Bapak AlphaGo Melempar AI ke 'Masyarakat Buatan' yang Sudah Berjalan 23 Tahun: 3 Tantangan Terberat Agen Cerdas Ada Semua di Sini

marsbitDipublikasikan tanggal 2026-05-25Terakhir diperbarui pada 2026-05-25

Abstrak

CEO DeepMind, bapak AlphaGo Demis Hassabis, telah memulai kemitraan penelitian dengan Fenris Creations (sebelumnya CCP Games), pengembang game MMORPG luar angkasa EVE Online yang telah beroperasi selama 23 tahun. Kolaborasi ini bertujuan untuk mengatasi tiga tantangan terberat dalam penelitian agen AI: **perencanaan jangka panjang (long-horizon planning), memori, dan pembelajaran berkelanjutan (continual learning)**. EVE Online dipilih karena dunianya yang "single-shard" dan terus berjalan menyerupai masyarakat buatan yang kompleks dan dinamis, didorong oleh interaksi nyata pemain selama puluhan tahun. Di dalamnya, pemain membangun aliansi politik, sistem ekonomi, dan melakukan perang yang bisa berlangsung berbulan-bulan, yang merupakan ujian sempurna bagi kemampuan AI. DeepMind akan melakukan penelitian awal di versi offline EVE, menggunakan server lokal untuk pengujian yang terkontrol tanpa mengganggu server utama atau ekonomi pemain nyata. Langkah ini merupakan evolusi dari lingkungan penelitian AI DeepMind sebelumnya, seperti Atari, AlphaGo, AlphaStar, hingga SIMA 2, menuju dunia virtual yang lebih terbuka, persisten, dan kompleks. Intinya, kemitraan ini menjadikan EVE Online sebagai "kotak pasir" yang aman namun sangat realistis untuk melatih agen AI agar dapat bertahan, beradaptasi, dan merencanakan dalam lingkungan yang terus berubah seperti dunia nyata.

Demis Hassabis, CEO DeepMind dan Bapak AlphaGo, telah lebih dari sepuluh tahun menggunakan permainan untuk penelitian AI.

Kali ini, ia melempar AI ke 'alam semesta hidup' yang telah berjalan selama 23 tahun: sebuah MMORPG luar angkasa bernama EVE Online yang bahkan tutorial pemula pun bisa membuat pemain menyerah.

Permainan papan memiliki akhir, EVE tidak.

Awal Mei, DeepMind mengumumkan kolaborasi penelitian dengan EVE Online, alasannya sederhana: alam semesta EVE yang kompleks dan digerakkan pemain adalah sandbox yang aman dan sempurna untuk menguji memori, pembelajaran berkelanjutan, dan perencanaan jangka panjang AI.

DeepMind bekerja sama dengan EVE bukan untuk mengejar pengalaman bermain yang menarik atau memberdayakan gameplay, melainkan untuk mengatasi tiga tantangan terberat yang diakui dalam penelitian agen cerdas AI saat ini. Hassabis mempertaruhkan jawabannya pada sebuah game lawas yang telah beroperasi selama 23 tahun ini.

Fenris Creations (dulunya CCP Games) mengumumkan kerja sama dengan DeepMind

Perusahaan di balik EVE Online, pada hari yang sama (6 Mei), mengumumkan empat hal:

  • Kembali independen dari induk perusahaan Pearl Abyss;
  • Berganti nama menjadi Fenris Creations;
  • Menyelesaikan transaksi senilai $120 juta;
  • Sebagai bagian dari kemerdekaan ini, Google memegang kepemilikan minoritas di Fenris Creations, dan secara bersamaan memulai kolaborasi penelitian dengan Google DeepMind.

CEO Fenris Creations, Hilmar Veigar Pétursson, menyatakan dalam pengumuman:

Transformasi ini tidak melibatkan PHK atau restrukturisasi, tim, produk, dan rencana pengembangan tetap sama. EVE terus berjalan.

Dilihat dari angka operasional, perusahaan ini datang dengan 'amunisi nyata' untuk kerja sama, bukan menjual aset untuk bertahan hidup.

Pendapatan EVE Online tahun 2025 melebihi $70 juta, mencetak rekor pendapatan tertinggi sepanjang masa pada November, dan Q4 menjadi kuartal dengan pendapatan tertinggi kedua dalam 20 tahun sejarah game tersebut.

Kemerdekaan Fenris Creations berarti EVE sekarang memiliki perusahaan induk yang dapat memutuskan kolaborasi penelitian secara mandiri, tidak lagi dibajak oleh tujuan strategis perusahaan penerbit game yang lebih besar.

Kotak produk board game yang diterbitkan Fenris tahun 1997. Nama "Fenris" ini bahkan lebih tua 6 tahun dari EVE Online. Berganti nama menjadi Fenris Creations adalah langkah mundur ke masa lalu, bukan memulai dari awal.

Mengapa DeepMind memilih EVE?

"Masyarakat Buatan" 23 Tahun

Benchmark AI Sulit Direplikasi

Banyak orang ketika mendengar 'permainan + penelitian AI', refleks pertama adalah mengingat AlphaGo atau AlphaStar, EVE berbeda dengan mereka semua.

Go (Weiqi) dan StarCraft memiliki kesamaan: satu putaran permainan memiliki awal, akhir, dan aturan kemenangan/kekalahan yang jelas.

Tujuan AlphaGo adalah memenangkan permainan papan, tujuan AlphaStar adalah memenangkan pertandingan StarCraft, keduanya adalah paradigma penelitian 'kecerdasan per-putaran'. Namun, EVE tidak memiliki akhir.

EVE Online terkenal dengan "single-shared universe" (alam semesta bersama tunggal), di mana banyak pemain bersaing, berdagang, bersekutu, dan berperang dalam dunia yang persisten dan berjalan lama.

Pemain di sini telah membangun sistem ekonomi nyata, aliansi politik, kelompok militer, rute perdagangan, dendam sejarah, dan rencana perang lintas tahun.

Beberapa pertempuran dari persiapan hingga penutupan membutuhkan waktu satu tahun penuh. Bangkit dan runtuhnya beberapa aliansi dipelajari oleh pemain kemudian sebagai sejarah nyata.

Hilmar dalam pengumumannya berkata: "EVE adalah salah satu dari sedikit tempat di mana kita dapat mengeksplorasi masalah kecerdasan dalam lingkungan yang sudah beroperasi seperti dunia nyata."

Hassabis bahkan menyebutkan bahwa dirinya bermain game sejak kecil, titik awal karirnya adalah merancang game simulasi AI, penelitian AlphaGo, AlphaStar, dan SIMA terikat erat dengan game, dan EVE adalah pilihan untuk tahap selanjutnya:

Saya sangat senang dapat bekerja sama dengan Fenris Creations untuk menjelajahi pengalaman bermain baru dan memajukan penelitian AI dengan aman di alam semesta yang dibangun oleh pemain ini, dengan tingkat kompleksitas yang tak tertandingi.

Sebagian besar benchmark AI seperti pemeriksaan kesehatan, EVE lebih seperti melempar AI ke dalam 'masyarakatakat buatan' yang telah berjalan selama 23 tahun.

3 Tantangan Terberat Agen Cerdas

Tepatnya Adalah Keseharian Pemain EVE

Kali ini, pihak resmi dengan jelas menyebutkan tiga arah penelitian: perencanaan jangka panjang (long-horizon planning), memori (memory), dan pembelajaran berkelanjutan (continual learning).

Tiga arah ini adalah 3 tantangan terberat yang diakui secara luas di bidang penelitian agen cerdas AI saat ini.

Jika di sekitar Anda ada yang pernah bermain EVE Online lebih dari sepuluh tahun, minta dia membuka akun dan lihat daftar temannya. Kemungkinan besar Anda akan melihat puluhan grup, ratusan nama, dengan kolom catatan bertuliskan "hutang dari Pertempuran Delve 2018", "pengkhianat dalam aliansi Goonswarm, jangan kerja sama", "orang ini mata-mata, semua orang di organisasi tahu".

Ini bukan konteks jendela (context window), ini adalah memori jangka panjang lintas-sesi yang dimulai dari sepuluh tahun.

Tantangan memori ini, pemain EVE lalui setiap hari, begitu juga dengan tantangan pembelajaran berkelanjutan.

Pada Januari 2014, Pertempuran B-R5RB berlangsung sekitar 21 jam, melibatkan lebih dari 7500 karakter, 75 Titan hancur, kerugian setara dengan mata uang nyata sekitar $300,000. Pemicu seluruh pertempuran ini adalah kegagalan pembayaran otomatis sebuah tagihan kedaulatan.

Setelah pertempuran ini selesai, seluruh taktik armada di game ditulis ulang. Konfigurasi armada dan sistem taktik aliansi-aliansi dalam beberapa tahun berikutnya semuanya berputar di sekitar iterasi berdasarkan analisis ulang (post-mortem). Diubah setiap bulan, setiap kegagalan dipecah menjadi pembaruan strategi yang dapat dieksekusi.

Adapun perencanaan jangka panjang, unit waktu standar perang aliansi di EVE bukan jam, tetapi bulan. Sebuah perang lintas wilayah (star system) dari persiapan hingga pecah, membangun kapal, transportasi, diplomasi, penyusupan, kontra-intelijen, ratusan pemain berkolaborasi secara spontan tanpa penjadwalan tugas apa pun, memajukan sebuah tujuan bersama selama berbulan-bulan.

Sistem kolaborasi ini tumbuh sendiri dari para pemain dalam 23 tahun.

3 tantangan terberat yang dianggap paling sulit dalam evaluasi agen cerdas AI saat ini, kebetulan adalah keseharian pemain EVE.

Evolusi yang digerakkan pemain selama 23 tahun di EVE telah menciptakan lingkungan yang selalu berubah, selalu kompleks, tanpa jalan pintas, kompleksitas seperti ini tidak dapat disintesis secara buatan di laboratorium.

SIMA 2 yang dirilis DeepMind pada November 2025, telah berkembang dari "mengeksekusi instruksi" menjadi "memahami tujuan, bernalar proses, belajar sambil bermain".

Dilihat dari masalah penelitian, proyek EVE dan SIMA 2 berada di jalur yang sama: "game sebagai arena pelatihan agen cerdas". Bedanya, kali ini arenanya diganti menjadi alam semesta nyata yang telah beroperasi selama 23 tahun.

Adegan pertempuran dalam game EVE Online. Pertempuran skala besar yang diorganisir secara spontan oleh pemain dan sering berlangsung berjam-jam seperti ini adalah alasan inti DeepMind memilih EVE sebagai skenario penelitian perencanaan jangka panjang dan pembelajaran berkelanjutan.

DeepMind Masuk ke Sandbox Offline

Bukan Alam Semesta Pemain Aktif

Cara kerja sama DeepMind dengan Fenris kali ini lebih konservatif dari yang dibayangkan. DeepMind tidak mendapatkan izin akses langsung ke server resmi yang berisi pemain aktif.

DeepMind secara resmi menyatakan dalam pengumuman: penelitian awal akan dilakukan pada versi offline EVE Online, menggunakan server lokal, menguji dan mengevaluasi model dalam lingkungan terkendali, tidak terhubung ke server operasional resmi EVE Online.

Di satu sisi, versi offline berarti DeepMind tidak akan mengonsumsi data pertempuran pemain aktif, juga tidak akan mengganggu ekonomi server yang sebenarnya, ini menghindari kompleksitas privasi dan kepatuhan apa pun.

Di sisi lain, versi offline EVE masih dapat mempertahankan sistem aturan yang kompleks, mekanisme kapal dan ekonomi, struktur wilayah bintang, dan desain inti lainnya.

DeepMind mendapatkan sebuah dunia kompleks yang telah 'diuji tekanan oleh pemain selama 23 tahun', sebagai ujian bagi agen cerdas untuk bertahan hidup.

Dari Atari ke EVE

Ke Mana Jalan Ini Menuju

Melihat kembali pilihan arena pelatihan DeepMind selama lebih dari sepuluh tahun ini, ada garis evolusi yang sangat jelas.

2013 sampai 2015, Atari adalah titik awal. DQN memasukkan agen cerdas ke dalam game seperti "Breakout", "Space Invaders" yang levelnya jelas dan aturannya tertutup. Menguji reaksi dan estimasi nilai.

2016 sampai 2017, AlphaGo dan AlphaZero. Aturan Go rapi, ruang aksi besar tetapi tertutup. Menguji pencarian dan penalaran rantai panjang.

2019, AlphaStar masuk ke "StarCraft 2". Pertama kali masuk ke lingkungan waktu nyata, informasi tidak sempurna, permainan multi-saluran. Menguji pengambilan keputusan waktu nyata dengan observasi parsial.

2024, SIMA ingin membuat agen cerdas umum yang dapat bermain di banyak game. Menguji generalisasi transfer.

2025, SIMA 2 ditingkatkan: tidak hanya mengeksekusi instruksi, tetapi juga dapat berbicara dengan pengguna, bernalar tujuan, memperbaiki diri selama proses bermain.

SIMA 2 yang dirilis DeepMind tahun 2025, telah berkembang dari "mengeksekusi instruksi" menjadi "memahami tujuan, bernalar proses, belajar sambil bermain"

Setiap generasi lingkungan, memiliki lebih banyak 'ciri dunia nyata' dibanding generasi sebelumnya: dari aturan tertutup ke aturan terbuka, dari informasi sempurna ke informasi tidak sempurna, dari pertandingan per-putaran ke transfer lintas-putaran.

Tapi lingkungan-lingkungan sebelumnya sebagian besar masih merupakan arena tugas yang relatif tertutup, dapat dipisah-pisah, dapat dievaluasi berulang, misalnya Atari adalah game arcade dengan aturan tetap, AlphaStar menghadapi pertandingan StarCraft yang berakhir per-putaran, SIMA menguji generalisasi lintas game di beberapa lingkungan virtual 3D.

Perbedaan EVE terletak pada kenyataan bahwa ia adalah dunia persisten yang berjalan lama, digerakkan pemain, dengan struktur ekonomi dan politik yang terus berevolusi.

Dunia ini berevolusi selama 23 tahun, melalui sekelompok pemain nyata dalam dunia dengan aturan terbuka yang muncul secara spontan: ekonomi lengkap yang digerakkan pemain (fluktuasi harga ISK mirip pasar keuangan nyata), struktur politik lintas aliansi (diplomasi, spionase, perjanjian gencatan senjata), seluruh ekosistem perang dari konflik skala kecil hingga pertempuran 21 jam.

Konsensus dalam lingkaran tentang evaluasi agen cerdas semakin jelas, nilai benchmark (skor) untuk tugas-tugas tunggal sudah tidak bisa menghasilkan sesuatu yang baru, tetapi memori jangka panjang, perencanaan lintas minggu, belajar dari kegagalan, belum memiliki arena evaluasi yang memadai.

Jadi, pilihan DeepMind kali ini adalah: daripada membuat lagi lingkungan sintetis, lebih baik masuk ke dalam sebuah 'masyarakat buatan' yang telah diuji tekanan oleh pemain manusia selama 23 tahun.

Tapi masalah yang lebih besar juga muncul:

Sebuah agen cerdas AI yang dapat terus ada, terus belajar, terus merencanakan di dalam EVE, apa bedanya dengan agen cerdas yang beroperasi secara mandiri di dunia nyata?

Referensi:

https://x.com/GoogleDeepMind/status/2052011542707630461

https://www.ccpgames.com/news/2026/studio-behind-eve-online-goes-independent-rebrands-as-fenris-creations-enters-research-partnership-with-google-deepmind

https://deepmind.google/blog/sima-2-an-agent-that-plays-reasons-and-learns-with-you-in-virtual-3d-worlds/

Artikel ini dari akun WeChat "Xin Zhi Yuan" (新智元), penulis: ASI启示录, editor: Yuan Yu (元宇)

Pertanyaan Terkait

QApa alasan utama DeepMind memilih EVE Online sebagai lingkungan penelitian untuk pengujian AI, meskipun bukan game yang ramah bagi pemula?

ADeepMind memilih EVE Online karena EVE menawarkan alam semesta yang kompleks dan digerakkan pemain selama 23 tahun. Lingkungan persisten ini dianggap sebagai 'kotak pasir' yang aman dan sempurna untuk menguji tiga tantangan utama dalam penelitian agen AI: perencanaan jangka panjang, memori, dan pembelajaran berkelanjutan, yang sulit direplikasi dalam pengujian AI sintetis biasa.

QApa saja tiga tantangan terberat dalam penelitian agen AI yang disebutkan dalam artikel dan bagaimana hubungannya dengan pengalaman pemain EVE Online?

ATiga tantangan terberat tersebut adalah: 1) Perencanaan jangka panjang (long-horizon planning): Pemain EVE merencanakan perang dan aliansi selama berbulan-bulan. 2) Memori (memory): Pemain menyimpan ingatan tentang hubungan dan konflik dengan pemain lain selama bertahun-tahun. 3) Pembelajaran berkelanjutan (continual learning): Strategi dan taktik permainan terus berevolusi berdasarkan analisis pertempuran sebelumnya. Ketiganya adalah bagian dari keseharian pemain veteran EVE.

QBagaimana cara DeepMind melakukan penelitian di EVE Online? Apakah mereka mengakses server permainan langsung bersama pemain?

ATidak. Penelitian awal DeepMind akan dilakukan pada versi offline EVE Online, menggunakan server lokal di lingkungan yang terkendali. Model AI akan diuji dan dievaluasi di sana tanpa terhubung ke server operasional resmi EVE yang digunakan pemain. Ini dilakukan untuk menghindari gangguan terhadap ekonomi dan interaksi pemain, serta meminimalkan kompleksitas privasi dan kepatuhan.

QApa perbedaan mendasar antara lingkungan penelitian AI DeepMind di EVE Online dibandingkan dengan lingkungan sebelumnya seperti Atari, AlphaGo (Go), atau AlphaStar (StarCraft 2)?

APerbedaan utamanya terletak pada sifat lingkungannya. Atari, Go, dan StarCraft 2 memiliki aturan tertutup, permainan berakhir (ada awal dan akhir), dan fokus pada kecerdasan 'per pertandingan'. Sementara itu, EVE Online adalah dunia persisten tanpa akhir, dengan aturan terbuka, ekonomi dan struktur politik yang berkembang secara organik dari interaksi pemain selama 23 tahun. EVE lebih menyerupai 'masyarakat buatan' yang terus berevolusi daripada arena permainan tunggal.

QMenurut artikel, apa implikasi jangka panjang dari penelitian AI di lingkungan kompleks seperti EVE Online?

APenelitian ini bertujuan untuk mengembangkan agen AI yang mampu bertahan, belajar, dan merencanakan dalam lingkungan yang kompleks dan terus berubah seperti EVE. Ini adalah langkah maju dari pengujian tugas-tugas tunggal. Pertanyaan besar yang muncul adalah: jika AI dapat beroperasi secara mandiri dalam 'masyarakat buatan' yang kaya dan dinamis seperti EVE, apa saja yang masih membedakannya dari agen AI yang dapat beroperasi di dunia nyata? Penelitian ini membuka jalan untuk mengeksplorasi batas-batas tersebut.

Bacaan Terkait

Tiga Tahun Kemudian: Menilik Kembali Penilaian Saya terhadap ChatGPT pada 2023

Tiga tahun kemudian: Meninjau Kembali 20 Prediksi ChatGPT Saya pada 2023 Pada Maret 2023, penulis Wang Jianshuo membuat 20 prediksi intuitif tentang ChatGPT dan AI masa depan. Kini, di Mei 2026, sebuah sistem AI yang terdiri dari 41 agen menganalisis prediksi-prediksi tersebut berdasarkan data terkini. Hasilnya menunjukkan pola menarik. **Yang Terbukti Benar (Secara Umum):** * **RAG dan Arsitektur Pencarian (✅):** Solusi utama untuk pengetahuan dan halusinasi adalah dengan menambahkan "contekan" (RAG), bukan mengubah model. Arsitektur pencarian + LLM kini menjadi standar. * **LUI sebagai Benua Baru (🟢):** Antarmuka Pengguna Bahasa Alami (LUI) adalah lapisan interaksi baru yang besar, melahirkan industri agen dan protokol seperti MCP. * **Jaringan Robot dan Sistem Pengalamatan Baru (🟢):** Agen akan berkomunikasi otomatis dengan bahasa alami. Protokol seperti MCP dan ANP sedang mewujudkannya. * **Model Besar Tiongkok (🟢):** Model-model seperti DeepSeek dan Qwen telah mengejar ketertinggalan performa, meski dengan investasi lebih kecil. * **Tidak Ada Kesadaran, Tes Turing Hanya Ukur Penampilan (🟢):** AI tidak memiliki kesadaran. Tes Turing hanya mengukur ilusi kesadaran. * **Prediksi Lain yang Benar:** ChatGPT bukan AGI, tapi lompatan besar; gelombang pengangguran besar tidak terjadi; tahun besar untuk startup; momen "browser 1994" telah tiba. **Yang Kurang Tepat atau Salah:** * **Parameter GPT-4 (❌):** Prediksi 100 triliun parameter salah. Estimasi terbaru sekitar 1,8 triliun. * **Matematika di LLM (🟡):** Diagnosis bahwa matematika adalah kelemahan intrinsik dan memerlukan alat bantu benar. Namun, pernyataan "tidak mungkin" ditingkatkan terbukti salah, karena model kini bisa memenangkan medali emas Olimpiade Matematika Internasional (IMO). * **Penangkapan Nilai (🟡):** Aplikasi memang berkembang pesat, tetapi nilai terbesar justru ditangkap oleh lapisan komputasi (seperti Nvidia), bukan oleh pembuat model. * **Hak Cipta (🟡):** Konten AI sulit didaftarkan hak cipta, tetapi tidak serta-mata "menghindari" pelanggaran. Gugatan dan penyelesaian besar (misalnya, Anthropic $1,5 miliar) membuktikan risikonya. * **Biaya Model (🟡):** Prediksi "perang lokal" dengan biaya $5-10 miliar untuk model canggih terbukti salah. Biaya pelatihan model terdepan (seperti GPT-5) jauh lebih tinggi, sementara biaya kloning model terbuka justru bisa lebih murah. **Pola dan Pelajaran:** 1. **Arah dan mekanisme lebih dapat diandalkan daripada angka pasti dan pernyataan mutlak.** 2. **Cenderung terlalu optimis untuk jangka pendek (kecepatan), tetapi terlalu konservatif untuk jangka panjang (skala/dampak).** 3. **Kesalahan sering terjadi pada distribusi, bukan pada total.** Contoh: Tidak ada gelombang pengangguran masif, tetapi dampak berat dirasakan oleh lulusan baru. 4. **Pernyataan yang disertai batasan dan ruang ketidakpastian justru lebih tahan uji waktu.** 5. **Beberapa pertanyaan mendasar masih belum terjawab setelah tiga tahun.** Kesimpulannya, prediksi tentang arah besar dan mekanisme cenderung akurat, sementara prediksi spesifik tentang angka, kecepatan, dan distribusi dampak lebih sering meleset. Latihan ini lebih merupakan pelajaran dalam kerendahan hati dan penilaian yang bernuansa daripada sekadar penghitungan skor.

链捕手9m yang lalu

Tiga Tahun Kemudian: Menilik Kembali Penilaian Saya terhadap ChatGPT pada 2023

链捕手9m yang lalu

Peringatan Gelembung AI: Investasi AI Merupakan Pengembalian Negatif bagi Kebanyakan Raksasa Teknologi

Peringatan Gelembung AI: Investasi AI Membawa Pengembalian Negatif bagi Sebagian Besar Raksasa Teknologi Demam AI kini memasuki tahap pemeriksaan keuangan. Raksasa cloud seperti Microsoft, Alphabet, Amazon, Meta, dan Oracle berencana menginvestasikan ratusan miliar dolar ke pusat data AI dalam lima tahun ke depan. Namun, analisis terhadap proyeksi pendapatan dan pengeluaran modal (capex) hingga 2030 mengungkap masalah: tingkat pengembalian investasi implisit diperkirakan sangat negatif bagi semua perusahaan kecuali Amazon, bahkan dalam skenario optimis ekstrem. Ini menunjukkan bahwa jika tren saat ini berlanjut, boom AI bisa menjadi salah satu peristiwa perusakan nilai pemegang saham terbesar. Ada dua jalan keluar: pendapatan yang jauh melebihi ekspektasi saat ini, atau pengurangan rencana investasi. Jalan pertama tampaknya mustahil, karena membutuhkan tambahan pendapatan triliunan dolar. Jalan kedua—pemotongan investasi—akan berdampak luas, meruntuhkan harga saham perusahaan-perusahaan teknologi global dan dapat mendorong ekonomi AS ke resesi, mengingat 93% pertumbuhan PDB AS belakangan ini didorong oleh investasi teknologi. IPO perusahaan AI seperti OpenAI dan Anthropic tahun ini bisa menjadi mekanisme transfer risiko, memindahkan ketidakpastian dari pemilik awal kepada investor ritail dan dana pensiun. Sementara euphoria pemasaran mungkin bertahan hingga setelah IPO tahun 2026, tekanan matematika yang tak terelakkan mungkin memaksa raksasa cloud mengumumkan pemotongan investasi pada 2027 atau 2028, mirip dengan jeda tiga tahun antara peringatan "irrational exuberance" Alan Greenspan pada 1996 dan pecahnya gelembung dotcom pada 2000.

marsbit1j yang lalu

Peringatan Gelembung AI: Investasi AI Merupakan Pengembalian Negatif bagi Kebanyakan Raksasa Teknologi

marsbit1j yang lalu

Dari Token ke Tenaga Kerja Mesin: AI Sedang Berubah dari Alat Menjadi 'Pekerja'

Dari Token ke Tenaga Kerja Mesin: AI Berubah dari Alat Menjadi "Pekerja" AI mulai menulis kode, menangani tiket dukungan pelanggan, dan meninjau dokumen hukum. Artikel ini mengusulkan kerangka baru: komersialisasi AI sedang bergerak menuju "pasar tenaga kerja mesin". Dalam pasar ini, token hanyalah unit pengukuran, GPU adalah bahan baku, dan model adalah alat produksi. Objek yang benar-benar ditetapkan harganya dan diperdagangkan adalah kerja ekonomi yang diselesaikan langsung oleh perangkat lunak. Mekanisme penetapan harga AI akan berkembang dari token mentah, kemampuan model yang terstandarisasi, tenaga kerja yang terspesialisasi industri, hingga pasar hasil yang dapat diprogram. Di masa depan, perusahaan mungkin tidak lagi peduli model atau GPU mana yang menyelesaikan suatu tugas, tetapi lebih pada apakah tugas itu diselesaikan dalam batas latensi, akurasi, keandalan, dan biaya yang ditentukan. Implikasinya, dampak AI pada pasar tenaga kerja manusia tidak hanya sekadar penggantian. Saat mesin mengambil alih lebih banyak pekerjaan yang dapat distandardisasi dan diverifikasi, peran manusia mungkin bergeser ke pengawasan, penanggung jawab, manajemen konteks, dan keputusan akhir. Dalam beberapa kasus, penilaian manusia untuk 1% akhir justru menjadi lebih berharga karena dapat membuka kunci 99% otomatisasi skala besar. Pasar AI adalah pasar ekspansif. Ketika biaya kerja turun, permintaan tidak tetap. Jika interaksi dukungan pelanggan menjadi lebih murah, perusahaan dapat menawarkan layanan 24/7, menciptakan pasar interaksi pelanggan yang lebih besar. Persaingan tahap berikutnya di pasar AI mungkin bukan lagi sekadar pertarungan kemampuan model atau perang harga daya komputasi, tetapi tentang siapa yang dapat pertama kali menstandarisasi, memverifikasi, dan menetapkan harga "pekerjaan", akhirnya menjadikan tenaga kerja mesin sebagai faktor produksi baru yang dapat dibeli, diselesaikan, dan diperdagangkan.

marsbit1j yang lalu

Dari Token ke Tenaga Kerja Mesin: AI Sedang Berubah dari Alat Menjadi 'Pekerja'

marsbit1j yang lalu

Diskon 99% untuk MiMo Bukan Hanya Pemasaran! Luo Fuli Membantah Para Pengecam di X

**Ringkasan:** Xiaomi MiMo memotong harga API MiMo-V2.5 hingga **99%**, memicu spekulasi tentang perang harga atau strategi merugi. Luo Fuli, kepala MiMo, merespons dengan mempublikasikan blog teknis 5000 kata yang merinci **enam pilar teknikal** di balik potongan harga besar ini. Intinya, diskon 99% terutama untuk **Input (Cache Hit)** – bagian dimana pengguna membaca ulang konteks historis dalam percakapan panjang. Ini menjadi mungkin karena serangkaian optimasi teknikal yang mengubah biaya komputasi untuk bagian tersebut mendekati nol. **Enam Pilar Teknikal:** 1. **Arsitektur Hybrid SWA:** Menggunakan Sliding Window Attention di sebagian besar lapisan model, mengurangi volume **KVCache** (memori jangka pendek model) hingga **1/7**. 2. **Manajemen KVCache Dua Kolam:** Mengalokasikan memori secara terpisah untuk lapisan SWA dan Full Attention, benar-benar mewujudkan penghematan teoretis 1/7 dan meningkatkan jumlah pengguna yang dapat dilayani secara bersamaan. 3. **Prefix Cache yang Dioptimalkan:** Meningkatkan aturan pencocokan cache untuk arsitektur SWA, menghasilkan **tingkat keberhasilan cache 93-95%** untuk pembacaan ulang. Artinya, sebagian besar permintaan "baca ulang" tidak memerlukan komputasi GPU baru. 4. **Sistem Cache Terdistribusi GCache:** Menyimpan data cache di **SSD bawaan mesin GPU**, menghilangkan biaya penyimpanan cluster khusus dan memperpanjang masa hidup cache. 5. **Sistem Penjadwalan LLM-Router:** Mengarahkan permintaan secara cerdas berdasarkan kesamaan prefix dan panjang konteks, memprioritaskan permintaan yang menggunakan cache, meningkatkan efisiensi dan mengurangi latensi. 6. **Multi-Token Prediction (MTP):** Mengoptimalkan proses generasi output model, mempercepat pembuatan respons dan melengkapi pengurangan biaya di sisi input. **Kesimpulan:** Penurunan harga 99% bukanlah gimmick pemasaran atau strategi merugi, tetapi hasil dari **efisiensi sistemik rekayasa AI** yang telah divalidasi di lingkungan produksi. Rantai optimasi ini secara kumulatif mengurangi biaya komputasi per permintaan hingga lebih dari 95%, memungkinkan penurunan harga ekstrem sambil mempertahankan profitabilitas. Luo Fuli menekankan bahwa ini adalah masalah teknikal yang terwujud, bukan sekadar perang harga.

marsbit3j yang lalu

Diskon 99% untuk MiMo Bukan Hanya Pemasaran! Luo Fuli Membantah Para Pengecam di X

marsbit3j yang lalu

Rp 426 Triliun, "Tim Murni Tionghoa" Menopang Perusahaan Pemrograman AI dengan Valuasi Tertinggi di Dunia

Pada Mei 2025, Cognition AI, startup pengembangan AI yang didirikan oleh tiga pendiri berkebangsaan China pemenang Olimpiade Informatika, mengumumkan pendanaan baru senilai lebih dari $10 miliar, yang menaikkan valuasinya menjadi $26 miliar. Lonjakan valuasi ini, hanya dalam 8 bulan sejak valuasi $10,2 miliar sebelumnya, didorong oleh kepercayaan investor bahwa agen AI seperti "Devin" perusahaan mereka akan menjadi infrastruktur rekayasa perangkat lunak generasi berikutnya. Awalnya, Cognition menciptakan sensasi dengan meluncurkan Devin, yang dipasarkan sebagai "insinyur perangkat lunak AI" pertama yang dapat menangani tugas pengkodean secara mandiri. Namun, produk awal ini menuai kritik karena kinerja yang tidak konsisten dan harga yang tinggi. Untuk mengatasi kekurangan ini, Cognition melakukan pivoting strategis dengan mengakuisisi Windsurf, sebuah platform IDE berbasis AI, pada tahun 2025. Akuisisi ini memberi Cognition dua jalur produk: Devin untuk menangani tugas-tugas rekayasa asinkron yang dapat didelegasikan, dan Windsurf IDE sebagai alat bantu kolaboratif bagi pengembang dalam editor kode. Kombinasi ini terbukti sukses. Cognition melaporkan pertumbuhan penggunaan perusahaan lebih dari 10 kali lipat tahun ini, dengan run-rate pendapatan mencapai $492 juta dan pertumbuhan penggunaan bulanan Devin sebesar 50% selama enam bulan terakhir. Kliennya termasuk nama-nama besar seperti Goldman Sachs, NASA, dan Angkatan Darat AS. Intinya, valuasi $26 miliar ini mencerminkan keyakinan pasar bahwa Cognition, dengan strategi "dua kaki"nya, berada di posisi yang tepat untuk menangkap peluang adopsi AI berskala besar di sektor rekayasa perangkat lunak perusahaan, yang bergerak menuju sistem hybrid di mana manusia dan AI berkolaborasi.

marsbit3j yang lalu

Rp 426 Triliun, "Tim Murni Tionghoa" Menopang Perusahaan Pemrograman AI dengan Valuasi Tertinggi di Dunia

marsbit3j yang lalu

Trading

Spot
Futures

Artikel Populer

Apa Itu GROK AI

Grok AI: Merevolusi Teknologi Percakapan di Era Web3 Pendahuluan Dalam lanskap kecerdasan buatan yang terus berkembang dengan cepat, Grok AI menonjol sebagai proyek yang patut diperhatikan yang menjembatani domain teknologi canggih dan interaksi pengguna. Dikembangkan oleh xAI, sebuah perusahaan yang dipimpin oleh pengusaha terkenal Elon Musk, Grok AI berupaya untuk mendefinisikan ulang cara kita berinteraksi dengan kecerdasan buatan. Seiring dengan berkembangnya gerakan Web3, Grok AI bertujuan untuk memanfaatkan kekuatan AI percakapan untuk menjawab pertanyaan kompleks, memberikan pengguna pengalaman yang tidak hanya informatif tetapi juga menghibur. Apa itu Grok AI? Grok AI adalah chatbot AI percakapan yang canggih yang dirancang untuk berinteraksi dengan pengguna secara dinamis. Berbeda dengan banyak sistem AI tradisional, Grok AI menerima berbagai pertanyaan yang lebih luas, termasuk yang biasanya dianggap tidak pantas atau di luar respons standar. Tujuan inti proyek ini meliputi: Penalaran yang Andal: Grok AI menekankan penalaran akal sehat untuk memberikan jawaban logis berdasarkan pemahaman kontekstual. Pengawasan yang Dapat Diskalakan: Integrasi bantuan alat memastikan bahwa interaksi pengguna dipantau dan dioptimalkan untuk kualitas. Verifikasi Formal: Keamanan adalah hal yang utama; Grok AI menggabungkan metode verifikasi formal untuk meningkatkan keandalan output-nya. Pemahaman Konteks Panjang: Model AI unggul dalam mempertahankan dan mengingat riwayat percakapan yang luas, memfasilitasi diskusi yang bermakna dan sadar konteks. Ketahanan Adversarial: Dengan fokus pada peningkatan pertahanannya terhadap input yang dimanipulasi atau berbahaya, Grok AI bertujuan untuk mempertahankan integritas interaksi pengguna. Intinya, Grok AI bukan hanya perangkat pengambilan informasi; ini adalah mitra percakapan yang imersif yang mendorong dialog yang dinamis. Pencipta Grok AI Otak di balik Grok AI tidak lain adalah Elon Musk, seorang individu yang identik dengan inovasi di berbagai bidang, termasuk otomotif, perjalanan luar angkasa, dan teknologi. Di bawah naungan xAI, sebuah perusahaan yang fokus pada kemajuan teknologi AI dengan cara yang bermanfaat, visi Musk bertujuan untuk membentuk kembali pemahaman tentang interaksi AI. Kepemimpinan dan etos dasar sangat dipengaruhi oleh komitmen Musk untuk mendorong batasan teknologi. Investor Grok AI Meskipun rincian spesifik mengenai investor yang mendukung Grok AI masih terbatas, secara publik diakui bahwa xAI, inkubator proyek ini, didirikan dan didukung terutama oleh Elon Musk sendiri. Usaha dan kepemilikan Musk sebelumnya memberikan dukungan yang kuat, lebih lanjut memperkuat kredibilitas dan potensi pertumbuhan Grok AI. Namun, hingga saat ini, informasi mengenai yayasan investasi tambahan atau organisasi yang mendukung Grok AI tidak tersedia secara mudah, menandai area untuk eksplorasi potensial di masa depan. Bagaimana Grok AI Bekerja? Mekanisme operasional Grok AI sama inovatifnya dengan kerangka konseptualnya. Proyek ini mengintegrasikan beberapa teknologi mutakhir yang memfasilitasi fungsionalitas uniknya: Infrastruktur yang Kuat: Grok AI dibangun menggunakan Kubernetes untuk orkestrasi kontainer, Rust untuk kinerja dan keamanan, dan JAX untuk komputasi numerik berkinerja tinggi. Ketiga elemen ini memastikan bahwa chatbot beroperasi secara efisien, dapat diskalakan dengan efektif, dan melayani pengguna dengan cepat. Akses Pengetahuan Real-Time: Salah satu fitur pembeda Grok AI adalah kemampuannya untuk mengakses data real-time melalui platform X—sebelumnya dikenal sebagai Twitter. Kemampuan ini memberikan AI akses ke informasi terbaru, memungkinkannya untuk memberikan jawaban dan rekomendasi yang tepat waktu yang mungkin terlewat oleh model AI lainnya. Dua Mode Interaksi: Grok AI menawarkan pengguna pilihan antara “Mode Menyenangkan” dan “Mode Reguler.” Mode Menyenangkan memungkinkan gaya interaksi yang lebih bermain dan humoris, sementara Mode Reguler fokus pada memberikan respons yang tepat dan akurat. Fleksibilitas ini memastikan pengalaman yang disesuaikan yang memenuhi berbagai preferensi pengguna. Intinya, Grok AI menggabungkan kinerja dengan keterlibatan, menciptakan pengalaman yang kaya dan menghibur. Garis Waktu Grok AI Perjalanan Grok AI ditandai oleh tonggak penting yang mencerminkan tahap pengembangan dan penerapannya: Pengembangan Awal: Fase dasar Grok AI berlangsung selama sekitar dua bulan, di mana pelatihan awal dan penyempurnaan model dilakukan. Rilis Beta Grok-2: Dalam kemajuan signifikan, beta Grok-2 diumumkan. Rilis ini memperkenalkan dua versi chatbot—Grok-2 dan Grok-2 mini—masing-masing dilengkapi dengan kemampuan untuk chatting, coding, dan penalaran. Akses Publik: Setelah pengembangan beta, Grok AI menjadi tersedia untuk pengguna platform X. Mereka yang memiliki akun yang diverifikasi dengan nomor telepon dan aktif selama setidaknya tujuh hari dapat mengakses versi terbatas, membuat teknologi ini tersedia untuk audiens yang lebih luas. Garis waktu ini mencakup pertumbuhan sistematis Grok AI dari awal hingga keterlibatan publik, menekankan komitmennya untuk perbaikan berkelanjutan dan interaksi pengguna. Fitur Utama Grok AI Grok AI mencakup beberapa fitur kunci yang berkontribusi pada identitas inovatifnya: Integrasi Pengetahuan Real-Time: Akses ke informasi terkini dan relevan membedakan Grok AI dari banyak model statis, memungkinkan pengalaman pengguna yang menarik dan akurat. Gaya Interaksi yang Beragam: Dengan menawarkan mode interaksi yang berbeda, Grok AI memenuhi berbagai preferensi pengguna, mengundang kreativitas dan personalisasi dalam berkomunikasi dengan AI. Dasar Teknologi yang Canggih: Pemanfaatan Kubernetes, Rust, dan JAX memberikan proyek ini kerangka kerja yang solid untuk memastikan keandalan dan kinerja optimal. Pertimbangan Diskursus Etis: Penyertaan fungsi penghasil gambar menunjukkan semangat inovatif proyek ini. Namun, hal ini juga menimbulkan pertimbangan etis seputar hak cipta dan penggambaran yang menghormati tokoh-tokoh yang dikenali—diskusi yang sedang berlangsung dalam komunitas AI. Kesimpulan Sebagai entitas perintis di bidang AI percakapan, Grok AI mencakup potensi untuk pengalaman pengguna yang transformatif di era digital. Dikembangkan oleh xAI dan didorong oleh pendekatan visioner Elon Musk, Grok AI mengintegrasikan pengetahuan real-time dengan kemampuan interaksi yang canggih. Ini berupaya untuk mendorong batasan apa yang dapat dicapai oleh kecerdasan buatan sambil tetap fokus pada pertimbangan etis dan keselamatan pengguna. Grok AI tidak hanya mewujudkan kemajuan teknologi tetapi juga mewakili paradigma percakapan baru di lanskap Web3, menjanjikan untuk melibatkan pengguna dengan pengetahuan yang mahir dan interaksi yang menyenangkan. Seiring proyek ini terus berkembang, ia berdiri sebagai bukti apa yang dapat dicapai di persimpangan teknologi, kreativitas, dan interaksi yang mirip manusia.

561 Total TayanganDipublikasikan pada 2024.12.26Diperbarui pada 2024.12.26

Apa Itu GROK AI

Apa Itu ERC AI

Euruka Tech: Gambaran Umum tentang $erc ai dan Ambisinya di Web3 Pendahuluan Dalam lanskap teknologi blockchain dan aplikasi terdesentralisasi yang berkembang pesat, proyek-proyek baru muncul dengan frekuensi tinggi, masing-masing dengan tujuan dan metodologi yang unik. Salah satu proyek tersebut adalah Euruka Tech, yang beroperasi di domain cryptocurrency dan Web3 yang luas. Fokus utama Euruka Tech, khususnya tokennya $erc ai, adalah untuk menghadirkan solusi inovatif yang dirancang untuk memanfaatkan kemampuan teknologi terdesentralisasi yang terus berkembang. Artikel ini bertujuan untuk memberikan gambaran komprehensif tentang Euruka Tech, eksplorasi tujuannya, fungsionalitas, identitas penciptanya, calon investor, dan signifikansinya dalam konteks yang lebih luas dari Web3. Apa itu Euruka Tech, $erc ai? Euruka Tech dicirikan sebagai proyek yang memanfaatkan alat dan fungsionalitas yang ditawarkan oleh lingkungan Web3, dengan fokus pada integrasi kecerdasan buatan dalam operasinya. Meskipun rincian spesifik tentang kerangka proyek ini agak samar, proyek ini dirancang untuk meningkatkan keterlibatan pengguna dan mengotomatiskan proses di ruang crypto. Proyek ini bertujuan untuk menciptakan ekosistem terdesentralisasi yang tidak hanya memfasilitasi transaksi tetapi juga menggabungkan fungsionalitas prediktif melalui kecerdasan buatan, sehingga penamaan tokennya, $erc ai. Tujuannya adalah untuk menyediakan platform intuitif yang memfasilitasi interaksi yang lebih cerdas dan pemrosesan transaksi yang efisien dalam lingkup Web3 yang terus berkembang. Siapa Pencipta Euruka Tech, $erc ai? Saat ini, informasi mengenai pencipta atau tim pendiri di balik Euruka Tech masih tidak ditentukan dan agak tidak jelas. Ketidakhadiran data ini menimbulkan kekhawatiran, karena pengetahuan tentang latar belakang tim sering kali penting untuk membangun kredibilitas dalam sektor blockchain. Oleh karena itu, kami telah mengkategorikan informasi ini sebagai tidak diketahui sampai rincian konkret tersedia di domain publik. Siapa Investor Euruka Tech, $erc ai? Demikian pula, identifikasi investor atau organisasi pendukung untuk proyek Euruka Tech tidak disediakan dengan mudah melalui penelitian yang tersedia. Aspek yang sangat penting bagi pemangku kepentingan atau pengguna potensial yang mempertimbangkan keterlibatan dengan Euruka Tech adalah jaminan yang datang dari kemitraan keuangan yang mapan atau dukungan dari perusahaan investasi yang terkemuka. Tanpa pengungkapan tentang afiliasi investasi, sulit untuk menarik kesimpulan komprehensif tentang keamanan finansial atau keberlangsungan proyek. Sesuai dengan informasi yang ditemukan, bagian ini juga berada pada status tidak diketahui. Bagaimana Euruka Tech, $erc ai Bekerja? Meskipun kurangnya spesifikasi teknis yang mendetail untuk Euruka Tech, penting untuk mempertimbangkan ambisi inovatifnya. Proyek ini berusaha memanfaatkan kemampuan komputasi kecerdasan buatan untuk mengotomatiskan dan meningkatkan pengalaman pengguna dalam lingkungan cryptocurrency. Dengan mengintegrasikan AI dengan teknologi blockchain, Euruka Tech bertujuan untuk menyediakan fitur seperti perdagangan otomatis, penilaian risiko, dan antarmuka pengguna yang dipersonalisasi. Esensi inovatif dari Euruka Tech terletak pada tujuannya untuk menciptakan koneksi yang mulus antara pengguna dan kemungkinan luas yang ditawarkan oleh jaringan terdesentralisasi. Melalui pemanfaatan algoritma pembelajaran mesin dan AI, proyek ini bertujuan untuk meminimalkan tantangan bagi pengguna baru dan menyederhanakan pengalaman transaksional dalam kerangka Web3. Simbiosis antara AI dan blockchain ini menggarisbawahi signifikansi token $erc ai, yang berdiri sebagai jembatan antara antarmuka pengguna tradisional dan kemampuan canggih dari teknologi terdesentralisasi. Garis Waktu Euruka Tech, $erc ai Sayangnya, sebagai akibat dari informasi yang terbatas mengenai Euruka Tech, kami tidak dapat menyajikan garis waktu yang mendetail tentang perkembangan utama atau tonggak dalam perjalanan proyek ini. Garis waktu ini, yang biasanya sangat berharga dalam memetakan evolusi suatu proyek dan memahami trajektori pertumbuhannya, saat ini tidak tersedia. Ketika informasi tentang peristiwa penting, kemitraan, atau penambahan fungsional menjadi jelas, pembaruan pasti akan meningkatkan visibilitas Euruka Tech di dunia crypto. Klarifikasi tentang Proyek “Eureka” Lainnya Penting untuk dicatat bahwa banyak proyek dan perusahaan berbagi nomenklatur serupa dengan “Eureka.” Penelitian telah mengidentifikasi inisiatif seperti agen AI dari NVIDIA Research, yang fokus pada pengajaran robot tugas kompleks menggunakan metode generatif, serta Eureka Labs dan Eureka AI, yang meningkatkan pengalaman pengguna dalam analitik pendidikan dan layanan pelanggan, masing-masing. Namun, proyek-proyek ini berbeda dari Euruka Tech dan tidak boleh disamakan dengan tujuan atau fungsionalitasnya. Kesimpulan Euruka Tech, bersama dengan token $erc ai-nya, mewakili pemain yang menjanjikan namun saat ini masih samar dalam lanskap Web3. Meskipun rincian tentang pencipta dan investor masih belum diungkapkan, ambisi inti untuk menggabungkan kecerdasan buatan dengan teknologi blockchain tetap menjadi titik fokus yang menarik. Pendekatan unik proyek ini dalam mendorong keterlibatan pengguna melalui otomatisasi canggih dapat membedakannya seiring dengan kemajuan ekosistem Web3. Seiring dengan terus berkembangnya pasar crypto, pemangku kepentingan harus memperhatikan kemajuan seputar Euruka Tech, karena pengembangan inovasi yang terdokumentasi, kemitraan, atau peta jalan yang terdefinisi dapat menghadirkan peluang signifikan di masa depan. Saat ini, kami menunggu wawasan yang lebih substansial yang dapat mengungkap potensi Euruka Tech dan posisinya dalam lanskap crypto yang kompetitif.

516 Total TayanganDipublikasikan pada 2025.01.02Diperbarui pada 2025.01.02

Apa Itu ERC AI

Apa Itu DUOLINGO AI

DUOLINGO AI: Mengintegrasikan Pembelajaran Bahasa dengan Inovasi Web3 dan AI Dalam era di mana teknologi membentuk kembali pendidikan, integrasi kecerdasan buatan (AI) dan jaringan blockchain menandai batasan baru untuk pembelajaran bahasa. Masuklah DUOLINGO AI dan cryptocurrency terkaitnya, $DUOLINGO AI. Proyek ini bercita-cita untuk menggabungkan kekuatan pendidikan dari platform pembelajaran bahasa terkemuka dengan manfaat teknologi Web3 yang terdesentralisasi. Artikel ini menggali aspek-aspek kunci dari DUOLINGO AI, menjelajahi tujuannya, kerangka teknologi, perkembangan sejarah, dan potensi masa depan sambil mempertahankan kejelasan antara sumber daya pendidikan asli dan inisiatif cryptocurrency independen ini. Gambaran Umum DUOLINGO AI Pada intinya, DUOLINGO AI berusaha untuk membangun lingkungan terdesentralisasi di mana pelajar dapat memperoleh imbalan kriptografi untuk mencapai tonggak pendidikan dalam kemahiran bahasa. Dengan menerapkan kontrak pintar, proyek ini bertujuan untuk mengotomatiskan proses verifikasi keterampilan dan alokasi token, sesuai dengan prinsip Web3 yang menekankan transparansi dan kepemilikan pengguna. Model ini menyimpang dari pendekatan tradisional dalam akuisisi bahasa dengan sangat bergantung pada struktur tata kelola yang dipimpin oleh komunitas, memungkinkan pemegang token untuk menyarankan perbaikan pada konten kursus dan distribusi imbalan. Beberapa tujuan notable dari DUOLINGO AI meliputi: Pembelajaran Gamified: Proyek ini mengintegrasikan pencapaian blockchain dan token non-fungible (NFT) untuk mewakili tingkat kemahiran bahasa, mendorong motivasi melalui imbalan digital yang menarik. Penciptaan Konten Terdesentralisasi: Ini membuka jalan bagi pendidik dan penggemar bahasa untuk berkontribusi pada kursus mereka, memfasilitasi model pembagian pendapatan yang menguntungkan semua kontributor. Personalisasi Berbasis AI: Dengan menggunakan model pembelajaran mesin yang canggih, DUOLINGO AI mempersonalisasi pelajaran untuk beradaptasi dengan kemajuan belajar individu, mirip dengan fitur adaptif yang ditemukan di platform yang sudah mapan. Pencipta Proyek dan Tata Kelola Hingga April 2025, tim di balik $DUOLINGO AI tetap anonim, praktik yang umum dalam lanskap cryptocurrency terdesentralisasi. Anonimitas ini dimaksudkan untuk mempromosikan pertumbuhan kolektif dan keterlibatan pemangku kepentingan daripada fokus pada pengembang individu. Kontrak pintar yang diterapkan di blockchain Solana mencatat alamat dompet pengembang, yang menandakan komitmen terhadap transparansi terkait transaksi meskipun identitas penciptanya tidak diketahui. Menurut peta jalannya, DUOLINGO AI bertujuan untuk berkembang menjadi Organisasi Otonom Terdesentralisasi (DAO). Struktur tata kelola ini memungkinkan pemegang token untuk memberikan suara pada isu-isu penting seperti implementasi fitur dan alokasi kas. Model ini sejalan dengan etos pemberdayaan komunitas yang ditemukan dalam berbagai aplikasi terdesentralisasi, menekankan pentingnya pengambilan keputusan kolektif. Investor dan Kemitraan Strategis Saat ini, tidak ada investor institusi atau modal ventura yang dapat diidentifikasi secara publik yang terkait dengan $DUOLINGO AI. Sebaliknya, likuiditas proyek ini terutama berasal dari bursa terdesentralisasi (DEX), menandai kontras yang tajam dengan strategi pendanaan perusahaan teknologi pendidikan tradisional. Model akar rumput ini menunjukkan pendekatan yang dipimpin oleh komunitas, mencerminkan komitmen proyek terhadap desentralisasi. Dalam whitepapernya, DUOLINGO AI menyebutkan pembentukan kolaborasi dengan “platform pendidikan blockchain” yang tidak ditentukan yang bertujuan untuk memperkaya penawaran kursusnya. Meskipun kemitraan spesifik belum diungkapkan, upaya kolaboratif ini menunjukkan strategi untuk menggabungkan inovasi blockchain dengan inisiatif pendidikan, memperluas akses dan keterlibatan pengguna di berbagai jalur pembelajaran. Arsitektur Teknologi Integrasi AI DUOLINGO AI menggabungkan dua komponen utama yang didorong oleh AI untuk meningkatkan penawaran pendidikannya: Mesin Pembelajaran Adaptif: Mesin canggih ini belajar dari interaksi pengguna, mirip dengan model kepemilikan dari platform pendidikan besar. Ia secara dinamis menyesuaikan kesulitan pelajaran untuk mengatasi tantangan spesifik pelajar, memperkuat area yang lemah melalui latihan yang ditargetkan. Agen Percakapan: Dengan menggunakan chatbot bertenaga GPT-4, DUOLINGO AI menyediakan platform bagi pengguna untuk terlibat dalam percakapan yang disimulasikan, mendorong pengalaman pembelajaran bahasa yang lebih interaktif dan praktis. Infrastruktur Blockchain Dibangun di atas blockchain Solana, $DUOLINGO AI memanfaatkan kerangka teknologi yang komprehensif yang mencakup: Kontrak Pintar Verifikasi Keterampilan: Fitur ini secara otomatis memberikan token kepada pengguna yang berhasil melewati tes kemahiran, memperkuat struktur insentif untuk hasil pembelajaran yang nyata. Lencana NFT: Token digital ini menandakan berbagai tonggak yang dicapai pelajar, seperti menyelesaikan bagian dari kursus mereka atau menguasai keterampilan tertentu, memungkinkan mereka untuk memperdagangkan atau memamerkan pencapaian mereka secara digital. Tata Kelola DAO: Anggota komunitas yang memiliki token dapat terlibat dalam tata kelola dengan memberikan suara pada proposal kunci, memfasilitasi budaya partisipatif yang mendorong inovasi dalam penawaran kursus dan fitur platform. Garis Waktu Sejarah 2022–2023: Konseptualisasi Landasan untuk DUOLINGO AI dimulai dengan pembuatan whitepaper, menyoroti sinergi antara kemajuan AI dalam pembelajaran bahasa dan potensi terdesentralisasi dari teknologi blockchain. 2024: Peluncuran Beta Peluncuran beta terbatas memperkenalkan penawaran dalam bahasa-bahasa populer, memberikan imbalan kepada pengguna awal dengan insentif token sebagai bagian dari strategi keterlibatan komunitas proyek. 2025: Transisi DAO Pada bulan April, peluncuran mainnet penuh terjadi dengan peredaran token, mendorong diskusi komunitas mengenai kemungkinan ekspansi ke bahasa Asia dan pengembangan kursus lainnya. Tantangan dan Arah Masa Depan Hambatan Teknis Meskipun memiliki tujuan ambisius, DUOLINGO AI menghadapi tantangan signifikan. Skalabilitas tetap menjadi perhatian yang berkelanjutan, terutama dalam menyeimbangkan biaya yang terkait dengan pemrosesan AI dan mempertahankan jaringan terdesentralisasi yang responsif. Selain itu, memastikan penciptaan konten berkualitas dan moderasi di tengah penawaran terdesentralisasi menimbulkan kompleksitas dalam mempertahankan standar pendidikan. Peluang Strategis Melihat ke depan, DUOLINGO AI memiliki potensi untuk memanfaatkan kemitraan mikro-credentialing dengan institusi akademis, menyediakan validasi keterampilan bahasa yang diverifikasi oleh blockchain. Selain itu, ekspansi lintas rantai dapat memungkinkan proyek ini untuk menjangkau basis pengguna yang lebih luas dan ekosistem blockchain tambahan, meningkatkan interoperabilitas dan jangkauannya. Kesimpulan DUOLINGO AI mewakili perpaduan inovatif antara kecerdasan buatan dan teknologi blockchain, menghadirkan alternatif yang berfokus pada komunitas untuk sistem pembelajaran bahasa tradisional. Meskipun pengembangannya yang anonim dan model ekonomi yang muncul membawa risiko tertentu, komitmen proyek terhadap pembelajaran gamified, pendidikan yang dipersonalisasi, dan tata kelola terdesentralisasi menerangi jalan ke depan untuk teknologi pendidikan di ranah Web3. Seiring kemajuan AI dan evolusi ekosistem blockchain, inisiatif seperti DUOLINGO AI dapat mendefinisikan ulang bagaimana pengguna terlibat dengan pendidikan bahasa, memberdayakan komunitas dan memberikan imbalan atas keterlibatan melalui mekanisme pembelajaran yang inovatif.

570 Total TayanganDipublikasikan pada 2025.04.11Diperbarui pada 2025.04.11

Apa Itu DUOLINGO AI

Diskusi

Selamat datang di Komunitas HTX. Di sini, Anda bisa terus mendapatkan informasi terbaru tentang perkembangan platform terkini dan mendapatkan akses ke wawasan pasar profesional. Pendapat pengguna mengenai harga AI (AI) disajikan di bawah ini.

活动图片

Kategori Populerright-arrow

Tag Populerright-arrow