Analis On-Chain: Mengapa Mayoritas Transaksi Zcash Masih Dapat Dilacak?

marsbitDipublikasikan tanggal 2026-05-26Terakhir diperbarui pada 2026-05-26

Abstrak

Analis blockchain menegaskan bahwa meskipun Zcash adalah cryptocurrency yang dirancang untuk privasi, sebagian besar transaksi ZEC (lebih dari setengah aktivitas rantai) masih dapat dilacak di blockchain. Penyebab utamanya adalah penggunaan luas alamat transparan (t-address), yang beroperasi seperti Bitcoin, oleh bursa dan institusi untuk kepatuhan regulasi. Transaksi antara alamat transparan (t→t) sepenuhnya terbuka. Zcash menawarkan privasi melalui alamat terlindungi (z-address) menggunakan teknologi zk-SNARK. Ada empat jenis transaksi dengan tingkat privasi berbeda: t→t (terbuka), t→z (penerima tersembunyi), z→t (pengirim tersembunyi), dan z→z (sepenuhnya privat). Namun, transaksi z→z yang benar-benar privat hanya mencakup sebagian kecil aktivitas. Platform seperti Arkham telah berhasil mengidentifikasi entitas di balik transparan triliunan dolar Zcash. Ini menunjukkan bahwa tingkat privasi Zcash sangat bergantung pada pilihan pengguna. Transaksi z→z tetap tidak dapat dilacak, tetapi arus masuk/keluar dana ke/dari kumpulan terlindung sering kali terlihat, menciptakan titik analisis data. Kesimpulannya, privasi Zcash bukanlah default, tetapi sebuah opsi yang harus secara aktif digunakan oleh pengguna.

Penulis: Willo, Arkham

Kompilasi: Yuliya, PANews

Catatan Editor: Zcash, sebagai aset kripto berfokus privasi yang diluncurkan pada 2016, arsitektur dasarnya dibangun di atas kode dasar Bitcoin. Meskipun visi intinya adalah menyembunyikan informasi transaksi, dalam penerapan praktisnya, sebagian besar transaksi ZEC masih dapat dilacak di on-chain. Artikel ini akan menguraikan cara kerja Zcash dan membahas mengapa sebagian besar transaksi on-chain ZEC saat ini masih dapat dilacak, serta menjelaskan tingkat perlindungan privasi aktual yang dapat diberikan Zcash, sepenuhnya bergantung pada pilihan pengguna dalam menggunakannya.

Zcash adalah mata uang digital yang dibangun di atas teknologi dasar Bitcoin, namun dirancang dengan tujuan untuk menutupi apa yang dianggap oleh penciptanya sebagai kelemahan terbesar Bitcoin: transparansi penuh informasi transaksi. Seperti Bitcoin, Zcash memiliki batas maksimal jumlah koin yang tetap sebesar 21 juta, pengurangan separuh hadiah blok setiap empat tahun, dan berjalan di atas mekanisme konsensus Proof-of-Work (PoW). Pada arsitektur dasarnya, Zcash juga berbagi model transaksi UTXO yang sama dengan Bitcoin. Dalam banyak kasus, transaksi Zcash terlihat persis sama dengan transaksi Bitcoin. Perbedaannya terletak pada kenyataan bahwa sebagian transaksi Zcash dirancang untuk benar-benar tersembunyi.

Dalam siklus kripto saat ini, privasi adalah salah satu tema yang paling ikonik. Seiring meningkatnya tekanan regulasi global dan alat pemantauan on-chain yang semakin kuat, semakin banyak pengguna ritel dan institusional mulai mempertanyakan: apakah blockchain publik memaparkan terlalu banyak informasi tentang pengguna dan transaksi mereka? Dalam konteks ini, privasi coin telah melompat dari area niche pasar menjadi kategori fokus yang mendapat banyak perhatian. Karena itulah, Zcash menjadi salah satu aset dengan performa terbaik di pasar pada tahun 2025.

Sejarah dan Perkembangan

Zcash diluncurkan pada Oktober 2016 oleh Electric Coin Company (ECC) yang didirikan oleh kriptografer Zooko Wilcox-O'Hearn, bersama dengan tim akademisi kriptografi yang berpengalaman. Akar proyek ini dapat ditelusuri kembali ke makalah tahun 2014 yang memperkenalkan protokol Zerocash, ditulis bersama oleh peneliti dari MIT, Johns Hopkins University, dan Tel Aviv University, yang secara teoritis mengusulkan protokol yang memungkinkan pengguna melakukan pembayaran pribadi sambil mempertahankan kecepatan pemrosesan setara dengan Bitcoin.

Teknologi kriptografi inti Zcash, zk-SNARK, tidak lahir bersamaan dengan kriptocurrency, tetapi berasal dari akumulasi penelitian teoritis selama puluhan tahun dalam ilmu komputer. Kontribusi Electric Coin Company adalah mengubah teori ini menjadi teknologi praktis yang dapat berjalan secara efisien di blockchain nyata. Pada 2016, tim mengadakan upacara penyiapan kriptografi untuk menghasilkan parameter sistem; kemudian pada 2018, upacara kedua bernama Sapling diadakan. Peningkatan ini secara signifikan meningkatkan efisiensi pemrosesan transaksi tersembunyi (shielded), menjadikannya cukup untuk penggunaan sehari-hari.

Tata kelola Zcash terdiri dari dua organisasi: Electric Coin Company yang bertanggung jawab atas pengembangan dan pemeliharaan protokol, dan organisasi nirlaba independen Zcash Foundation yang mengawasi pengembangan ekosistem yang lebih luas. Sebagian dari ZEC yang baru ditambang dialokasikan sebagai dana operasional untuk kedua organisasi ini, sehingga memastikan proyek dapat terus dikembangkan tanpa bergantung pada investasi eksternal.

Zero-Knowledge Proof

Teknologi inti yang mewujudkan perlindungan privasi Zcash disebut "zero-knowledge proof". Secara khusus, Zcash menggunakan varian teknologi bernama zk-SNARK (Zero-Knowledge Succinct Non-Interactive Argument of Knowledge).

Konsep ini mungkin terdengar abstrak, tetapi ide intinya sebenarnya sangat mudah dipahami. Zero-knowledge proof memungkinkan satu pihak membuktikan kepada pihak lain bahwa suatu hal adalah benar, tanpa mengungkapkan informasi spesifik apa pun. Dalam kasus Zcash, node jaringan dapat memverifikasi apakah suatu transaksi sah dan valid (misalnya, memastikan pengirim memang memiliki dana yang cukup, dan tidak menciptakan koin dari ketiadaan), tanpa perlu mengetahui siapa pengirim dan penerima dana, serta jumlah transaksi yang spesifik.

Teknologi ini adalah terobosan besar dalam bidang kriptografi. Sifat transparan Bitcoin, meskipun menguntungkan untuk audit dan penelusuran, adalah titik sakit bagi pengguna yang mendambakan privasi keuangan. Tim pengembang Zcash dengan cerdik menambahkan teknologi zk-SNARK di atas kode Bitcoin, sehingga memberikan lapisan perlindungan privasi opsional kepada pengguna.

Jenis Transaksi

Sistem Zcash mencakup dua jenis alamat: alamat transparan (t-address) dan alamat tersembunyi (z-address).

  • Alamat transparan beroperasi dengan mekanisme yang persis sama dengan alamat Bitcoin, semua aktivitas transaksi terlihat jelas di blockchain.

  • Sedangkan alamat tersembunyi berada di dalam kolam dana terenkripsi, sehingga pengirim, penerima, dan jumlah transaksi spesifik disembunyikan dari pengamat eksternal.

Kombinasi kedua alamat ini menghasilkan empat jenis transaksi yang berbeda, masing-masing dengan tingkat perlindungan privasi yang berbeda:

  • t → t (transparan ke transparan): Sepenuhnya terbuka. Pengirim, penerima, dan jumlah transaksi semuanya terlihat jelas di blockchain. Ini tidak berbeda dengan transaksi Bitcoin standar.

  • t → z (transparan ke tersembunyi): Jumlah dana yang masuk ke kolam tersembunyi adalah publik, tetapi informasi penerima disembunyikan. Ini seperti melihat uang dikirim ke dalam pintu gerbang: dunia luar dapat melihat uang masuk, tetapi tidak tahu ke tangan siapa uang itu akhirnya sampai.

  • z → t (tersembunyi ke transparan): Penerima dan jumlah transaksi adalah publik, tetapi informasi pengirim disembunyikan. Dana ini mengalir keluar dari kolam terenkripsi, tetapi dunia luar tidak dapat melacak sumber asalnya.

  • z → z (tersembunyi ke tersembunyi): Sepenuhnya pribadi. Satu-satunya data yang dipublikasikan di blockchain adalah biaya transaksi. Pengirim, penerima, dan jumlah transaksi semuanya disembunyikan sepenuhnya melalui teknologi kriptografi.

Dalam penerapan praktis, dilihat dari data historis, sebagian besar aktivitas transaksi Zcash masih transparan. Untuk memenuhi persyaratan kepatuhan regulasi, sebagian besar bursa kripto dan peserta institusional secara default menggunakan alamat transparan (t-address). Ini berarti proporsi data yang terbaca secara publik dalam riwayat transaksi Zcash jauh lebih besar daripada yang diharapkan orang dari "privacy coin".

Jenis Transaksi ZEC

Melacak Zcash dengan Arkham

Persepsi umum secara tradisional menganggap privacy coin tidak dapat dilacak, namun kenyataan Zcash menghancurkan asumsi ini.

Saat ini, platform analisis data blockchain Arkham telah berhasil menandai lebih dari setengah aktivitas on-chain Zcash, dan mengonfirmasi identitas individu serta institusi di balik volume transaksi yang mencapai $420 miliar. Bagi jaringan blockchain yang dirancang khusus untuk menyembunyikan data transaksi, data ini sangat mengejutkan. Pelacakan ini dapat dilakukan karena sebagian besar transaksi Zcash masih menggunakan mode transparan. Selain itu, bursa kripto, lembaga kustodian, dan lembaga keuangan besar yang berfungsi sebagai saluran masuk dan keluar dana, biasanya juga mempertahankan dan menggunakan alamat transparan untuk memudahkan transfer dan pengelolaan dana.

Tentu saja, transaksi tersembunyi itu sendiri tetap sangat tidak transparan: aktivitas transaksi z → z (tersembunyi ke tersembunyi) tidak dapat dilacak, alamat tersembunyi semacam ini di platform Arkham hanya akan ditandai sebagai "SHIELDED". Namun, titik masuk dan keluar dana dari kolam terenkripsi sering kali terlihat secara publik, dan inilah titik terobosan untuk analisis intelijen data.

Zcash di Arkham

Studi Kasus: Kepemilikan Zcash Pemerintah AS

Dalam catatan data Zcash di platform Arkham, salah satu entitas yang cukup menarik perhatian adalah Pemerintah Amerika Serikat. Dompet Pemerintah AS menyimpan Zcash yang disita dari pendiri platform perdagangan darknet AlphaBay, Alexandre Cazes, yang ditangkap pada 2017. Saat aset disita, nilai Zcash ini sekitar $737.000. Selama delapan tahun, aset ini belum pernah dipindahkan, dan nilai pasarnya hingga kini telah berlipat ganda. Publik dapat melacak aktivitas dompet ini secara real-time melalui platform Arkham.

Studi Kasus: Transaksi dengan Untung $6,6 Juta

Data Arkham juga dapat mengungkap pergerakan dana besar oleh trader individu. Misalnya, suatu alamat membeli Zcash senilai $4,49 juta selama kejatuhan pasar pada 10 Oktober. Setelah memegang selama lima setengah minggu, alamat tersebut mentransfer token ini ke bursa Gemini. Dengan asumsi trader tersebut segera menjual token saat disimpan di bursa, maka transaksi ini akan memberinya laba bersih sebesar $6,6 juta, yang berarti pengembalian investasi awal lebih dari dua kali lipat. Di platform Arkham, jejak sejarah lengkap transaksi ini terlihat jelas, termasuk waktu spesifik setiap transfer dana, serta nama bursa tujuan akhir token.

Alat Visualisasi Arkham

Kesimpulan

Zcash berada pada posisi yang sangat khusus. Ia adalah salah satu alat perlindungan privasi yang paling kompleks secara teknologi di bidang kripto, sekaligus salah satu proyek yang paling banyak disalahpahami oleh publik. Orang biasanya berasumsi bahwa privacy coin secara default sepenuhnya tidak dapat dilacak, tetapi pandangan ini tidak akurat. Dalam operasi praktis, sebagian besar pergerakan dana Zcash melalui alamat transparan; untuk mematuhi persyaratan kepatuhan, bursa-bursa besar juga secara default menggunakan alamat transparan publik. Karena itulah, platform analisis intelijen blockchain seperti Arkham dapat mengaitkan lebih dari $420 miliar transaksi dengan entitas yang dikenal di blockchain yang secara eksplisit dirancang untuk menahan analisis data.

Namun, ini tidak berarti kemampuan perlindungan privasi Zcash cacat. Transaksi tersembunyi murni (z ke z) pada tingkat kriptografi tetap tidak dapat ditembus dan tidak dapat diintip. Semua ini menunjukkan bahwa tingkat perlindungan privasi aktual yang dapat diberikan Zcash sepenuhnya bergantung pada pilihan pengguna dalam menggunakannya.

Bagi siapa pun yang ingin menjelajahi aktivitas on-chain Zcash secara langsung, cakupan data luas Arkham menyediakan gambaran informasi paling komprehensif saat ini. Pengguna dapat melacak catatan transaksi ZEC, identitas entitas, dan saldo akun, mengatur pemberitahuan untuk pergerakan dana penting, dan memanfaatkan teknologi kecerdasan buatan Arkham untuk menggali informasi potensial di seluruh jaringan blockchain.

Pertanyaan Terkait

QApa yang menjadi penyebab utama sebagian besar transaksi Zcash masih dapat dilacak di blockchain?

ASebagian besar transaksi Zcash masih menggunakan alamat transparan (t-address), bukan alamat terlindungi (z-address). Bursa, lembaga, dan penyedia layanan umumnya menggunakan alamat transparan demi mematuhi persyaratan kepatuhan peraturan. Transaksi t→t, t→z, dan z→t meninggalkan jejak data yang dapat dilihat publik.

QApa saja tipe transaksi dalam Zcash dan bagaimana tingkat privasi masing-masing?

AAda empat tipe transaksi Zcash: 1. t→t (transparan ke transparan): Sepenuhnya publik seperti Bitcoin. 2. t→z (transparan ke terlindungi): Jumlah yang masuk ke pool terlindungi terlihat, penerima tersembunyi. 3. z→t (terlindungi ke transparan): Penerima dan jumlah terlihat, pengirim tersembunyi. 4. z→z (terlindungi ke terlindungi): Sepenuhnya privat, hanya biaya transaksi yang terlihat.

QTeknologi kriptografi inti apa yang digunakan Zcash untuk memberikan privasi?

AZcash menggunakan teknologi zero-knowledge proof, khususnya varian yang disebut zk-SNARK (Zero-Knowledge Succinct Non-Interactive Argument of Knowledge). Teknologi ini memungkinkan jaringan memverifikasi validitas transaksi tanpa mengetahui pengirim, penerima, atau jumlah yang ditransaksikan.

QBagaimana platform seperti Arkham dapat melacak sebagian besar aktivitas Zcash?

AArkham dapat melacak dan melabeli lebih dari setengah aktivitas Zcash karena mayoritas menggunakan alamat transparan. Platform ini mengidentifikasi entitas yang diketahui (seperti bursa, pemerintah AS) yang menggunakan alamat ini dan melacak pergerakan dana masuk/keluar dari pool terlindungi, menghubungkannya dengan identitas nyata.

QMenurut artikel, apa yang menentukan tingkat perlindungan privasi yang sebenarnya didapat pengguna Zcash?

ATingkat perlindungan privasi sebenarnya sepenuhnya bergantung pada bagaimana pengguna memilih untuk menggunakannya. Jika pengguna hanya menggunakan alamat transparan (t-address), transaksinya akan terlihat seperti Bitcoin. Privasi penuh hanya tercapai dengan menggunakan transaksi z→z (terlindungi ke terlindungi).

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!

marsbit31m yang lalu

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

marsbit31m 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".

marsbit39m yang lalu

Ali "Menaruh Barang", Byte "Berlatih Ilmu"

marsbit39m 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
活动图片