Biologi Berubah Zaman: Model Sumber Terbuka Baru Milik Zuckerberg Menggulingkan Takhta AlphaFold Google

marsbitDipublikasikan tanggal 2026-05-29Terakhir diperbarui pada 2026-05-29

Abstrak

Peringatan bagi takhta AlphaFold! Biohub milik Mark Zuckerberg meluncurkan model AI baru yang sepenuhnya open source, ESMFold2, beserta basis data struktur protein ESM Atlas yang berisi prediksi 11 miliar struktur protein—8 miliar lebih banyak daripada basis data AlphaFold. ESMFold2 mengadopsi pendekatan berbeda dengan AlphaFold, menggunakan model bahasa protein yang dilatih pada miliaran data urutan protein untuk memprediksi struktur 3D langsung dari urutannya. Model ini diklaim lebih unggul dari AlphaFold3 dalam memprediksi interaksi dan struktur kompleks protein, dan telah berhasil digunakan untuk mendesain protein baru yang berfungsi seperti yang diharapkan. Keunggulan utama ESMFold2 adalah lisensi open source penuh tanpa batasan komersial, berbeda dengan beberapa model terkini dari DeepMind/Google yang lebih tertutup. Keputusan ini diharapkan dapat mempercepat inovasi dengan melibatkan komunitas global. Para ahli menyambut baik sumber daya baru ini namun menekankan perlunya verifikasi independen terhadap prediksinya, terutama untuk struktur protein yang sangat baru dan berbeda. Beberapa berpendapat ESM Atlas lebih cocok sebagai pelengkap basis data AlphaFold yang ada. Kemajuan ini menandai percepatan kompetisi di bidang AI protein. Dengan kemampuan memprediksi dan mendesain protein dalam skala masif, alat seperti ESMFold2 membawa dunia selangkah lebih dekat untuk memahami dan merekayasa blok-blok pembangun kehidupan pada tingkat molekuler.

Takhta AlphaFold Terancam!

Nature Menerbitkan Artikel: Biohub di Bawah Naungan Zuckerberg Melepaskan 'Bom Raja', Merilis Sekaligus 1.1 Miliar Prediksi Struktur Protein, 800 Juta Lebih Banyak dari Database AlphaFold.

Model AI di Baliknya, ESMFold2, Diklaim Kinerjanya Secara Keseluruhan Melampaui AlphaFold3.

Yang Lebih Krusial Lagi, Sepenuhnya Sumber Terbuka, Tidak Terbatas untuk Komersial.

https://www.nature.com/articles/d41586-026-01686-3

Posisi Dominan AI Protein yang Dibangun dengan Susah Payah oleh Google DeepMind Selama Bertahun-Tahun, Kini Digoyang oleh Pengacau Berbasis Sumber Terbuka.

Peta Persaingan Lintasan AI Protein, Mungkin Harus Ditulis Ulang.

1.1 Miliar Struktur Protein, Dihidangkan Sekaligus di Meja

Tanggal 27 Mei, Lembaga Biomedis Biohub yang Didirikan oleh Pasangan Zuckerberg, Secara Resmi Meluncurkan Database Struktur Protein Bernama ESM Atlas.

1.1 Miliar Prediksi Struktur Protein, Ditambah 6.8 Miliar Informasi Urutan Protein.

Database AlphaFold Mengumpulkan Lebih dari 200 Juta Prediksi Struktur, Datangnya ESM Atlas Langsung Menambah 800 Juta Entri.

Model AI yang Menghasilkan Prediksi Ini Bernama ESMFold2, Dikembangkan oleh Tim Pimpinan Ilmuwan Kepala Biohub, Alex Rives.

Kata Rives:

Atlas Ini Memperlihatkan Panorama Lengkap Biologi Protein, Terutama Bagian-Bagian yang Paling Tidak Diketahui.

Mengapa Prediksi Struktur Protein Penting?

Protein adalah Komponen Inti yang Menjalankan Kehidupan, Mengetahui Bentuknya Berarti Memahami Fungsinya, Kemudian Merancang Obat Baru, Menaklukkan Penyakit.

AlphaFold Meraih Hadiah Nobel Kimia karena Ini, Menjadi Contoh Kasus AI Mengubah Sains.

Sekarang Sebuah Model Baru Muncul dengan Dataset 5 Kali Lebih Besar.

Sebagai Model AI, Apa Keunggulan ESMFold2?

ESMFold2 Menempuh Jalur Teknis yang Berbeda dengan AlphaFold.

Model Ini Dibangun Berdasarkan 'Model Bahasa Protein' yang Dirilis Tahun 2024, Logika Intinya Mengadopsi Pendekatan dari Bidang NLP, Memperlakukan Urutan Protein sebagai 'Bahasa' untuk Dipahami, Melatih Model pada Miliaran Data Protein, Membuatnya Belajar Langsung Memprediksi Struktur Tiga Dimensi dari Urutan.

Rekan-Rekan AI AlphaFold Pasti Akan Merasa Akrab Melihat Ini, Logikanya Sama Seperti Model Bahasa Besar Belajar Bahasa Manusia.

Cakupan Data Latihan adalah Variabel Kunci.

ESMFold2 Memasukkan Data Protein Mikroba dalam Jumlah Besar dari Lingkungan Seperti Tanah, Laut, yang Kosong dalam Database AlphaFold.

Cakupan yang Lebih Luas, 'Dunia Protein' yang Dilihat Model Menjadi Lebih Lengkap.

Tim Biohub Mengklaim, ESMFold2 Unggul dalam Memprediksi Struktur Kompleks Interaksi Antar-Protein Dibandingkan AlphaFold3.

Tapi yang Paling Meyakinkan Bukan Skor Benchmark, Melainkan Validasi Lapangan.

Tim Menggunakan ESMFold2 untuk Merancang Protein Baru, Mensintesis dan Mengujinya di Laboratorium, Sebagian Besar Rancangan Bekerja Sesuai Harapan.

Jalur dari 'Prediksi' ke 'Desain' lalu 'Validasi' Ini Berhasil Diimplementasikan, Nilainya Membentang dari Makalah Ilmiah ke Dunia Nyata.

Sumber Terbuka Sepenuhnya, Ini Senjata Paling Mematikan

Senjata Kompetitif ESMFold2 yang Paling Tajam Adalah Sepenuhnya Sumber Terbuka dan Tidak Terbatas untuk Komersial.

Makna Strategis Pilihan Ini Lebih Jelas dalam Konteks Seluruh Industri AI.

Meski AlphaFold Memiliki Database Terbuka, AlphaFold3 pada Awal Peluncurannya Membatasi Penggunaan Komersial.

Model Prediksi Interaksi Protein yang Diluncurkan Isomorphic Labs di Bawah Google DeepMind Tahun Ini Bahkan Sepenuhnya Tertutup.

Bacaan Lanjutan: Google Rilis "AlphaFold 4", Tidak Lagi Sumber Terbuka! Kinerja Mengungguli Generasi Sebelumnya

Ahli Biologi Komputasi MIT, Ovchinnikov, Langsung Menyoroti Nilai Sumber Terbuka, "Saya Perkirakan Banyak Orang Akan Sangat Antusias Ingin Mencoba ESMFold2."

Efek Pengungkit AI Sumber Terbuka Telah Terbukti di Jalur Model Bahasa Besar, Seri Llama Milik Meta adalah Contoh Terbaik.

Model Sumber Terbuka yang Cukup Kuat, Dapat Menggerakkan Komunitas Global untuk Mengulangi, Menerapkan, Menemukan Penggunaan yang Tidak Terpikirkan oleh Pengembang Aslinya.

Situasi di Bidang AI Protein Lebih Spesifik, Ada Banyak Laboratorium dan Lembaga Penelitian di Seluruh Dunia yang Sangat Membutuhkan Alat Prediksi Struktur Gratis dan Tanpa Batas, Model Tertutup Sekuat Apapun, Jangkauan Penggunanya Terbatas.

Pilihan Biohub untuk Sumber Terbuka Sepenuhnya, Konsisten dengan Strategi Meta di Model Bahasa Besar.

Strategi Kelompok Zuckerberg di Dunia AI Semakin Jelas – Gunakan Sumber Terbuka sebagai Infrastruktur, Gunakan Ekosistem sebagai Parit Pertahanan.

Rekan Ahli, Apakah Menerima?

Respons Dunia Akademik Positif, Tapi Peringatan Tetap Jelas.

Gemma Atkinson dari Universitas Lund, Swedia Menyebut ESM Atlas "Harus Menjadi Sumber Daya Luar Biasa untuk Biologi".

Christine Orengo dari University College London Mengakui Nilainya, Tapi Menekankan Hasil Prediksi Perlu Diverifikasi Secara Independen.

Pertanyaan Lebih Tajam Datang dari Martin Steinegger dari Universitas Nasional Seoul.

Yang Dia Khawatirkan Adalah, Bagaimana Performa ESMFold2 Saat Menghadapi 'Struktur Baru' yang Sangat Berbeda dari Protein yang Diketahui.

Timnya Sebelumnya Menemukan, Versi Pertama ESMFold Tidak Unggul dalam Hal Ini. Masalah Ini Masih Belum Terjawab untuk ESMFold2.

Ovchinnikov dari MIT Memberikan Penilaian Paling Dingin, Dia Menilai ESM Atlas Lebih Cocok Diposisikan sebagai Pelengkap Database AlphaFold.

Dia Juga Menunjukkan, Model Tertutup Isomorphic Labs dan Beberapa Model Sumber Terbuka yang Tidak Langsung Dibandingkan Biohub, Juga Telah Mencapai Hasil Serupa.

Margin Keunggulan ESMFold2, Mungkin Tidak Sebesar yang Disiratkan Makalah.

Kehati-hatian Ini Justru Mencerminkan Persaingan di Jalur AI Protein Sudah Sangat Sengit.

Sumber Terbuka, Tertutup, Akademik, Komersial, Berbagai Model Beriterasi dengan Kecepatan Sangat Tinggi.

'Terkuat' Hari Ini, Mungkin Setengah Tahun Lagi Sudah Tergantikan. Ritme Ini, Sudah Sangat Mirip dengan Perlombaan Senjata di Jalur Model Bahasa Besar.

Saat AI Mulai Membaca Kode Sumber Kehidupan

Dulu, Mengurai Struktur Tiga Dimensi Satu Protein Mungkin Membutuhkan Pekerjaan Laboratorium Beberapa Bulan Sampai Beberapa Tahun.

AlphaFold Pertama Kali Membuktikan AI Dapat Melakukannya dalam Beberapa Menit.

Sekarang ESMFold2 Mendorong Skala Prediksi ke Level 1.1 Miliar, Mencakup Banyak Protein yang Belum Pernah Dianalisis Sebelumnya.

Melanjutkan Proyeksi ke Depan, Ketika AI Dapat Memprediksi Semua Struktur Protein Secara Akurat, Dapat Merancang Protein Fungsional Baru dan Efektif Divalidasi Eksperimen, Maka Jarak Menuju Penerapan AGI di Bidang Ilmu Hayati, Mungkin Lebih Dekat dari yang Dibayangkan Kebanyakan Orang.

Jika ASI Benar-Benar Tiba, Biologi Bagi Mereka Bukan Lagi Disiplin Ilmu yang Perlu 'Dipelajari', Melainkan Sistem yang Dapat 'Direkayasa'.

Merancang Kehidupan dari Tingkat Molekuler, Membuat Protein Sesuai Pesanan, Menulis Ulang Aturan Evolusi.

Ini Kedengarannya Seperti Fiksi Ilmiah, Tapi Alat Seperti ESMFold2 Sedang Selangkah Demi Selangkah Mengubah 'Fiksi Ilmiah' Menjadi 'Masalah Rekayasa'.

Hari Ini, 1.1 Miliar Struktur Protein Dihamparkan di Meja, Ilmuwan Manapun di Seluruh Dunia dengan Koneksi Internet Dapat Mengaksesnya Gratis.

Ini Berarti, Kemampuan AI Memahami Kehidupan, Naik Satu Tingkat Lagi.

Referensi: https://www.nature.com/articles/d41586-026-01686-3

Artikel Ini dari Akun WeChat Publik "Xin Zhi Yuan", Penulis: ASI Qishilu; Editor: Ma Ke

Pertanyaan Terkait

QMenurut artikel, apa keunggulan utama dari model AI ESMFold2 yang dikembangkan Biohub?

AKeunggulan utama ESMFold2 adalah performanya yang dianggap melampaui AlphaFold3 dalam memprediksi struktur protein, terutama interaksi antar protein. Model ini juga sepenuhnya open source, tidak terbatas untuk penggunaan komersial, dan dilatih pada cakupan data yang lebih luas termasuk protein mikroba dari lingkungan yang belum tercakup dalam database AlphaFold.

QMengapa database protein ESM Atlas (dari ESMFold2) disebut-sebut sebagai 'pengguncang tahta' AlphaFold?

AESM Atlas disebut sebagai pengguncang tahta AlphaFold karena menyediakan prediksi struktur untuk 1,1 miliar protein, jumlah yang jauh lebih besar (sekitar 8 ratus juta lebih banyak) daripada database AlphaFold yang berisi lebih dari 200 juta prediksi. Skala data yang masif ini berpotensi mengubah peta persaingan di bidang AI protein.

QApa strategi yang konsisten dijalankan oleh perusahaan-perusahaan di bawah Mark Zuckerberg (seperti Meta dan Biohub) dalam pengembangan AI menurut artikel ini?

AStrategi yang konsisten adalah menggunakan model open source sebagai infrastruktur dasar dan membangun ekosistem sebagai pertahanan kompetitif (moat). Mirip dengan Meta's Llama di bidang LLM, Biohub dengan ESMFold2-nya membuka akses penuh untuk mendorong inovasi komunitas global dan mencapai jangkauan pengguna yang lebih luas.

QApa tanggapan atau keraguan dari komunitas ilmiah terhadap klaim superioritas ESMFold2 seperti yang dijelaskan dalam artikel?

ABeberapa ilmuwan menyambut baik sumber daya baru ini namun menyuarakan kehati-hatian. Keraguan utama berkisar pada perlunya verifikasi independen terhadap prediksi, pertanyaan tentang kinerja ESMFold2 pada struktur protein baru yang sangat berbeda dari yang dikenal, serta pendapat bahwa keunggulannya mungkin tidak sebesar yang disarankan karena ada model lain (baik open source maupun tertutup) yang telah mencapai pencapaian serupa.

QMenurut artikel, implikasi jangka panjang yang mungkin dari kemajuan alat prediksi dan desain protein seperti ESMFold2 dan AlphaFold adalah apa?

AImplikasi jangka panjangnya adalah mengubah biologi dari ilmu yang 'dipelajari' menjadi sistem yang dapat 'direkayasa'. Dengan AI yang dapat memprediksi semua struktur protein dan mendesain protein fungsional baru yang divalidasi eksperimen, kita mendekati era di mana manusia dapat merancang kehidupan pada level molekuler, menulis ulang aturan evolusi, yang mengubah 'fiksi ilmiah' menjadi 'masalah rekayasa'.

Bacaan Terkait

PA Visual | Satu Gambar Pahami Peristiwa Web3 Penting yang Patut Diperhatikan di Bulan Juni

"PA Pictorial: Peta untuk Memahami Peristiwa Web3 Penting yang Perlu Diperhatikan pada Juni" Jelajahi Kalender Kripto terbaru PANews dengan cakupan lebih lengkap, penyaringan fleksibel, dan ekspor yang mudah. Pada Juni, pasar kripto dipadati oleh keputusan suku bunga makro, data ekonomi penting, pelepasan token, dan acara teknologi tradisional. Poin-poin intinya meliputi: 📌 Amerika Serikat merilis data NFP dan CPI bulan Mei. The Fed menerbitkan Buku Beige dan menggelar konferensi pers kebijakan, dengan preferensi risiko pasar tetap dipengaruhi ekspektasi makro. 🏦 Bank Sentral Eropa dan Bank of Japan akan mengumumkan keputusan suku bunga, menjadikan likuiditas global dan jalur suku bunga sebagai salah satu tema utama pasar di Juni. 🪙 Beberapa token seperti SUI dan ENA akan mengalami pelepasan (unlock), perlu diperhatikan risikonya. 🚀 Perkembangan proyek: Coinbase akan meluncurkan futures indeks saham perpetual perdana, CME Group berencana meluncurkan futures indeks kripto Nasdaq; SharpLink akan dimasukkan ke dalam Indeks Russell 2000 dan 3000. ⚠️ Penyaringan proyek terus berlanjut: Layanan seperti browser Bitcoin Ordinals, Ord.io, secara bertahap berhenti beroperasi. Perhatikan pengaturan penarikan dan migrasi aset. 🌐 Acara penting lainnya: Pembukaan Piala Dunia, pembukaan Apple WWDC26, penawaran saham SpaceX, pertemuan IPO S&T UBTECH di pasar STAR, dll. Dengan makroekonomi, pelepasan token, regulasi, penyaringan proyek, dan acara teknologi yang berlangsung bersamaan, pasar pada Juni mungkin terus mencari arah baru di tengah ekspektasi likuiditas, perubahan kebijakan, dan rotasi ekosistem. Kunci inti peristiwa global dan alur utama Web3 Juni 2026 dalam satu peta!

marsbit48m yang lalu

PA Visual | Satu Gambar Pahami Peristiwa Web3 Penting yang Patut Diperhatikan di Bulan Juni

marsbit48m yang lalu

Ali "Menaruh Barang", Byte "Berlatih Ilmu"

Dalam satu minggu terakhir Mei, dua raksasa teknologi China, Alibaba dan ByteDance, memamerkan dua pendekatan berbeda dalam strategi AI mereka. Alibaba, sebagai perusahaan publik, fokus pada integrasi AI untuk monetisasi langsung. Mereka menghubungkan model Qwen dengan platform e-commerce seperti Taobao, menciptakan fitur seperti "pencocokan harga AI" dan "pakaian virtual AI". Melalui protokol ACT, mereka membangun infrastruktur untuk transaksi berbasis agen AI. Pendapatan eksternal Alibaba Cloud tumbuh 40%, menunjukkan model bisnis "MaaS" (Model-as-a-Service) mereka yang berhasil. Namun, pendekatan ini mungkin mengorbankan penelitian mendasar untuk keunggulan jangka pendek. Sebaliknya, ByteDance, yang masih swasta, berinvestasi besar dalam penelitian AI jangka panjang. Departemen Seed mereka, dengan anggaran belanja modal (capex) yang meningkat pesat, bertujuan "menjelajahi batas atas kecerdasan". Mereka merilis model pembuatan video Seedance 2.0 yang memimpin peringkat global dan mempublikasikan penelitian mendalam tentang "model dunia". Perusahaan ini memberikan kebebasan bagi tim risetnya tanpa tekanan kuartalan dari pasar modal. Perbedaan kunci ini lebih disebabkan oleh status kepemilikan daripada filosofi semata. Sebagai perusahaan publik, Alibaba terikat pada harapan ROI jangka pendek investor. ByteDance, yang belum IPO, memiliki kemewahan untuk berfokus pada terobosan teknologi jangka panjang. Analisis menyimpulkan bahwa jalan strategis AI sebuah perusahaan di China sangat ditentukan oleh apakah perusahaan tersebut terdaftar di bursa atau tidak, yang membentuk pilihan antara "menjual AI" dan "membuat AI".

marsbit55m yang lalu

Ali "Menaruh Barang", Byte "Berlatih Ilmu"

marsbit55m yang lalu

Circle Memasukkan Alamat Protokol Zama ke Daftar Hitam, Membekukan Dana Pengguna Senilai $12.6 Juta – Rincian

Penerbit stablecoin Circle dilaporkan telah memblokir kontrak pintar terkait protokol privasi Zama, membekukan sekitar $12,6 juta dana pengguna. Pembekuan ini pertama kali ditandai oleh penyelidik on-chain ZachXBT, menyangkut kontrak Confidential USDC (cUSDC) Zama di Ethereum. Alamat kontrak yang terdampak telah terdokumentasi publik. Temuan lebih lanjut menunjukkan pembekuan mungkin terkait dengan kontroversi dan masalah hukum di sekitar protokol manajemen aset Overnight Finance. Data menunjukkan dompet yang dikaitkan dengan Overnight Finance menyetorkan sejumlah besar USDC ke kontrak Zama. Overnight Finance sendiri tengah menghadapi ketegangan tata kelola dan gugatan perdata. Tindakan Circle menuai kritik karena diduga dilakukan tanpa pemberitahuan sebelumnya kepada tim Zama, memperkuat kekhawatiran tentang penegakan sepihak oleh penerbit terpusat yang memengaruhi pengguna aplikasi terdesentralisasi. Circle juga disebut membekukan banyak dompet panas lain pada Maret 2026 tanpa penjelasan publik. Langkah terbaru ini dianggap lebih serius karena menargetkan kontrak tingkat protokol, menyoroti risiko perwalian dalam sistem yang dianggap terdesentralisasi.

bitcoinist1j yang lalu

Circle Memasukkan Alamat Protokol Zama ke Daftar Hitam, Membekukan Dana Pengguna Senilai $12.6 Juta – Rincian

bitcoinist1j yang lalu

Mengapa Lebih Banyak AI Agent Belum Tentu Berarti Produktivitas yang Lebih Tinggi?

**Mengapa Lebih Banyak AI Agent Tidak Sama dengan Produktivitas Lebih Tinggi?** Meskipun teknologi memungkinkan kita meluncurkan banyak AI Agent dengan mudah dan murah, produktivitas nyata tidak serta-merta meningkat. Ini karena munculnya konsep "Pajak Orkestrasi"—biaya tersembunyi untuk mengelola, menilai, dan menggabungkan hasil kerja semua Agent tersebut. Pekerjaan ini harus kembali ke satu sumber daya serial yang tidak dapat diduplikasi: perhatian dan penilaian manusia. **Manusia adalah 'GIL' dalam Sistem.** Seperti Global Interpreter Lock (GIL) dalam Python, semua Agent dapat berjalan paralel, tetapi untuk keputusan penting (seperti tinjauan arsitektur, kode, atau penyelesaian konflik), mereka harus "mengambil kunci" dari Anda—sang pengembang. Hukum Amdahl berlaku: percepatan maksimum dari paralelisasi dibatasi oleh bagian kerja yang harus tetap serial, yaitu kapasitas penilaian manusia. Menambah Agent hanya membuat antrian tinjauan lebih panjang, memperbesar beban konteks, dan menyebabkan kelelahan kognitif. **Kelelahan dan Utang Tersembunyi.** Banyaknya Agent yang aktif memberi ilusi produktivitas tinggi, tetapi rasa sibuk itu tidak sama dengan hasil berkualitas. Jika Anda "menyerah secara kognitif" dan tidak meninjau hasil dengan benar, Anda menumpuk utang teknis dan utang kognitif—masalah yang akan muncul nanti. Pajak orkestrasi harus dibayar, baik secara sadar melalui proses yang terencana, atau diam-diam melalui penurunan kualitas. **Solusi: Kelola Perhatian Seperti Sistem Produksi.** Kuncinya adalah merancang alur kerja dengan menghormati batas perhatian manusia sebagai sumber daya langka: 1. **Kontrol Jumlah Agent:** Sesuaikan jumlah Agent dengan kemampuan *review* Anda, bukan dengan apa yang UI izinkan. Batasi ke angka rendah. 2. **Klasifikasi Tugas:** Pisahkan tugas independen (cocok untuk Agent paralel) dari tugas kompleks yang membutuhkan penilaian mendalam (kerjakan secara serial). 3. **Tinjau Secara Berkelompok (*Batch Review*):** Kurangi biaya alih konteks dengan meninjau hasil beberapa Agent sekaligus. 4. **Gunakan Waktu Serial untuk Penilaian:** Fokuskan perhatian hanya pada bagian yang memerlukan penilaian manusia. Biarkan Agent menangani bagian yang dapat diverifikasi otomatis (seperti tes). 5. **Lindungi Waktu Fokus Anda:** Kadang, tindakan paling produktif adalah berhenti mengoordinasi banyak Agent dan fokus pada satu masalah inti. Kemampuan sebenarnya di era AI bukanlah menjalankan banyak Agent, tetapi merancang sistem yang secara sadar mengelilingi dan melindungi kapasitas penilaian serial manusia—sumber daya paling berharga dalam proses pengembangan.

marsbit2j yang lalu

Mengapa Lebih Banyak AI Agent Belum Tentu Berarti Produktivitas yang Lebih Tinggi?

marsbit2j yang lalu

Tiga Tahun Kemudian: Meninjau Kembali Penilaian Saya terhadap ChatGPT di Tahun 2023

Tiga tahun kemudian, pada Mei 2026, penulis meninjau kembali 20 prediksi tentang ChatGPT yang dibuatnya pada Maret 2023, menggunakan AI untuk mengevaluasi akurasinya berdasarkan data terbaru. Secara keseluruhan, arah dan mekanisme prediksi banyak yang tepat. Yang paling akurat adalah tentang RAG sebagai arsitektur standar, LUI (Antarmuka Pengguna Bahasa Alami) sebagai lapisan interaksi baru, munculnya "jaringan robot" (protokol untuk agen AI), dan kemampuan China mengejar ketertinggalan model AI besar. Prediksi bahwa ChatGPT bukan AGI namun langkah besar, tidak menyebabkan gelombang pengangguran massal, serta sifat uji Turing yang hanya mengukur persepsi juga pada dasarnya benar. Namun, prediksi dengan angka spesifik atau pernyataan mutlak sering meleset. Klaim bahwa GPT-4 memiliki 100 triliun parameter sepenuhnya salah. Pernyataan bahwa LLM "tidak mungkin" mengerjakan matematika murni terbantahkan dengan model penalaran yang memenangkan medali emas IMO. Estimasi biaya pelatihan model hanya $5-10 miliar juga jauh dari kenyataan, yang kini mencapai miliaran dolar untuk model terdepan. Beberapa prediksi keliru tentang distribusi dampak, seperti bahwa nilai akan berpindah ke lapisan aplikasi (nyatanya, penyedia chip seperti NVIDIA paling untung), atau bahwa AI akan "menghindari" masalah hak cipta (justru menimbulkan gugatan besar). Kesimpulan utama adalah: dalam memprediksi teknologi yang cepat berubah, mengidentifikasi arah dan mekanisme umumnya lebih bisa diandalkan daripada memberikan angka pasti atau pernyataan mutlak. Prediksi cenderung terlalu optimis tentang kecepatan perubahan jangka pendek, tetapi meremehkan besarnya perubahan jangka panjang. Penting juga untuk mempertimbangkan distribusi dampak, bukan hanya kesimpulan agregat. Pernyataan yang disertai batasan dan keraguan justru lebih tahan uji waktu. Beberapa pertanyaan mendasar masih belum terjawab setelah tiga tahun. Tinjauan ini berfungsi sebagai pelajaran untuk membuat prediksi yang lebih baik di tiga tahun mendatang.

marsbit8j yang lalu

Tiga Tahun Kemudian: Meninjau Kembali Penilaian Saya terhadap ChatGPT di Tahun 2023

marsbit8j yang lalu

Trading

Spot

Futures

Artikel Populer

Apa Itu $S$

Memahami SPERO: Tinjauan Komprehensif Pengenalan SPERO Seiring dengan perkembangan lanskap inovasi, munculnya teknologi web3 dan proyek cryptocurrency memainkan peran penting dalam membentuk masa depan digital. Salah satu proyek yang telah menarik perhatian di bidang dinamis ini adalah SPERO, yang dilambangkan sebagai SPERO,$$s$. Artikel ini bertujuan untuk mengumpulkan dan menyajikan informasi terperinci tentang SPERO, untuk membantu para penggemar dan investor memahami dasar-dasar, tujuan, dan inovasi dalam domain web3 dan crypto. Apa itu SPERO,$$s$? SPERO,$$s$ adalah proyek unik dalam ruang crypto yang berusaha memanfaatkan prinsip desentralisasi dan teknologi blockchain untuk menciptakan ekosistem yang mendorong keterlibatan, utilitas, dan inklusi finansial. Proyek ini dirancang untuk memfasilitasi interaksi peer-to-peer dengan cara baru, memberikan pengguna solusi dan layanan keuangan yang inovatif. Pada intinya, SPERO,$$s$ bertujuan untuk memberdayakan individu dengan menyediakan alat dan platform yang meningkatkan pengalaman pengguna dalam ruang cryptocurrency. Ini termasuk memungkinkan metode transaksi yang lebih fleksibel, mendorong inisiatif yang dipimpin komunitas, dan menciptakan jalur untuk peluang finansial melalui aplikasi terdesentralisasi (dApps). Visi mendasar dari SPERO,$$s$ berputar di sekitar inklusivitas, bertujuan untuk menjembatani kesenjangan dalam keuangan tradisional sambil memanfaatkan manfaat teknologi blockchain. Siapa Pencipta SPERO,$$s$? Identitas pencipta SPERO,$$s$ tetap agak samar, karena ada sumber daya publik yang terbatas yang memberikan informasi latar belakang terperinci tentang pendiriannya. Kurangnya transparansi ini dapat berasal dari komitmen proyek terhadap desentralisasi—sebuah etos yang banyak proyek web3 bagi, memprioritaskan kontribusi kolektif di atas pengakuan individu. Dengan memusatkan diskusi di sekitar komunitas dan tujuan kolektifnya, SPERO,$$s$ mewujudkan esensi pemberdayaan tanpa menonjolkan individu tertentu. Dengan demikian, memahami etos dan misi SPERO tetap lebih penting daripada mengidentifikasi pencipta tunggal. Siapa Investor SPERO,$$s$? SPERO,$$s$ didukung oleh beragam investor mulai dari modal ventura hingga investor malaikat yang berdedikasi untuk mendorong inovasi di sektor crypto. Fokus investor ini umumnya sejalan dengan misi SPERO—memprioritaskan proyek yang menjanjikan kemajuan teknologi sosial, inklusivitas finansial, dan tata kelola terdesentralisasi. Fondasi investor ini biasanya tertarik pada proyek yang tidak hanya menawarkan produk inovatif tetapi juga memberikan kontribusi positif kepada komunitas blockchain dan ekosistemnya. Dukungan dari investor ini memperkuat SPERO,$$s$ sebagai pesaing yang patut diperhitungkan di domain proyek crypto yang berkembang pesat. Bagaimana SPERO,$$s$ Bekerja? SPERO,$$s$ menerapkan kerangka kerja multi-faceted yang membedakannya dari proyek cryptocurrency konvensional. Berikut adalah beberapa fitur kunci yang menekankan keunikan dan inovasinya: Tata Kelola Terdesentralisasi: SPERO,$$s$ mengintegrasikan model tata kelola terdesentralisasi, memberdayakan pengguna untuk berpartisipasi aktif dalam proses pengambilan keputusan mengenai masa depan proyek. Pendekatan ini mendorong rasa kepemilikan dan akuntabilitas di antara anggota komunitas. Utilitas Token: SPERO,$$s$ memanfaatkan token cryptocurrency-nya sendiri, yang dirancang untuk melayani berbagai fungsi dalam ekosistem. Token ini memungkinkan transaksi, hadiah, dan fasilitasi layanan yang ditawarkan di platform, meningkatkan keterlibatan dan utilitas secara keseluruhan. Arsitektur Berlapis: Arsitektur teknis SPERO,$$s$ mendukung modularitas dan skalabilitas, memungkinkan integrasi fitur dan aplikasi tambahan secara mulus seiring dengan perkembangan proyek. Kemampuan beradaptasi ini sangat penting untuk mempertahankan relevansi di lanskap crypto yang selalu berubah. Keterlibatan Komunitas: Proyek ini menekankan inisiatif yang dipimpin komunitas, menggunakan mekanisme yang memberikan insentif untuk kolaborasi dan umpan balik. Dengan memelihara komunitas yang kuat, SPERO,$$s$ dapat lebih baik memenuhi kebutuhan pengguna dan beradaptasi dengan tren pasar. Fokus pada Inklusi: Dengan menawarkan biaya transaksi yang rendah dan antarmuka yang ramah pengguna, SPERO,$$s$ bertujuan untuk menarik basis pengguna yang beragam, termasuk individu yang mungkin sebelumnya tidak terlibat dalam ruang crypto. Komitmen ini terhadap inklusi sejalan dengan misi utamanya untuk memberdayakan melalui aksesibilitas. Garis Waktu SPERO,$$s$ Memahami sejarah proyek memberikan wawasan penting tentang trajektori dan tonggak perkembangannya. Berikut adalah garis waktu yang disarankan yang memetakan peristiwa signifikan dalam evolusi SPERO,$$s$: Fase Konseptualisasi dan Ideasi: Ide awal yang membentuk dasar SPERO,$$s$ dikembangkan, sangat selaras dengan prinsip desentralisasi dan fokus komunitas dalam industri blockchain. Peluncuran Whitepaper Proyek: Setelah fase konseptual, whitepaper komprehensif yang merinci visi, tujuan, dan infrastruktur teknologi SPERO,$$s$ dirilis untuk menarik minat dan umpan balik komunitas. Pembangunan Komunitas dan Keterlibatan Awal: Upaya jangkauan aktif dilakukan untuk membangun komunitas pengguna awal dan investor potensial, memfasilitasi diskusi seputar tujuan proyek dan mendapatkan dukungan. Acara Generasi Token: SPERO,$$s$ melakukan acara generasi token (TGE) untuk mendistribusikan token asli kepada pendukung awal dan membangun likuiditas awal dalam ekosistem. Peluncuran dApp Awal: Aplikasi terdesentralisasi (dApp) pertama yang terkait dengan SPERO,$$s$ diluncurkan, memungkinkan pengguna untuk terlibat dengan fungsionalitas inti platform. Pengembangan Berkelanjutan dan Kemitraan: Pembaruan dan peningkatan berkelanjutan terhadap penawaran proyek, termasuk kemitraan strategis dengan pemain lain di ruang blockchain, telah membentuk SPERO,$$s$ menjadi pemain yang kompetitif dan berkembang di pasar crypto. Kesimpulan SPERO,$$s$ berdiri sebagai bukti potensi web3 dan cryptocurrency untuk merevolusi sistem keuangan dan memberdayakan individu. Dengan komitmen terhadap tata kelola terdesentralisasi, keterlibatan komunitas, dan fungsionalitas yang dirancang secara inovatif, ia membuka jalan menuju lanskap keuangan yang lebih inklusif. Seperti halnya investasi di ruang crypto yang berkembang pesat, calon investor dan pengguna dianjurkan untuk melakukan riset secara menyeluruh dan terlibat dengan perkembangan yang sedang berlangsung dalam SPERO,$$s$. Proyek ini menunjukkan semangat inovatif industri crypto, mengundang eksplorasi lebih lanjut ke dalam berbagai kemungkinan yang ada. Meskipun perjalanan SPERO,$$s$ masih berlangsung, prinsip-prinsip dasarnya mungkin benar-benar mempengaruhi masa depan cara kita berinteraksi dengan teknologi, keuangan, dan satu sama lain dalam ekosistem digital yang saling terhubung.

75 Total TayanganDipublikasikan pada 2024.12.17Diperbarui pada 2024.12.17

Apa Itu AGENT S

Agent S: Masa Depan Interaksi Otonom di Web3 Pendahuluan Dalam lanskap Web3 dan cryptocurrency yang terus berkembang, inovasi secara konstan mendefinisikan ulang cara individu berinteraksi dengan platform digital. Salah satu proyek perintis, Agent S, menjanjikan untuk merevolusi interaksi manusia-komputer melalui kerangka agen terbuka. Dengan membuka jalan untuk interaksi otonom, Agent S bertujuan untuk menyederhanakan tugas-tugas kompleks, menawarkan aplikasi transformasional dalam kecerdasan buatan (AI). Eksplorasi mendetail ini akan menyelami seluk-beluk proyek, fitur uniknya, dan implikasinya untuk domain cryptocurrency. Apa itu Agent S? Agent S berdiri sebagai kerangka agen terbuka yang inovatif, dirancang khusus untuk mengatasi tiga tantangan mendasar dalam otomatisasi tugas komputer: Memperoleh Pengetahuan Spesifik Domain: Kerangka ini secara cerdas belajar dari berbagai sumber pengetahuan eksternal dan pengalaman internal. Pendekatan ganda ini memberdayakannya untuk membangun repositori pengetahuan spesifik domain yang kaya, meningkatkan kinerjanya dalam pelaksanaan tugas. Perencanaan Selama Rentang Tugas yang Panjang: Agent S menggunakan perencanaan hierarkis yang ditingkatkan pengalaman, pendekatan strategis yang memfasilitasi pemecahan dan pelaksanaan tugas-tugas rumit dengan efisien. Fitur ini secara signifikan meningkatkan kemampuannya untuk mengelola beberapa subtugas dengan efisien dan efektif. Menangani Antarmuka Dinamis dan Tidak Seragam: Proyek ini memperkenalkan Antarmuka Agen-Komputer (ACI), solusi inovatif yang meningkatkan interaksi antara agen dan pengguna. Dengan memanfaatkan Model Bahasa Besar Multimodal (MLLM), Agent S dapat menavigasi dan memanipulasi berbagai antarmuka pengguna grafis dengan mulus. Melalui fitur-fitur perintis ini, Agent S menyediakan kerangka kerja yang kuat yang mengatasi kompleksitas yang terlibat dalam mengotomatisasi interaksi manusia dengan mesin, membuka jalan untuk berbagai aplikasi dalam AI dan seterusnya. Siapa Pencipta Agent S? Meskipun konsep Agent S secara fundamental inovatif, informasi spesifik tentang penciptanya tetap samar. Pencipta saat ini tidak diketahui, yang menyoroti baik tahap awal proyek atau pilihan strategis untuk menjaga anggota pendiri tetap tersembunyi. Terlepas dari anonimitas, fokus tetap pada kemampuan dan potensi kerangka kerja. Siapa Investor Agent S? Karena Agent S relatif baru dalam ekosistem kriptografi, informasi terperinci mengenai investor dan pendukung keuangannya tidak secara eksplisit didokumentasikan. Kurangnya wawasan yang tersedia untuk umum mengenai fondasi investasi atau organisasi yang mendukung proyek ini menimbulkan pertanyaan tentang struktur pendanaannya dan peta jalan pengembangannya. Memahami dukungan sangat penting untuk mengukur keberlanjutan proyek dan potensi dampak pasar. Bagaimana Cara Kerja Agent S? Di inti Agent S terletak teknologi mutakhir yang memungkinkannya berfungsi secara efektif dalam berbagai pengaturan. Model operasionalnya dibangun di sekitar beberapa fitur kunci: Interaksi Komputer yang Mirip Manusia: Kerangka ini menawarkan perencanaan AI yang canggih, berusaha untuk membuat interaksi dengan komputer lebih intuitif. Dengan meniru perilaku manusia dalam pelaksanaan tugas, ia menjanjikan untuk meningkatkan pengalaman pengguna. Memori Naratif: Digunakan untuk memanfaatkan pengalaman tingkat tinggi, Agent S memanfaatkan memori naratif untuk melacak sejarah tugas, sehingga meningkatkan proses pengambilan keputusannya. Memori Episodik: Fitur ini memberikan panduan langkah demi langkah kepada pengguna, memungkinkan kerangka untuk menawarkan dukungan kontekstual saat tugas berlangsung. Dukungan untuk OpenACI: Dengan kemampuan untuk berjalan secara lokal, Agent S memungkinkan pengguna untuk mempertahankan kontrol atas interaksi dan alur kerja mereka, sejalan dengan etos terdesentralisasi Web3. Integrasi Mudah dengan API Eksternal: Versatilitas dan kompatibilitasnya dengan berbagai platform AI memastikan bahwa Agent S dapat dengan mulus masuk ke dalam ekosistem teknologi yang ada, menjadikannya pilihan menarik bagi pengembang dan organisasi. Fungsionalitas ini secara kolektif berkontribusi pada posisi unik Agent S dalam ruang kripto, saat ia mengotomatisasi tugas-tugas kompleks yang melibatkan banyak langkah dengan intervensi manusia yang minimal. Seiring proyek ini berkembang, aplikasi potensialnya di Web3 dapat mendefinisikan ulang bagaimana interaksi digital berlangsung. Garis Waktu Agent S Pengembangan dan tonggak Agent S dapat dirangkum dalam garis waktu yang menyoroti peristiwa pentingnya: 27 September 2024: Konsep Agent S diluncurkan dalam sebuah makalah penelitian komprehensif berjudul “Sebuah Kerangka Agen Terbuka yang Menggunakan Komputer Seperti Manusia,” yang menunjukkan dasar untuk proyek ini. 10 Oktober 2024: Makalah penelitian tersebut dipublikasikan secara terbuka di arXiv, menawarkan eksplorasi mendalam tentang kerangka kerja dan evaluasi kinerjanya berdasarkan tolok ukur OSWorld. 12 Oktober 2024: Sebuah presentasi video dirilis, memberikan wawasan visual tentang kemampuan dan fitur Agent S, lebih lanjut melibatkan pengguna dan investor potensial. Tanda-tanda dalam garis waktu ini tidak hanya menggambarkan kemajuan Agent S tetapi juga menunjukkan komitmennya terhadap transparansi dan keterlibatan komunitas. Poin Kunci Tentang Agent S Seiring kerangka Agent S terus berkembang, beberapa atribut kunci menonjol, menekankan sifat inovatif dan potensinya: Kerangka Inovatif: Dirancang untuk memberikan penggunaan komputer yang intuitif seperti interaksi manusia, Agent S membawa pendekatan baru untuk otomatisasi tugas. Interaksi Otonom: Kemampuan untuk berinteraksi secara otonom dengan komputer melalui GUI menandakan lompatan menuju solusi komputasi yang lebih cerdas dan efisien. Otomatisasi Tugas Kompleks: Dengan metodologinya yang kuat, ia dapat mengotomatisasi tugas-tugas kompleks yang melibatkan banyak langkah, membuat proses lebih cepat dan kurang rentan terhadap kesalahan. Perbaikan Berkelanjutan: Mekanisme pembelajaran memungkinkan Agent S untuk belajar dari pengalaman masa lalu, terus meningkatkan kinerja dan efektivitasnya. Versatilitas: Adaptabilitasnya di berbagai lingkungan operasi seperti OSWorld dan WindowsAgentArena memastikan bahwa ia dapat melayani berbagai aplikasi. Saat Agent S memposisikan dirinya di lanskap Web3 dan kripto, potensinya untuk meningkatkan kemampuan interaksi dan mengotomatisasi proses menandakan kemajuan signifikan dalam teknologi AI. Melalui kerangka inovatifnya, Agent S mencerminkan masa depan interaksi digital, menjanjikan pengalaman yang lebih mulus dan efisien bagi pengguna di berbagai industri. Kesimpulan Agent S mewakili lompatan berani ke depan dalam pernikahan AI dan Web3, dengan kapasitas untuk mendefinisikan ulang cara kita berinteraksi dengan teknologi. Meskipun masih dalam tahap awal, kemungkinan aplikasinya sangat luas dan menarik. Melalui kerangka komprehensifnya yang mengatasi tantangan kritis, Agent S bertujuan untuk membawa interaksi otonom ke garis depan pengalaman digital. Saat kita melangkah lebih dalam ke dalam ranah cryptocurrency dan desentralisasi, proyek-proyek seperti Agent S pasti akan memainkan peran penting dalam membentuk masa depan teknologi dan kolaborasi manusia-komputer.

906 Total TayanganDipublikasikan pada 2025.01.14Diperbarui pada 2025.01.14

Cara Membeli S

Selamat datang di HTX.com! Kami telah membuat pembelian Sonic (S) menjadi mudah dan nyaman. Ikuti panduan langkah demi langkah kami untuk memulai perjalanan kripto Anda.Langkah 1: Buat Akun HTX AndaGunakan alamat email atau nomor ponsel Anda untuk mendaftar akun gratis di HTX. Rasakan perjalanan pendaftaran yang mudah dan buka semua fitur.Dapatkan Akun SayaLangkah 2: Buka Beli Kripto, lalu Pilih Metode Pembayaran AndaKartu Kredit/Debit: Gunakan Visa atau Mastercard Anda untuk membeli Sonic (S) secara instan.Saldo: Gunakan dana dari saldo akun HTX Anda untuk melakukan trading dengan lancar.Pihak Ketiga: Kami telah menambahkan metode pembayaran populer seperti Google Pay dan Apple Pay untuk meningkatkan kenyamanan.P2P: Lakukan trading langsung dengan pengguna lain di HTX.Over-the-Counter (OTC): Kami menawarkan layanan yang dibuat khusus dan kurs yang kompetitif bagi para trader.Langkah 3: Simpan Sonic (S) AndaSetelah melakukan pembelian, simpan Sonic (S) di akun HTX Anda. Selain itu, Anda dapat mengirimkannya ke tempat lain melalui transfer blockchain atau menggunakannya untuk memperdagangkan mata uang kripto lainnya.Langkah 4: Lakukan trading Sonic (S)Lakukan trading Sonic (S) dengan mudah di pasar spot HTX. Cukup akses akun Anda, pilih pasangan perdagangan, jalankan trading, lalu pantau secara real-time. Kami menawarkan pengalaman yang ramah pengguna baik untuk pemula maupun trader berpengalaman.

1.3k Total TayanganDipublikasikan pada 2025.01.15Diperbarui pada 2025.03.21

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 S (S) disajikan di bawah ini.

Kategori Populer

Tren Teknologi875 item berita