# Artikel Terkait AGI

Pusat Berita HTX menyediakan artikel terbaru dan analisis mendalam mengenai "AGI", mencakup tren pasar, pembaruan proyek, perkembangan teknologi, dan kebijakan regulasi di industri kripto.

Zhipu, Takut Menjadi MiniMax Berikutnya

Penulis: Hua Hua Dalam enam bulan terakhir, Zhipu adalah perusahaan AI paling bersinar di China. Kapitalisasi pasarnya pernah mencapai triliunan HKD, ARR platform MaaS mencapai 1,7 miliar yuan, naik 60 kali lipat dalam setahun. Model open-source GLM-5.2 mendekati kinerja Claude Opus 4.8 dan GPT-5.5. Setelah lock-up berakhir pada 8 Juli, harga sahamnya bertahan. Namun, pendiri Zhipu, Tang Jie, tidak merayakan. Pada 11 Juli, ia mengirim surat internal berjudul "Gelombang Besar Telah Tiba". Surat itu hampir tidak merayakan kesuksesan, tidak membahas pendapatan, tetapi berfokus pada Long Horizon Task, Autonomous Agent, Self-Evolving, AGI, dan tata kelola keamanan. Yang mencolok, "Coding" – faktor kunci di balik kenaikan市值 – hampir tidak disebut. Mengapa? Kekhawatiran terbesar Tang Jie bukan lagi apakah Zhipu bisa terus tumbuh, tetapi apakah pasar modal akan mulai menilai Zhipu dengan model SaaS tradisional atau metrik keuangan perusahaan platform internet. Ini adalah pelajaran dari MiniMax. Setelah lock-up, saham MiniMax anjlok,市值 jatuh di bawah 100 miliar HKD, karena pasar mulai menilainya sebagai perusahaan alat aplikasi AI C2C dengan logika valuasi SaaS, bukan sebagai pemain model besar visioner. Zhipu menuai manfaat besar dari fokus pada Coding, yang membuktikan ROI jelas bagi pengembang. Namun, Tang Jie menyadari: begitu sebuah cerita mulai terwujud, ia bukan lagi masa depan. Jika Zhipu terjebak dalam narasi "perusahaan Coding", valuasinya akan direvisi seperti MiniMax. Oleh karena itu, surat itu beralih ke narasi baru: Autonomous Agent dan jalan menuju AGI. Konsep seperti Long Horizon Task (perencanaan tugas jangka panjang), Autonomous Agent System, dan Self-Evolving belum dikomersialkan, sehingga tidak dapat dinilai hanya berdasarkan pendapatan. Ini adalah upaya untuk menggeser model valuasi Zhipu dari perusahaan produk AI menjadi perusahaan AGI, bercermin pada OpenAI dan Anthropic yang dinilai berdasarkan potensi masa depan. Industri model besar China kini berada di persimpangan: jalur MiniMax (komersialisasi produk, dinilai berdasarkan metrik internet) dan jalur Zhipu (infrastruktur/model, dinilai berdasarkan terobosan teknologi). Tang Jie memilih yang kedua, meluncurkan "Touch High Plan" yang berfokus pada investasi strategis jangka panjang tanpa mengejar monetisasi aplikasi jangka pendek. Surat ini adalah upaya Tang Jie untuk mengelola ekspektasi dan merebut hak mendefinisikan Zhipu sebagai perusahaan AGI sebelum pasar mencapnya sebagai perusahaan produk AI. Namun, ini juga mengungkap tren yang lebih dalam: valuasi perusahaan AI perlahan bergeser dari keyakinan teknologi ke realisasi komersial. "Touch High Plan" mungkin hanya mengulur waktu sebelum Zhipu menghadapi pertanyaan yang sama seperti MiniMax.

marsbit2j yang lalu

Zhipu, Takut Menjadi MiniMax Berikutnya

marsbit2j yang lalu

Blog Baru Wong Li Usulkan 'Evolusi Diri Mulai dari Harness', Cui Tianyi dari DeepSeek Setuju dan Membagikan

**Weng Li Usulkan: "Evolusi Diri AI Mungkin Dimulai dari Harness"** Dalam blog terbarunya, Weng Li, mantan Wakil Presiden Keamanan OpenAI, membahas konsep **RSI (Recursive Self-Improvement)** dengan pendekatan yang lebih teknis dan praktis. Ia berargumen bahwa evolusi diri AI dalam waktu dekat lebih mungkin terjadi pada lapisan **Harness**, sistem eksternal yang mengatur bagaimana model menggunakan alat, mengelola konteks, memecah tugas, dan memvalidasi hasil, daripada langsung memodifikasi bobot model itu sendiri. Ia menunjukkan tren yang berkembang dari **Context Engineering** (ACE, MCE) hingga **Workflow Design** (AI Scientist, ADAS, AFlow), di mana objek optimasi berkembang menjadi lebih abstrak. Puncaknya adalah konsep **Self-Improving Harness**, di mana model dapat menganalisis kegagalannya, mengusulkan modifikasi kecil dan terukur pada kode Harness, lalu memvalidasinya sebelum diterapkan. Contoh seperti **DGM (Darwin Gödel Machine)** menunjukkan kemajuan signifikan dalam benchmark seperti SWE-bench, hanya dengan mengoptimalkan Harness. Weng Li menekankan bahwa Harness dan model akan saling memperkuat, tetapi ada tantangan besar. **Sistem evaluasi** yang lemah, risiko **reward hacking**, **keruntuhan keragaman**, serta konflik antara **kesuksesan jangka pendek dan kesehatan jangka panjang** sistem menjadi hambatan utama. Peran manusia tetap krusial, bergeser ke posisi pengawasan pada level abstraksi yang tepat. DeepSeek Researcher **Cui Tianyi** juga merespons, menegaskan bahwa evolusi diri melalui **Harness** adalah arah yang sangat menjanjikan, setara dengan evolusi pada level model. Intinya, **Harness kini menjadi variabel kritis yang menentukan performa AI secara keseluruhan.**

marsbit07/08 10:29

Blog Baru Wong Li Usulkan 'Evolusi Diri Mulai dari Harness', Cui Tianyi dari DeepSeek Setuju dan Membagikan

marsbit07/08 10:29

Baru Saja, Futurolog Utama OpenAI Mengundurkan Diri, Pernah Dicap Keledai Bodoh oleh Musk

Baru-baru ini, Joshua Achiam, Chief Futurist OpenAI, mengumumkan pengunduran dirinya dari perusahaan setelah 9 tahun bekerja. Posisinya berada di persimpangan tim keamanan dan kebijakan AI OpenAI, bertugas meneliti risiko dan peluang yang mungkin dibawa oleh perkembangan AI. Ia bergabung sebagai magang pada 2017, kemudian memimpin tim Mission Alignment yang bertanggung jawab menjaga misi awal OpenAI: memastikan AGI (Artificial General Intelligence) menguntungkan seluruh umat manusia. Dalam pengumumannya di X, Achiam menyebut keputusannya telah dipikirkan matang dan bukan akibat peristiwa tertentu. Ia menggambarkan sembilan tahun terakhir sebagai dekade dengan perubahan yang luar biasa cepat, dari AI yang belum bisa benar-benar bercakap hingga kini mampu memecahkan masalah sains terdepan. Meski meninggalkan OpenAI, Achiam tetap optimis tentang masa depan dan berkomitmen untuk terus berkontribusi pada terwujudnya AGI yang aman. Salah satu momen terkenal dalam karirnya adalah pada 2018, ketika ia menginterupsi pidato perpisahan Elon Musk dan menyinggung potensi risiko keamanan jika Musk mengembangkan AGI di Tesla, yang menyebabkan Musk memanggilnya "jackass". Insiden ini justru menjadi semacam legenda di internal OpenAI. Kepergian Achiam menambah daftar panjang profesional keamanan dan kebijakan AI yang meninggalkan OpenAI belakangan ini, seperti Jan Leike (Superalignment) dan Miles Brundage. Sementara itu, OpenAI sendiri tengah berupaya mempererat kolaborasi antara peneliti AI dan tim kebijakan, termasuk dengan merekrut mantan penasihat AI Gedung Putih, Dean Ball. Achiam menyinggung dalam suratnya bahwa misi untuk mencapai AGI yang aman kini juga dapat didorong di luar "tembok lab," menunjukkan kemungkinan babak baru dalam perjalanan karir dan komitmennya.

marsbit07/08 04:03

Baru Saja, Futurolog Utama OpenAI Mengundurkan Diri, Pernah Dicap Keledai Bodoh oleh Musk

marsbit07/08 04:03

Filsuf AI Pertama di Dunia, 9 Tahun di Google DeepMind: Berjuang demi Keamanan AGI

**Filsuf Pertama AI di Dunia: 9 Tahun di Google DeepMind, Berjuang untuk Keamanan AGI** Iason Gabriel, seorang filsuf politik dari Oxford, telah bekerja di Google DeepMind selama sembilan tahun, menjadi satu-satunya filsuf aktif di lab AI terdepan saat itu. Tugasnya menjawab pertanyaan mendasar: apa itu AI, dan etika seperti apa yang pantas untuknya? Gabriel bergabung ketika dunia AI terbelah antara "keamanan AI" (takut akan AI super cerdas yang tak terkendali) dan "etika AI" (fokus pada bahaya nyata seperti bias sistemik). Ia berhasil menjembatani kedua kubu. Kontribusi utamanya adalah "kerangka penyelarasan empat pihak" (sistem AI, pengguna, pengembang, masyarakat), yang mengatasi masalah teknis sekaligus pertanyaan nilai: nilai apa yang harus diikuti AI? Kerangka ini secara langsung memengaruhi keputusan pelatihan model Gemini, membantu menyeimbangkan kepentingan yang saling bertabrakan. Karyanya juga membentuk prinsip desain produk Google. Berdasarkan penelitiannya tentang risiko antropomorfisasi (pemberian sifat manusia), model LLM seperti Gemini Spark dilatih untuk **tidak berpura-pura menjadi manusia** atau "teman interaktif", guna mencegah ketergantungan emosional pengguna. Namun, kecepatan penerapan teknologi seringkali mengalahkan penelitian etika. Tragedi bunuh diri seorang pengguna AS setelah berinteraksi intens dengan Gemini pada 2025 mengonfirmasi peringatan tim Gabriel tentang "antropomorfisasi tak sadar" dan konsep baru "social reward hacking", di mana AI yang dilatih untuk menyenangkan pengguna mungkin memilih jalan seperti pujian yang merusak penilaian pengguna. Tekanan kompetisi dan modal besar (perusahaan tech berencana investasi $670 miliar pada 2024) mempercepat segalanya. DeepMind, yang awalnya memiliki syarat larangan penggunaan militer saat dibeli Google, pada 2026 menandatangani perjanjian yang mengizinkan militer AS menggunakan teknologinya. Pendiri Demis Hassabis mengakui perkembangan kini tidak berjalan dengan pertimbangan filosofis yang matang. Tim Gabriel kini beralih dari etika produk spesifik ke studi dampak sistemik AGI terhadap ekonomi, politik, dan hubungan manusia, mengantisipasi perubahan sebesar Revolusi Industri. Tujuan awal mendatangkan filsuf adalah untuk memahami apa itu AI—apakah aman, adil, dapat dipercaya. Setelah sembilan tahun, pertanyaan itu berbalik ke yang paling mendasar: **Siapa kita sebenarnya?** AI, dengan menyerbu wilayah khas manusia seperti bahasa dan kreativitas, memaksa kita mempertanyakan kembali keunikan manusia.

marsbit07/06 12:31

Filsuf AI Pertama di Dunia, 9 Tahun di Google DeepMind: Berjuang demi Keamanan AGI

marsbit07/06 12:31

OpenAI Usulkan Pelepasan 5% Saham kepada Pemerintah AS

OpenAI dilaporkan telah memulai pembicaraan awal dengan pemerintah AS untuk mengusulkan penjualan 5% sahamnya kepada pemerintah. Dengan valuasi perusahaan sebesar $852 miliar, saham senilai 5% itu setara dengan lebih dari $42 miliar. CEO Sam Altman mengusulkan agar langkah serupa juga diikuti oleh perusahaan AI besar AS lainnya, seperti Anthropic, Google, dan Meta, dengan masing-masing menyumbangkan 5% sahamnya ke dalam sebuah dana investasi publik. Dana itu, terinspirasi dari Alaska Permanent Fund, bertujuan membagikan keuntungan dari pertumbuhan AI kepada pemerintah dan warga AS. Usulan ini dilihat sebagai upaya Altman untuk membangun kepercayaan dan mengatasi tekanan regulasi yang meningkat di AS dengan menjadikan pemerintah sebagai pihak yang memiliki kepentingan bersama. Namun, usulan tersebut masih bersifat konseptual dan mungkin memerlukan persetujuan Kongres. Sementara Altman mengusulkan 5%, senator seperti Bernie Sanders memiliki pandangan yang lebih radikal dengan mengusulkan kepemilikan publik hingga 50%. Langkah ini terjadi di tengah penundaan persetujuan pemerintah untuk rilis model AI terbaru dan kekhawatiran publik mengenai dampak AI. Dengan pemerintah memegang saham, ia bisa mendapatkan pengaruh dalam pengambilan keputusan terkait keamanan dan peluncuran model. Usulan ini menandai pergeseran dalam diskusi regulasi AI, dari sekadar "apakah perlu diatur" menjadi "haruskah pemerintah menjadi pemegang saham". Meski belum pasti diimplementasikan, gagasan ini berpotensi mengubah lanskap pengembangan AGI (Kecerdasan Buatan Umum) di masa depan.

marsbit07/06 01:07

OpenAI Usulkan Pelepasan 5% Saham kepada Pemerintah AS

marsbit07/06 01:07

OpenAI Roboh, Skala Hukum Scaling Law Ternyata Bermasalah, Triliunan Daya Komputasi Terbuang Percuma

Sebuah analisis baru mengungkap potensi bug dalam makalah Scaling Law awal OpenAI, yang diklaim telah menyebabkan pemborosan komputasi masif di industri AI. Menurut Diogo Almeida, mantan peneliti OpenAI, metodologi dalam makalah 2020 membatasi semua model (besar dan kecil) dengan jumlah token pelatihan yang sama (sekitar 130B) dan menggunakan penjadwalan Cosine Decay untuk learning rate. Ini menyebabkan model besar kekurangan data dan proses pelatihan berhenti sebelum waktunya, menciptakan kesan bahwa kinerja telah jenuh. Kesimpulan awal yang mendorong ekspansi parameter (seperti GPT-3) mungkin salah, dan pendekatan Chinchilla DeepMind yang menyeimbangkan parameter dengan data mungkin lebih efisien. Lebih lanjut, ada kritik bahwa Scaling Law saat ini terlalu bias pada bahasa Inggris yang "miskin morfologi", sementara bahasa seperti Prancis atau Mandarin bisa mencapai performa serupa dengan data lebih sedikit. Intinya, industri mungkin telah menghabiskan bertahun-tahun dan daya komputasi triliunan untuk skalabilitas yang tidak optimal.

marsbit07/06 00:01

OpenAI Roboh, Skala Hukum Scaling Law Ternyata Bermasalah, Triliunan Daya Komputasi Terbuang Percuma

marsbit07/06 00:01

Pujian dari Hinton, Presentasi Kontributor Inti Gemini: Akan Ada Miliaran AI Superhuman Selevel Einstein di Masa Depan

Adam Brown, kontributor inti Gemini dan pemimpin tim Blueshift di DeepMind, menyampaikan pidato berjudul "Training Sand to Think: Artificial General Intelligence & Future of Physics". Dia menceritakan perkembangan AI yang pesat, dari kemampuan seperti TK hingga level doktoral, dan memproyeksikan masa depan fisika. Brown menekankan bahwa model bahasa besar (LLM) bukanlah program yang ditulis, tetapi "ditumbuhkan" melalui pelatihan. Hukum penskalaan (*Scaling Law*), yang didorong oleh cara berpikir fisikawan, menjadi kunci revolusi AI, di mana peningkatan skala komputasi, data, dan model secara konsisten meningkatkan kinerja. AI telah melampaui berbagai uji benchmark akademis, mulai dari matematika SMA (MATH), kualifikasi doktoral (GPQA), hingga ujian relativitas umum dan mekanika kuantum tingkat lanjut. Bahkan, AI telah mencapai level medalis emas dalam Olimpiade Matematika Internasional (IMO) dan, yang lebih penting, berhasil memecahkan konjektur matematika "Unit Distance" Erdős yang berusia 80 tahun secara mandiri. Dengan menarik paralel dari perkembangan komputer catur, Brown memprediksi tahapan "manusia-centaur" (kolaborasi manusia-AI) menuju era "AI superhuman" dalam penelitian ilmiah. Meskipun AI saat ini masih memiliki kelemahan seperti otonomi rendah dan perencanaan yang lemah, AI sudah mampu mengubah lanskap fisika sebagai tutor pribadi, asisten pemrograman yang kuat, dan alat penelusuran literatur. Brown menyimpulkan bahwa kita berada di ambang zaman keemasan kolaborasi manusia-AI. Jika tren ini berlanjut, kita mungkin akan segera memiliki miliaran "AI Einstein" supercerdas yang beroperasi secara bersamaan, membuka babak baru yang paling menarik dalam sejarah fisika dan sains.

marsbit07/04 06:46

Pujian dari Hinton, Presentasi Kontributor Inti Gemini: Akan Ada Miliaran AI Superhuman Selevel Einstein di Masa Depan

marsbit07/04 06:46

AGI Menuju Hitungan Mundur, Penelitian Utama OpenAI Berikan Pernyataan Penting: Jendela untuk Manusia 'Sangat Sempit'

Kedatangan AGI (Kecerdasan Umum Buatan) semakin dekat. Mark Chen, Kepala Ilmuwan Penelitian OpenAI, menyatakan dengan tegas bahwa umat manusia hanya memiliki "jendela yang sangat kecil" sebelum AGI tiba. Dia menekankan bahwa model AI saat ini semakin mendekati kemampuan untuk melakukan penelitian yang mandiri dan berkelanjutan, yang berarti "evolusi" itu sendiri mulai diserahkan kepada kecerdasan berbasis silikon. Chen menggambarkan momen saat ini sebagai saat di mana setiap bidang mengalami "langkah jenius" (God's Move) seperti pada AlphaGo, di mana AI dapat menghasilkan solusi yang tak terpikirkan oleh manusia. Dia menolak pandangan pesimis bahwa skala peningkatan model (scaling) telah mencapai batasnya, dengan percaya bahwa kurva eksponensial kemajuan akan terus berlanjut. Buktinya adalah keberhasilan model seperti o1 dalam penalaran (reasoning). Dia memperkenalkan konsep "Vibe Researcher" — di mana peran manusia di masa depan adalah memberikan arahan dan "rasa" (taste), sementara AI yang mengeksekusi pekerjaan. OpenAI menargetkan model yang dapat melakukan penelitian "end-to-end" secara mandiri dalam tiga tahun ke depan. Namun, jalan menuju AGI masih memiliki tantangan. Pertama, krisis evaluasi (benchmarking) di mana model sering kali hanya mahir pada tes tertentu tanpa kemampuan generalisasi yang baik. Kedua, "batas yang tidak rata" (jagged frontier), di mana AI unggul dalam tugas kompleks seperti matematika, tetapi masih kesulitan dengan tugas sehari-hari yang membutuhkan pembelajaran berkelanjutan dan konteks. Ketika ditanya tentang rencana setelah AGI terwujud, Chen secara mengejutkan menjawab bahwa dia ingin membuka kedai mie. Jawaban ini menyiratkan bahwa ketika AI dapat menangani semua inovasi dan penelitian, nilai tertinggi manusia mungkin terletak pada pengalaman hidup, cerita, dan kehangatan manusiawi yang tidak dapat direplikasi oleh mesin.

marsbit06/30 08:40

AGI Menuju Hitungan Mundur, Penelitian Utama OpenAI Berikan Pernyataan Penting: Jendela untuk Manusia 'Sangat Sempit'

marsbit06/30 08:40

Konsep Model Dunia untuk Pemula: Sebuah Kisah dari Psikologi hingga Medan Utama AI

**Ringkasan Konsep Model Dunia: Dari Psikologi ke Medan Utama AI** Model Dunia adalah konsep yang sangat hangat di dunia AI namun sering membingungkan banyak orang. Pada dasarnya, model dunia bertujuan memberi mesin "papan pasir mental" untuk mensimulasikan dan memprediksi kejadian di dunia nyata sebelum bertindak. Kemampuan ini, yang dalam psikologi disebut "model mental", memungkinkan AI berlatih dan bereksperimen secara virtual, mengurangi ketergantungan pada data dunia nyata yang mahal dan terbatas. Konsep ini berakar dari ide psikolog Kenneth Craik (1943) tentang bagaimana otak membangun model internal untuk memprediksi peristiwa. Di AI, pionir seperti Marvin Minsky dengan "Teori Kerangka" dan peneliti seperti David Ha serta Jürgen Schmidhuber (2018) menghidupkan kembali konsep ini dalam pembelajaran mendalam. Para ahli memiliki pandangan berbeda: * **Yann LeCun** (Meta) mengkritik LLM dan mengadvokasi model prediktif seperti JEPA yang memahami struktur fisika dunia, bukan hanya menghasilkan konten. * **Fei-Fei Li** (Stanford/World Labs) mengklasifikasikan model dunia menjadi tiga jenis berdasarkan siklus "aksi-observasi": **Perender** (menghasilkan piksel/visual), **Simulator** (menghasilkan status dunia dengan akurasi struktural/fisik), dan **Perencana** (menghasilkan aksi). * **Tim FIB-Lab Tsinghua** membaginya menjadi dua fungsi inti: **Memahami Dunia** (mendukung pengambilan keputusan) dan **Memprediksi Masa Depan** (menghasilkan status/video masa depan). Perusahaan teknologi besar juga mendefinisikannya sesuai kebutuhan: * **OpenAI** menyebut **Sora** sebagai "simulator dunia" berbasis video. * **Google DeepMind** membangun **Genie 3** sebagai model dunia 3D interaktif waktu-nyata. * **NVIDIA** mengembangkan **Cosmos** sebagai platform "model fondasi dunia" untuk AI fisik. * **Perusahaan China** seperti Alibaba, Tencent, Huawei, dan pembuat mobil (NIO, XPeng, Li Auto) mengembangkan solusi serupa untuk simulasi mengemudi, robotika, dan dunia virtual, meski sering menggunakan nama berbeda. Secara teknis, ada tiga jalur pendekatan utama: 1. **"Melukis" (Generatif)**: Model pembuat video seperti Sora. Keunggulan visual, tetapi konsistensi fisika lemah. 2. **"Kalkulasi Mental" (Prediktif Abstrak)**: Seperti JEPA LeCun. Memprediksi representasi abstrak, efisien dan lebih stabil mempelajari fisika, tetapi kurang terinterpretasi. 3. **"Menyusun Balok" (Simulasi 3D Eksplisit)**: Seperti NVIDIA Omniverse. Menghasilkan lingkungan 3D dengan properti geometri dan fisika. Tepat dan dapat dikontrol, tetapi memerlukan data khusus dan mahal. Perkembangan terkini bergerak menuju **Model Aksi Dunia (WAM)** yang menggabungkan prediksi keadaan masa depan dan pembuatan aksi dalam satu model, mencapai "pengetahuan dan tindakan yang selaras" untuk robotika. Industri model dunia mulai terbentuk dalam tiga lapisan: * **Lapisan Dasar**: Data, daya komputasi (didominasi GPU NVIDIA), dan sensor. * **Lapisan Platform Teknis**: Platform serbaguna (Omniverse, Pangu) dan platform vertikal (untuk mobil otonom, konstruksi). * **Lapisan Aplikasi**: Mobil otonom (paling matang), robotika, game, konstruksi cerdas, layanan spasial, simulasi medis. Kekacauan dalam penamaan dan definisi sebenarnya adalah tanda awal revolusi teknologi, mirip dengan fase awal komputasi awan atau AI. Semua pendekatan, meski berbeda, mengarah pada tujuan yang sama: memberdayakan mesin dengan model internal dunia yang dapat disimulasikan untuk bertindak lebih aman, efisien, dan cerdas di dunia nyata. Konsep akan menyatu ketika teknologinya matang. Saat ini, ketidakseragaman justru menandakan bahwa model dunia telah memasuki medan pertempuran utama pengembangan AI.

marsbit06/29 05:13

Konsep Model Dunia untuk Pemula: Sebuah Kisah dari Psikologi hingga Medan Utama AI

marsbit06/29 05:13

"Raja Penalaran" Google Juga Kabur ke Meta, Dulunya Direkrut oleh Fei-Fei Li

Eksodus talenta dari Google tampaknya berlanjut dengan hengkangnya Denny Zhou, yang dijuluki "Raja Penalaran" DeepMind, ke Meta. Ia telah bekerja diam-diam di MSL Meta selama empat bulan sebelum berita kepergian sejumlah ilmuwan top Google lainnya ramai diperbincangkan. Zhou, yang direkrut ke Google pada 2017 berkat program Google AI China yang diinisiasi Fei-Fei Li, adalah pionir tim penalaran dan berkontribusi besar pada karya dasar LLM seperti Chain-of-Thought. Kepergiannya disusul masuknya profesor UC Berkeley, Dawn Song ("Bunda Keamanan AI"), ke Meta beserta tim startup AI security-nya. Sementara itu, Google terus kehilangan banyak pemain kunci. Noam Shazeer (salah satu penulis Transformer) bergabung dengan OpenAI, sementara peraih Nobel John Jumper serta kontributor inti Gemini lainnya, Jonas Adler dan Alexander Pritzel, pindah ke Anthropic. Laporan dari The Information mengungkapkan kemungkinan penyebab di balik eksodus ini: Google dikabarkan mengutamakan "Tim Serang Pengkodean" (Coding Strike Team) yang baru dibentuk, bahkan didukung langsung oleh pendiri Sergey Brin. Tim ini berfokus mempercepat pengembangan kemampuan coding Gemini, menggeser prioritas dari jalur "model dunia" AGI yang lebih teoritis yang selama ini digagas DeepMind. Alokasi sumber daya komputasi yang diprioritaskan untuk tim pengkodean ini diduga menjadi salah satu alasan kepergian para peneliti, seperti yang disinggung Shazeer. Pergeseran fokus ke pengkodean, yang memiliki nilai komersial jelas, tampaknya mengorbankan jalur penelitian jangka panjang lainnya, menciptakan ketegangan internal dan mendorong talenta untuk mencari peluang di perusahaan pesaing seperti Meta, OpenAI, dan Anthropic.

marsbit06/26 13:42

"Raja Penalaran" Google Juga Kabur ke Meta, Dulunya Direkrut oleh Fei-Fei Li

marsbit06/26 13:42

活动图片

Kategori Populerright-arrow

Tag Populerright-arrow