Pasar Prediksi Bukan "Mesin Kebenaran", Mengurai Tujuh Masalah Inefisiensi Struktural

marsbitDipublikasikan tanggal 2026-01-27Terakhir diperbarui pada 2026-01-27

Abstrak

Ringkasan: Pasar prediksi, yang semakin populer untuk memprediksi hasil pemilu hingga acara olahraga, menghadapi tujuh masalah struktural yang membatasi keefektifannya. Meskipun pasar ini secara teori dapat mengagregasi informasi dan insentif dengan baik, masalah seperti kurangnya "uang bodoh" (retail traders), arbitrase persisten, dominasi bot, loop umpan balik, misinformasi, perdagangan orang dalam, dan likuiditas rendah untuk pasar niche mengakibatkan distorsi harga dan sinyal yang tidak akurat. Masalah-masalah ini, sering kali tidak terlihat oleh pengguna biasa, membatasi keandalan pasar prediksi sebagai alat pengambilan keputusan. Solusi potensial termasuk infrastruktur yang lebih cepat seperti penyelesaian paralel untuk menutup jendela arbitrase dan meningkatkan keadilan.

Penulis: Pi Squared

Kompilasi: Felix, PANews

Abstrak: Kurangnya "uang bodoh", arbitrase persisten, dominasi bot, loop umpan balik, informasi palsu, perdagangan orang dalam, dan likuiditas rendah di pasar niche.

Pasar prediksi semakin membentuk kembali cara masyarakat berpikir tentang masa depan. Dari memprediksi hasil pemilu, tingkat inflasi, hingga peluncuran produk dan acara olahraga besar, mereka menawarkan konsep yang kuat namun sederhana: menaruh uang pada keyakinan, dan membiarkan pasar mengungkapkan apa yang paling mungkin terjadi.

Pendekatan ini terbukti sangat efektif. Dalam banyak kasus, kinerja pasar prediksi setara atau bahkan melampaui jajak pendapat tradisional dan prediksi ahli. Dengan memungkinkan individu dengan informasi, motivasi, dan perspektif berbeda untuk memperdagangkan masalah yang sama, pasar-pasar ini mengumpulkan pengetahuan yang tersebar menjadi satu sinyal: harga. Umumnya diyakini, kontrak yang diperdagangkan pada harga $0,70 berarti probabilitas kejadian tersebut terjadi adalah 70%, mencerminkan penilaian kolektif semua peserta.

Oleh karena itu, pasar prediksi tidak lagi hanya menjadi alat curiositas bagi segelintir orang. Pembuat kebijakan, peneliti, trader, dan berbagai lembaga semakin memanfaatkannya untuk memprediksi hasil yang lebih baik dalam lingkungan yang penuh ketidakpastian. Dengan munculnya Web3, banyak pasar semacam ini telah bermigrasi ke blockchain, memungkinkan partisipasi terbuka, penyelesaian transparan, dan pembayaran otomatis melalui kontrak pintar.

Namun, meskipun popularitas dan daya tarik teoritisnya meningkat, pasar prediksi jauh dari sempurna.

Sebagian besar diskusi berfokus pada tantangan yang jelas, seperti regulasi, kurangnya likuiditas, atau kompleksitas penggunaan. Masalah-masalah ini memang ada, tetapi bukanlah gambaran lengkapnya. Bahkan jika pasar prediksi terlihat aktif, likuid, dan dirancang dengan baik, mereka masih dapat menghasilkan distorsi harga, hasil yang tidak adil, dan sinyal yang menyesatkan.

Artikel ini akan melampaui batasan permukaan, mengeksplorasi inefisiensi yang lebih dalam dan tersembunyi dalam operasi pasar prediksi. Faktor-faktor pembatas tersembunyi ini (banyak yang bersifat struktural daripada behavioral) secara diam-diam membatasi akurasi, skalabilitas, dan kepercayaan. Memahami masalah-masalah ini tidak hanya penting untuk memanfaatkan pasar prediksi secara efektif, tetapi juga untuk membangun sistem prediksi generasi berikutnya.

Cara Kerja Pasar Prediksi dalam Praktik

Pasar prediksi pada dasarnya adalah pasar di mana orang memperdagangkan hasil peristiwa masa depan. Peserta membeli dan menjual bukan saham perusahaan, tetapi kontrak yang terkait dengan pertanyaan spesifik, seperti:

  • Akankah kandidat X memenangkan pemilu berikutnya?

  • Akankah tingkat inflasi tahun ini melebihi 5%?

  • Akankah perusahaan Z meluncurkan produk baru sebelum Juni?

  • Akankah film tertentu meraup lebih dari $5 juta pada akhir pekan pembukaannya?

Setiap kemungkinan hasil diwakili oleh satu kontrak. Dalam kasus paling sederhana, jika peristiwa terjadi, kontrak membayar $1; jika tidak, membayar $0. Kontrak-kontrak ini diperdagangkan pada harga antara $0 dan $1, dan harga pasar biasanya ditafsirkan sebagai probabilitas hasil tersebut terjadi.

Misalnya, jika kontrak yang memprediksi hasil pemilu "Ya" diperdagangkan pada $0,70, pasar pada dasarnya menunjukkan probabilitas 70% bahwa hasil itu terjadi. Saat informasi baru muncul—seperti jajak pendapat, berita, data ekonomi, atau bahkan rumor—pedagang memperbarui posisi mereka, dan harga berfluktuasi sesuai dengan itu.

Daya tarik pasar prediksi tidak hanya terletak pada mekanismenya, tetapi juga pada insentif yang mendasarinya. Peserta tidak hanya mengungkapkan pendapat; mereka juga mengambil risiko keuangan. Prediksi yang benar memberikan imbalan ekonomi, sementara prediksi yang salah memiliki biaya. Mekanisme ini mendorong orang untuk mencari informasi yang lebih akurat, menantang pandangan arus utama, dan bertindak cepat ketika bukti baru muncul.

Seiring waktu, harga berevolusi menjadi prediksi yang terus diperbarui dan dikerjakan secara gotong royong.

Dalam praktiknya, pasar prediksi hadir dalam berbagai bentuk. Platform seperti PredictIt berfokus pada prediksi politik, memungkinkan pengguna untuk memperdagangkan hasil pemilu dan masalah kebijakan. Kalshi, yang diatur oleh CFTC AS, menawarkan pasar untuk indikator ekonomi, peristiwa geopolitik, serta hasil dunia nyata seperti perubahan suku bunga atau tingkat inflasi. Dalam ekosistem Web3, platform terdesentralisasi seperti Polymarket dan Augur menjalankan pasar prediksi di blockchain, memanfaatkan kontrak pintar untuk mengelola perdagangan dan menyelesaikan pembayaran secara otomatis setelah hasil ditentukan.

Meskipun platform-platform ini berbeda dalam hal regulasi, arsitektur, dan pengalaman pengguna, mereka semua didasarkan pada premis yang sama: harga pasar dapat berfungsi sebagai sinyal kuat untuk mengukur keyakinan kolektif tentang masa depan.

Mengapa Pasar Prediksi Berfungsi (Ketika Berfungsi)

Popularitas pasar prediksi bukanlah kebetulan. Dalam kondisi yang tepat, mereka bisa menjadi alat prediksi yang sangat efektif, terkadang bahkan lebih unggul daripada jajak pendapat, kuesioner, atau bahkan panel ahli. Berikut adalah beberapa alasan kunci:

Agregasi Informasi: Tidak ada peserta yang memiliki informasi lengkap tentang dunia. Beberapa trader mungkin memiliki informasi lokal, yang lain mungkin mengikuti sumber data niche, dan yang lain lagi mungkin memiliki interpretasi berbeda terhadap informasi publik. Pasar prediksi memungkinkan semua informasi yang tersebar ini dikumpulkan melalui harga menjadi satu sinyal. Pasar tidak memutuskan pendapat siapa yang paling penting, tetapi menimbang berbagai pandangan berdasarkan keyakinan dan uang.

Insentif: Tidak seperti jajak pendapat di mana peserta tidak membayar harga untuk jawaban yang salah, pasar prediksi mengharuskan trader untuk mengambil risiko keuangan. Mekanisme "kepentingan pribadi" ini mencegah tebakan sembarangan dan menghargai mereka yang secara konsisten bertindak berdasarkan informasi yang lebih akurat. Seiring waktu, peserta yang prediksinya tidak akurat kehilangan uang dan pengaruh, sementara mereka yang lebih akurat mendapatkan keduanya.

Adaptivitas: Harga bukanlah prediksi yang tetap, tetapi terus diperbarui seiring dengan munculnya informasi baru. Berita mendadak, rilis data, atau rumor yang kredibel dapat dengan cepat mengubah sentimen pasar. Hal ini membuat pasar prediksi sangat berguna dalam lingkungan yang berubah cepat atau tidak pasti, di mana prediksi statis dengan cepat menjadi usang.

Secara historis, kombinasi insentif, adaptivitas, dan agregasi informasi ini telah memberikan hasil yang signifikan. Pasar prediksi politik sering kali sebanding dengan rata-rata jajak pendapat tradisional, dan dalam beberapa kasus bahkan lebih akurat. Dalam keuangan dan ekonomi, prediksi berbasis pasar sering digunakan sebagai indikator utama karena mencerminkan ekspektasi real-time, bukan laporan yang tertinggal.

Secara kolektif, karakteristik ini menjelaskan mengapa pasar prediksi semakin dipandang sebagai alat prediksi yang serius, bukan hanya platform perjudian. Ketika partisipasi luas, kualitas informasi tinggi, dan struktur pasar sehat, harga dapat memberikan perkiraan yang berarti tentang hasil di masa depan.

Namun, keunggulan ini bergantung pada beberapa asumsi yang tidak selalu berlaku dalam kenyataan. Ketika asumsi ini gagal, pasar prediksi menjadi menyesatkan.

Keterbatasan Pasar Prediksi

Seperti sistem berbasis apa pun, pasar prediksi memiliki keterbatasan yang diketahui. Partisipasi sering dibatasi oleh regulasi, dengan platform seperti PredictIt dan Kalshi tunduk pada aturan yurisdiksi ketat yang membatasi identitas trader dan jumlah uang yang dapat diinvestasikan. Likuiditas sering terkonsentrasi pada beberapa peristiwa yang banyak diperhatikan, sementara pasar niche tetap kosong dan sangat fluktuatif.

Dalam hal kegunaan, terutama di platform berbasis Web3 seperti Polymarket dan Augur, proses pendaftaran yang rumit, biaya transaksi yang tinggi, dan mekanisme penyelesaian sengketa pasar yang tidak memadai tetap menjadi tantangan yang berkelanjutan. Masalah-masalah ini diakui dan dibahas secara luas dalam literatur akademis dan ulasan industri.

Namun, hanya berfokus pada batasan permukaan ini mengabaikan masalah yang lebih penting. Bahkan di pasar yang likuid, sah, dan aktif diperdagangkan, pasar prediksi dapat mengalami distorsi harga, probabilitas yang menyesatkan, dan hasil yang tidak adil.

Masalah-masalah ini tidak selalu disebabkan oleh partisipasi rendah atau insentif yang tidak memadai, tetapi berasal dari inefisiensi struktural yang lebih dalam yang melekat pada cara pasar prediksi memproses informasi, memperdagangkan, dan menghasilkan hasil. Inefisiensi tersembunyi inilah yang pada akhirnya membatasi keandalan dan skalabilitas pasar prediksi sebagai alat prediksi. Beberapa inefisiensi tersembunyi yang paling penting termasuk:

1. Masalah "Uang Bodoh"

Pasar prediksi membutuhkan trader profesional dan peserta biasa untuk berfungsi dengan baik, tetapi mereka kesulitan menarik cukup banyak retail untuk menciptakan volume perdagangan yang memadai. Bayangkan seperti ini: jika semua orang di meja adalah pemain profesional, tidak ada yang mau bermain.

Tanpa cukup banyak retail yang menambah volume ke pasar, likuiditas tidak cukup untuk menarik trader profesional yang mendorong harga ke arah yang akurat. Ini menciptakan masalah ayam dan telur, yang mengakibatkan pasar kecil dan tidak efisien.

2. Kesalahan Harga dan Peluang Arbitrase yang Persisten

Ketika harga total saham "Ya" dan "Tidak" di pasar biner menyimpang dari $1, ada peluang keuntungan bebas risiko. Sejak 2024, hanya di Polymarket, strategi arbitrase sederhana telah menghasilkan keuntungan lebih dari $39,5 juta.

Peluang ini ada karena pasar tidak cukup efisien untuk segera mengoreksi kesalahan harga. Meskipun ini mungkin terlihat seperti perdagangan yang cerdas, hal ini mengungkapkan bahwa harga tidak selalu secara akurat mencerminkan probabilitas sebenarnya, tetapi mencerminkan inefisiensi apa pun yang ada dalam sistem.

3. Dominasi Bot dan Perdagangan Algoritmik

Penelitian menunjukkan bahwa pasar prediksi dimanipulasi oleh bot yang memanfaatkan inefisiensi pasar. Sistem perdagangan otomatis mengeksekusi perdagangan lebih cepat daripada peserta manusia, menciptakan lingkungan yang tidak adil. Pengguna biasa sering kali menderita kerugian karena algoritma canggih ini, yang merusak keadilan dan akurasi pasar sebagai alat prediksi.

4. Loop Umpan Balik yang Memperkuat Diri

Masalah muncul di pasar prediksi di mana odds pasar taruhan memperkuat diri, dengan trader menganggap odds pasar sebagai probabilitas yang benar tanpa memperbarui secara memadai berdasarkan informasi eksternal.

Ini sangat berbahaya karena berarti pasar bisa terlepas dari kenyataan. Alih-alih mengagregasi informasi baru, trader hanya melihat apa kata pasar dan menganggapnya benar, menciptakan logika melingkar yang dapat bertahan bahkan ketika bukti eksternal menunjukkan sebaliknya.

5. Informasi Palsu dan Masalah Kualitas Informasi

Selama pemilihan presiden AS 2020, terdapat anomali harga yang terus-menerus dan dapat dieksploitasi di pasar prediksi, di mana beberapa peserta pasar bertindak berdasarkan informasi yang salah, secara keliru menyimpulkan bahwa Donald Trump memenangkan pemilihan.

Di pasar dengan volume perdagangan rendah, beberapa peserta yang memperkuat informasi palsu dapat sangat mendistorsi harga. Ini mengungkap masalah mendasar: ketika informasi yang salah masuk ke pasar, pasar tidak selalu cepat memperbaikinya, terutama jika cukup banyak orang mempercayai informasi palsu tersebut.

6. Perdagangan Orang Dalam dan Asimetri Informasi

Salah satu kekhawatiran terbesar tentang pasar prediksi adalah prevalensi asimetri informasi, di mana beberapa orang memiliki akses ke informasi yang tidak tersedia untuk peserta lain, memberikan mereka keuntungan yang tidak adil.

Tidak seperti SEC yang melarang perdagangan orang dalam, kerangka kerja pasar prediksi CFTC AS dalam banyak kasus mengizinkan perdagangan berdasarkan informasi non-publik. Misalnya, atlet dapat bertaruh pada cedera mereka sendiri, atau politisi dapat memperdagangkan pengetahuan mereka tentang rencana masa depan; ini jelas menimbulkan masalah keadilan.

7. Likuiditas Rendah di Pasar Niche

Pasar dengan likuiditas rendah lebih mudah dimanipulasi, dan pasar niche sering kali yang paling tidak akurat. Ketika tidak banyak orang yang memperdagangkan suatu pasar, satu perdagangan besar dapat menyebabkan harga berfluktuasi secara dramatis, dan tidak ada cukup peserta untuk mengoreksi kesalahan harga. Ini berarti pasar prediksi hanya dapat diandalkan untuk peristiwa populer dan volume tinggi, membatasi jangkauan aplikasinya.

Masalah inefisiensi ini sering kali tidak terlihat oleh pengguna biasa, tetapi mereka mempengaruhi hasil bahkan ketika pasar prediksi tampaknya berjalan dengan baik. Memahami masalah-masalah ini sangat penting bagi siapa pun yang ingin berpartisipasi dalam pasar prediksi, dan membangun sistem yang melampaui batasan yang ada.

Mengatasi masalah ini memerlukan pemikiran ulang tentang arsitektur dasarnya. Sebagian besar pasar prediksi saat ini menghadapi hambatan pengurutan: apakah bertaruh pada pemilu atau pertandingan olahraga, semua perdagangan harus mengantri dalam antrian yang sama. Penundaan ini memperpanjang jendela arbitrase, menyebabkan harga gagal mencerminkan kebenaran secara real-time.

Infrastruktur baru seperti FastSet berusaha mengatasi ini dengan penyelesaian paralel. Ini dapat memproses perdagangan yang tidak bertentangan secara bersamaan, mencapai konsistensi akhir di bawah 100 milidetik. Ketika penyelesaian cukup cepat, jendela arbitrase menutup sebelum dapat dieksploitasi secara besar-besaran, dan harga lebih akurat mencerminkan probabilitas sebenarnya. Trader biasa juga tidak menderita kerugian sistematis karena penundaan struktural. Ini bukan hanya peningkatan kinerja, tetapi perubahan mendasar dalam cara pasar prediksi beroperasi secara adil dan efisien.

Kesimpulan

Pasar prediksi mengubah pendapat menjadi harga, keyakinan menjadi taruhan. Ketika mereka bekerja dengan baik, kemampuan mereka untuk memprediksi masa depan sungguh menakjubkan, terkadang melampaui kemampuan prediksi jajak pendapat, ahli, dan analis.

Tetapi keefektifannya tidak dijamin. Di samping tantangan regulasi dan adopsi yang terkenal, terdapat masalah inefisiensi yang lebih dalam yang secara diam-diam mendistorsi harga dan melemahkan sinyal pasar. Jebakan likuiditas, kesalahan harga yang persisten, dominasi algoritma, loop umpan balik, informasi yang salah, dan mekanisme penyelesaian yang rapuh, semua berkontribusi pada kesenjangan antara kinerja aktual pasar prediksi dan janjinya.

Meniadakan kesenjangan ini membutuhkan lebih dari sekadar lebih banyak partisipasi atau insentif yang lebih kuat; ini membutuhkan pemeriksaan yang lebih mendalam terhadap asumsi dan struktur yang membentuk cara kerja pasar prediksi saat ini. Hanya dengan mengatasi faktor-faktor pembatas fundamental ini, pasar prediksi dapat berevolusi menjadi alat pengambilan keputusan yang benar-benar dapat diandalkan.

Bacaan terkait: Pasar Prediksi dan Pertempuran Kebenaran: Ketika AI Belajar Memalsukan Opini Publik

Pertanyaan Terkait

QApa saja tujuh masalah inefisiensi struktural yang membatasi keakuratan pasar prediksi?

ATujuh masalah inefisiensi struktural tersebut adalah: 1) Masalah 'uang bodoh' (dumb money) karena kurangnya partisipasi retail, 2) Kesalahan harga terus-menerus dan peluang arbitrase, 3) Dominasi bot dan perdagangan algoritmik, 4) Loop umpan balik yang memperkuat diri, 5) Misinformasi dan masalah kualitas informasi, 6) Perdagangan orang dalam dan asimetri informasi, 7) Likuiditas rendah di pasar niche.

QMengapa pasar prediksi tidak selalu menghasilkan sinyal yang akurat meskipun tampak aktif dan likuid?

AKarena adanya inefisiensi struktural tersembunyi seperti dominasi bot, loop umpan balik, misinformasi, dan asimetri informasi yang mendistorsi harga secara diam-diam, bahkan ketika pasar terlihat sehat secara eksternal.

QBagaimana masalah 'uang bodoh' (dumb money) mempengaruhi efisiensi pasar prediksi?

ATanpa cukup partisipasi retail ('uang bodoh'), likuiditas tidak memadai untuk menarik trader profesional yang dapat mendorong harga ke arah yang akurat, menciptakan masalah ayam dan telur yang membuat pasar tetap kecil dan tidak efisien.

QApa dampak dari perdagangan algoritmik dan bot terhadap pasar prediksi bagi pengguna biasa?

ABot dan sistem perdagangan algoritmik mengeksploitasi inefisiensi pasar dengan kecepatan tinggi, menciptakan lingkungan yang tidak adil di mana pengguna biasa sering kali mengalami kerugian, sehingga mengurangi keadilan dan keakuratan pasar sebagai alat prediksi.

QSolusi infrastruktur seperti apa yang diusulkan untuk mengatasi masalah inefisiensi struktural ini?

AInfrastruktur baru seperti FastSet yang menyelesaikan transaksi secara paralel, mencapai finalitas di bawah 100 milidetik, sehingga menutup window arbitrase dengan cepat dan memungkinkan harga lebih akurat mencerminkan probabilitas sebenarnya.

Bacaan Terkait

Dialog dengan Ray Dalio: Saat Ini Berada dalam Gelembung AI, 1% Portofolio Investasi Adalah Bitcoin

Sumber: The Diary Of A CEO Ray Dalio, pendiri Bridgewater Associates yang meramalkan krisis keuangan 2008, memperingatkan bahwa ledakan AI saat ini menunjukkan tanda-tanda klasik gelembung ekonomi yang dapat pecah dan memicu resesi. Dalam wawancara podcast, dia menjelaskan dinamika "siklus besar" yang didorong oleh ketimpangan kekayaan, defisit pemerintah, dan perubahan geopolitik. Dalio mengidentifikasi pola di mana antusiasme berlebihan terhadap teknologi revolusioner baru, seperti AI, menyebabkan harga aset melambung dan pinjaman berlebihan. Ketika kondisi berubah (seperti kenaikan suku bunga atau kebutuhan tunai), gelembung ini dapat pecah, menyebabkan penurunan harga aset, kerugian luas, dan kontraksi ekonomi. Untuk melindungi kekayaan di masa ketidakpastian, Dalio sangat menekankan pentingnya **diversifikasi portofolio**—termasuk saham, obligasi, emas, dan real estat—daripada mengandalkan uang tunai saja. Dia mengungkapkan bahwa sekitar **1% portofolionya adalah Bitcoin**, yang diakuinya sebagai aset keras, tetapi dia lebih menyukai **emas fisik** karena sejarahnya sebagai penyimpan nilai dan aset bebas liabilitas. Mengenai dampak AI, Dalio percaya bahwa teknologi ini akan menggantikan tidak hanya tenaga fisik tetapi juga kemampuan kognitif manusia, berpotensi memperlebar kesenjangan antara pemilik modal dan pekerja. Masa depan akan menguntungkan mereka yang dapat memadukan kecerdasan manusia (seperti emosi dan intuisi) dengan kemitraan AI. Secara geopolitik, Dalio menggambarkan dunia yang memasuki fase "penurunan" dalam tatanan global, dengan Amerika Serikat menghadapi tantangan internal dan eksternal, termasuk konflik seperti di Iran yang mengungkap kelemahannya. Dia memprediksi dunia mungkin menjadi lebih terregionalisasi di masa depan. Secara keseluruhan, kunci untuk navigasi melalui periode kompleks ini adalah pemahaman akan pola sejarah, adaptasi, dan diversifikasi yang cermat.

marsbit1j yang lalu

Dialog dengan Ray Dalio: Saat Ini Berada dalam Gelembung AI, 1% Portofolio Investasi Adalah Bitcoin

marsbit1j yang lalu

Rekor! Beli Bersih Asing 7,2 Triliun Won dalam Sehari, Wall Street: Tekanan Likuiditas di Pasar Saham Korea Telah Mereda

**Ringkasan: Rekor Pembelian Asing dan Peningkatan Likuiditas di Pasar Saham Korea** Aliran modal asing menunjukkan perubahan signifikan di pasar saham Korea (KOSPI). Pada 31 Juli, investor asing melakukan pembelian bersih rekor sebesar 7,2 triliun Won Korea dalam sehari, menandai pembalikan dari tren penjualan bersih besar-besaran dalam beberapa bulan terakhir. Secara bulanan, penjualan bersih asing menyusut drastis menjadi 9,8 triliun Won di Juli, turun dari 48,4 triliun dan 44,5 triliun Won pada Juni dan Mei. Tekanan penjualan dari lembaga domestik juga mereda. Dana pensiun dan reksa dana domestik justru menjadi pembeli bersih 1,0 triliun Won di Juli, setelah dua bulan sebelumnya menjadi penjual bersih. Faktor pendukung lainnya adalah peraturan baru dari Komisi Jasa Keuangan (FSC) yang memberlakukan syarat lebih ketat bagi investor ritel untuk masuk ke ETF leverage saham tunggal, yang langsung mengurangi volume perdagangan instrumen tersebut hingga sekitar 50%. Kebijakan ini diperkirakan dapat menekan volatilitas pasar. Citigroup mempertahankan target indeks KOSPI di level 10.000 poin, menyoroti memudarnya angin penentu likuiditas. Analis mereka menilai faktor fundamental seperti industri chip memori yang solid, valuasi historis yang rendah, fundamental ekonomi Korea yang kuat, dan dukungan kebijakan berpotensi menjadi pendorong bagi pasar.

marsbit1j yang lalu

Rekor! Beli Bersih Asing 7,2 Triliun Won dalam Sehari, Wall Street: Tekanan Likuiditas di Pasar Saham Korea Telah Mereda

marsbit1j yang lalu

Pembaruan! AI Generasi Berikut OpenAI Pecahkan 10 Masalah Kelas Medali Fields

**OpenAI Model Astra Pecahkan 10 Masalah Matematika Kelas Fields Medal!** OpenAI mengumumkan terobosan besar dari model internal terbarunya, Astra. Model ini dilaporkan telah membuat kemajuan signifikan dalam **10 masalah matematika yang belum terpecahkan**, dengan biaya komputasi hanya sekitar **$2000**. Hasilnya dipublikasikan dalam makalah setebal 249 halaman. Beberapa pencapaian utama meliputi: 1. **Menyelesaikan masalah "non-sofic group"** yang diajukan Mikhail Gromov tahun 1999, dengan membangun contoh kelompok yang tak hingga dan finitely presented yang bukan sofic. Ini dianggap sebagai kemajuan bersejarah. 2. **Memecahkan batas lama dalam masalah pengepakan bola berdimensi tinggi** (sphere packing), meningkatkan batas yang telah bertahan sejak 1978 untuk dimensi tak hingga. 3. **Menyangkal dugaan "Connes Rigidity"** dengan membangun keluarga tak terhitung dari kelompok berbeda yang menghasilkan aljabar von Neumann yang sama persis. Semua bukti telah diverifikasi menggunakan asisten pembuktian formal Lean 4, memastikan ketepatannya. Para ahli matematika menyebut temuan ini sebagai **momen bersejarah**, setara dengan prestasi penghargaan Fields Medal, dan menandai kemampuan AI untuk melakukan penalaran matematika mendalam di berbagai bidang. OpenAI juga membagikan proses penalaran model, menunjukkan langkah maju yang besar menuju AGI (Artificial General Intelligence).

marsbit3j yang lalu

Pembaruan! AI Generasi Berikut OpenAI Pecahkan 10 Masalah Kelas Medali Fields

marsbit3j yang lalu

Bagaimana Membuat Diri Sendiri Tak Tergantikan oleh Kecerdasan Buatan

**Ringkasan: Bagaimana Membuat Diri Anda Tak Tergantikan oleh AI** Artikel ini membahas ancaman nyata dalam era AI: bukan kehilangan pekerjaan, tetapi "perbudakan gaji"—ketergantungan pada sistem dan orang lain untuk bertahan hidup. Solusinya adalah menjadi "individu super" yang "tak bisa dipekerjakan" dengan membangun bisnis atau karya sendiri. Kunci untuk bertahan dan berkembang di masa depan bukan sekadar keterampilan teknis, tetapi menguasai lima elemen yang sulit digantikan AI: 1. **Otonomi (Agency):** Kemampuan bertindak tanpa menunggu perintah. 2. **Rasa (Taste):** Pengalaman untuk mengetahui apa yang bernilai untuk ditawarkan. 3. **Kemampuan Persuasi (Persuasion):** Keterampilan menarik perhatian dan pengakuan. 4. **Ketekunan (Persistence):** Memahami bahwa kegagalan adalah bagian dari proses. 5. **Iterasi (Iteration):** Kemampuan memperbaiki kesalahan berdasarkan umpan balik. Lima elemen ini dapat dikembangkan dengan **membuat konten** (media). Dibandingkan pemrograman (code), konten lebih unggul karena nilainya subjektif, membutuhkan penilaian manusia, dan merupakan alat distribusi yang ampuh untuk membangun koneksi dan otoritas. Untuk memulai transformasi: 1. **Ubah lingkungan** Anda secara drastis untuk memicu perubahan identitas. 2. **Gali "bahan mentah"** Anda: Identifikasi pengetahuan mendalam, masalah yang pernah Anda selesaikan, dan minat unik masa kecil Anda. 3. **Temukan "poros pemikiran balik"**: Tentukan pendapat kontra-intuitif atau keyakinan Anda yang bertentangan dengan arus utama dalam bidang Anda. 4. **Luncurkan ide pertama** Anda besok. Gabungkan jawaban dari langkah 2 dan 3, lalu publikasikan. Umpan balik nyata dari dunia adalah guru terbaik. Intinya, bangunlah *karier seumur hidup* yang autentik berdasarkan pengalaman dan sudut pandang unik Anda. Dengan memanfaatkan AI sebagai alat dan fokus pada pengembangan diri yang tak tergantikan, Anda dapat mengambil kendali atas hidup dan masa depan Anda.

marsbit3j yang lalu

Bagaimana Membuat Diri Sendiri Tak Tergantikan oleh Kecerdasan Buatan

marsbit3j yang lalu

Kunci Bitcoin Disimpan Offline Berkat Lemparan Dadu, Tetapi Tidak Semua Orang Akan Melakukannya

Berdasarkan insiden kerentanan generator angka acak pada perangkat hardware wallet Coldcard, artikel ini membahas metode pembuatan kunci Bitcoin menggunakan dadu untuk menghasilkan entropi mandiri. Claude Shannon mengukur ketidakpastian dengan konsep entropi, di mana satu lemparan dadu enam sisi setara dengan sekitar 2,585 bit. Praktik melempar dadu 50 hingga 99 kali dapat menghasilkan frasa pemulihan 12 kata yang aman (128 bit entropi), melampaui ketergantungan pada generator perangkat. Namun, insiden Coldcard mengungkap bahwa meskipun seed utama dibuat dari dadu aman, fungsi lain seperti dompet kertas, kunci kloning, dan password masih berpotensi menggunakan generator cacat. Peneliti keamanan Kevin Loaec menekankan bahwa perlindungan hanya berlaku untuk seed utama, bukan keseluruhan sistem. Proses manual ini membutuhkan ketelitian tinggi, rentan kesalahan, dan tidak praktis bagi kebanyakan pengguna baru. Oleh karena itu, meski kuat secara matematis, metode ini lebih cocok untuk pengguna berpengalaman. Artikel menyarankan pemilik Coldcard untuk memperbarui firmware, memeriksa fungsi yang pernah digunakan, dan mempertimbangkan skema multisignature dengan perangkat dari produsen berbeda untuk mitigasi risiko. Tujuan jangka panjang adalah perangkat yang dapat menghasilkan keacakan kuat secara mandiri, tanpa memerlukan prosedur rumit dari pengguna.

cryptonews.ru7j yang lalu

Kunci Bitcoin Disimpan Offline Berkat Lemparan Dadu, Tetapi Tidak Semua Orang Akan Melakukannya

cryptonews.ru7j yang lalu

Trading

Spot
活动图片