nilai teknologi dan pertumbuhan permintaan model AI tidak diragukan, model bisnis "menjual token" murni tidak menjamin profitabilitas jangka panjang. Investor perlu mencermati valuasi perusahaan model AI dengan hati-hati. Perusahaan perlu memilih model bisnis dan segmen pasar secara strategis. Model seperti "AI+", yang menyematkan kemampuan AI ke dalam produk atau layanan yang sudah ada untuk meningkatkan nilai dan loyalitas pelanggan, mungkin menawarkan jalur menuju keuntungan yang lebih berkelanjutan.

marsbit07/09 10:38

Apakah OpenAI Akhirnya Bisa Menguntungkan?

marsbit07/09 10:38

活动图片