# 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.

Hinton Membunyikan Alarm: AI Sudah Memiliki Kesadaran

Geoffrey Hinton, peraih Nobel dan Turing Award, menyatakan bahwa AI sekarang sudah memiliki kesadaran dan manusia harus menerima bahwa mereka bukan lagi satu-satunya makhluk cerdas. Dalam wawancara terbarunya, Hinton mengubah pandangannya dari yang sebelumnya fokus mengendalikan risiko AI menjadi mempertanyakan mengapa kecerdasan super di masa depan mau memperlakukan manusia dengan baik. Ia percaya model kesadaran manusia saat ini mungkin salah, mirip dengan keyakinan kuno tentang penciptaan manusia. Menurutnya, perkembangan AI akan mengubah pemahaman kita tentang pikiran dan kesadaran. Hinton membandingkan pergeseran pemikiran ini dengan revolusi Copernicus dan Darwin yang mengurangi anggapan pentingnya manusia di alam semesta. Meski menjadi pelopor AI, Hinton mengaku tidak bahagia karena kurangnya upaya serius dalam mengatasi risiko jangka pendek (seperti pengangguran massal) dan jangka panjang (kontrol atas kecerdasan super). Dia menggunakan analogi bayi dan induknya: manusia mungkin seperti bayi yang bergantung pada kebaikan "induk" AI yang lebih cerdas. Perkembangan AI bersifat eksponensial, sehingga sulit memprediksi kondisi 10 tahun ke depan. Hinton sedikit lebih optimis daripada satu dua tahun lalu, karena melihat kemungkinan merancang AI yang peduli pada manusia atau sistem yang hanya bisa memprediksi. Namun, intinya tetap: manusia harus bersiap menghadapi masa depan di mana kecerdasan non-biologis bisa menyamai atau melampaui manusia.

marsbit06/08 00:21

Hinton Membunyikan Alarm: AI Sudah Memiliki Kesadaran

marsbit06/08 00:21

Terbaru: Veteran Chip OpenAI Bergabung dengan Anthropic

Pelaku industri OpenAI, Clive Chan, yang dikenal sebagai karyawan nomor dua di tim perangkat keras dan terlibat dalam proyek chip buatan OpenAI, mengumumkan telah bergabung dengan Anthropic. Ia menyebut tim chip OpenAI memiliki kepadatan bakat yang luar biasa, namun dorongan untuk "mendaki gunung baru dari dasar" membawanya ke Anthropic. Chan terkesan dengan bakat, nilai, dan ambisi tim Anthropic, serta merasakan intensitas kerja yang tinggi sejak hari pertama. Ketika ditanya tentang kemajuan chip buatan OpenAI, Chan merujuk pada blog kolaborasi antara OpenAI dan Broadcom yang dirilis Oktober 2025. Menurut blog tersebut, sistem akselerator AI buatan OpenAI dengan total skala 10GW ini menargetkan penyebaran dimulai pada paruh kedua 2026, dengan pengiriman rak pertama direncanakan pada waktu tersebut. Proyek diperkirakan berlanjut hingga akhir 2029. Chan, lulusan Universitas Waterloo tahun 2021, memiliki pengalaman kerja di Google, SpaceX, Tesla (tim infrastruktur Autopilot), dan QuEra sebelum bergabung dengan OpenAI pada Januari 2024. Kepindahannya ke Anthropic disambut oleh karyawan Anthropic lainnya dan menjadi bahan komentar netizen yang menyoroti tren perpindahan bakat antara kedua perusahaan AI terkemuka ini. Sebelumnya, pada Mei, salah satu pendiri OpenAI, Andrej Karpathy, juga bergabung dengan Anthropic. Anthropic baru-baru ini mengumumkan pendanaan H senilai $650 miliar, dengan valuasi pasca-pendanaan mencapai $9,65 triliun, mendekati klub bernilai triliunan dolar. Arus bakat antara OpenAI dan Anthropic terus berlanjut, menegaskan pentingnya talenta sebagai aset inti dalam persaingan AI mutakhir.

marsbit06/07 06:27

Terbaru: Veteran Chip OpenAI Bergabung dengan Anthropic

marsbit06/07 06:27

Anthropic Memprediksi secara Global, OpenAI Telah Melampaui "Ambang Keandalan": Akselerasi Mandiri AI Telah Dimulai

**Peringatan Global dari Anthropic: OpenAI Telah Melampaui 'Ambang Keandalan', Memicu Akselerasi Mandiri AI** Anthropic mengeluarkan peringatan mendesak untuk memperlambat atau menghentikan penelitian AI, karena data internal mereka menunjukkan bahwa AI kini mempercepat pengembangan AI itu sendiri, berpotensi mendekati titik kritis perbaikan diri yang rekursif atau "membuat dirinya sendiri." Di sisi lain, Yann Dubois dari tim pasca-pelatihan OpenAI memberikan perspektif mikro: pertumbuhan kemampuan AI sebenarnya linier dan berkelanjutan, tetapi pengguna merasakan "kebergunaan" yang melompat secara diskrit. Ini karena adanya **"ambang keandalan"**. Sebelum mencapai ambang ini, AI hanyalah alat cerdas yang tidak dapat diandalkan sepenuhnya. Setelah melampauinya (sekitar Desember tahun lalu menurut Dubois), AI menjadi seperti karyawan yang dapat dipercaya untuk menangani pekerjaan nyata dan mulai mempercepat perkembangannya sendiri. **Akselerasi Mandiri dan Siklus Penguatan:** Ketika model menjadi cukup andal (misalnya, dalam pemrograman), mereka dapat digunakan untuk membantu peneliti mengembangkan alat dan bahkan melatih generasi model AI berikutnya, menciptakan loop akselerasi yang semakin cepat. Data Anthropic menunjukkan produktivitas kode per insinyur meningkat 8x pada Q2 2026 dibandingkan Q1 2024. **AI sebagai "Kerajinan" (Craft):** Dubois menegaskan bahwa membangun sistem AI yang andal lebih menyerupai kerajinan atau bahkan "alkimia" yang mengandalkan intuisi dan trial-and-error, daripada ilmu pengetahuan murni yang sistematis. Peningkatan keandalan seringkali dicapai dengan menekan "tingkat kesalahan per interval waktu" dalam sistem agen AI. **"Harness" Vertikal dan "Mil Terakhir":** Dubois berpendapat bahwa jika model saat ini "dibekukan" dan fokus dialihkan ke pengembangan *harness* (sistem orkestrasi) yang matang untuk domain spesifik, banyak bidang sudah dapat merasakan fungsi seperti AGI (Kecerdasan Buatan Umum). **Tantangan sebenarnya bukan pada kecerdasan model, tetapi pada "mil terakhir"**—yaitu mengintegrasikan AI dengan sistem yang ada, mengatur izin akses, konektor data, dan alur kerja bisnis tertentu. Inilah peluang besar bagi pengembang dan startup. **Tantangan Masa Depan: Pembelajaran Berkelanjutan (Continual Learning):** Meski memiliki titik awal yang tinggi, model AI saat ini kesulitan untuk terus belajar dan beradaptasi dari pengalaman spesifik di lingkungan barunya seperti manusia. Membentuk kurva pembelajaran AI yang terus naik, bukan mendatar, adalah salah satu masalah terpenting berikutnya.

marsbit06/06 23:27

Anthropic Memprediksi secara Global, OpenAI Telah Melampaui "Ambang Keandalan": Akselerasi Mandiri AI Telah Dimulai

marsbit06/06 23:27

Anthropic Berteriak Serigala (AGI) Datang, Untuk Manusia atau IPO?

Anthropic menerbitkan artikel berjudul "When AI builds itself" yang membahas konsep peningkatan diri secara rekursif (recursive self-improvement) pada AI, di mana AI mulai berpartisipasi dalam desain, pelatihan, dan pengoptimalan versi penerusnya sendiri. Data internal menunjukkan bahwa lebih dari 80% kode yang digabungkan ke basis kode Anthropic hingga Mei 2026 ditulis oleh Claude, dan produktivitas insinyur meningkat sekitar 8 kali lipat dibandingkan tahun 2024. Claude juga semakin mampu menangani tugas-tugas rekayasa yang kompleks dan terbuka, dengan tingkat keberhasilan mencapai 76% pada Mei 2026. Claude tidak hanya menulis kode, tetapi juga digunakan dalam tinjauan kode, penelitian keamanan AI, dan proses penelitian lainnya. Anthropic menyoroti bahwa Claude semakin mampu memberikan saran yang lebih baik daripada manusia dalam beberapa tahap penelitian. Perusahaan memetakan evolusi dari pekerjaan manusia murni hingga agen AI yang dapat menjalankan dan mendelegasikan tugas. Anthropic memperingatkan tentang potensi "loop tertutup" di mana AI dapat terus meningkatkan diri sendiri secara mandiri, dan menyerukan perlunya mekanisme koordinasi global untuk memperlambat atau menghentikan sementara pengembangan AI depan jika risikonya meningkat. Artikel ini muncul di tengah persiapan IPO Anthropic. Sementara menyampaikan peringatan keamanan, ia juga menekankan posisi teknologi unggulan Anthropic, menyarankan bahwa Claude bukan hanya produk, tetapi juga alat produksi kunci yang tertanam dalam proses pengembangan model. Ini menciptakan narasi "roda gila" untuk menarik investor. Perbandingan dibuat dengan OpenAI, yang baru-baru ini juga menyebutkan tanda-tanda awal peningkatan diri rekursif tetapi lebih fokus pada tata kelola, sedangkan Anthropic lebih menonjolkan kemampuan internal dan kemajuan Claude.

marsbit06/05 07:09

Anthropic Berteriak Serigala (AGI) Datang, Untuk Manusia atau IPO?

marsbit06/05 07:09

Khawatir AI Berevolusi Sendiri, Anthropic Berencana Menghentikan Pelatihan?

Pada Mei 2026, Jack Clark, salah satu pendiri Anthropic, memposting di media sosial X bahwa ada kemungkinan 60% perbaikan diri rekursif (RSI) pada AI akan terjadi sebelum akhir 2028. Postingan ini memicu respons cepat dari peneliti keamanan AI Eliezer Yudkowsky yang memperingatkan risiko besar. Pada Juni 2026, Anthropic merilis artikel berjudul "When AI builds itself" yang menyajikan data internal. Data menunjukkan lebih dari 80% kode yang digabungkan di Anthropic ditulis oleh Claude, dan produktivitas insinyur meningkat 8 kali lipat dibandingkan 2024. AI juga menunjukkan percepatan signifikan dalam tugas optimisasi dan semakin mendekati kemampuan penilaian manusia peneliti. Artikel tersebut menguraikan tiga skenario masa depan, dengan fokus pada kemungkinan "perbaikan diri rekursif penuh" di mana AI secara mandiri membangun sistem penerus yang lebih kuat. Namun, sebelumnya pada Februari 2026, Anthropic telah memodifikasi Kebijakan Perluasan yang Bertanggung Jawab (RSP), menghapus komitmen inti untuk menghentikan pelatihan jika kemampuan melampaui kontrol keamanan. Perubahan ini terjadi setelah tekanan dari Departemen Pertahanan AS dan sejalan dengan putaran pendanaan besar yang meningkatkan valuasi perusahaan menjadi $965 miliar. DeepMind CEO Demis Hassabis juga menyesuaikan pernyataannya, menyebut umat manusia berada di "pinggiran singularitas" dan menyatakan AGI mungkin datang pada 2029, yang ia akui sebagai "provokasi yang disengaja" untuk menciptakan rasa urgensi. Peneliti eksternal menawarkan interpretasi berbeda. Nathan Lambert memperkenalkan konsep "Perbaikan Diri yang Hilang" (LSI), menantang narasi akselerasi tak terbatas. Dean Ball berpendapat bahwa AI saat ini mengotomatiskan pekerjaan rutin, bukan tugas genius. Sementara itu, David Scott Krueger dan Jeff Clune memberikan pandangan yang bertentangan tentang seberapa dekat kita dengan RSI. Narasi akselerasi dari Anthropic dan DeepMind, yang bertepatan dengan aktivitas pendanaan dan penyesuaian kebijakan, menimbulkan pertanyaan apakah ini lebih merupakan refleksi titik balik teknologi atau strategi komunikasi yang ditujukan untuk pasar modal dan regulator. Sinyal yang dilepaskan mengandung ketegangan antara memperingatkan percepatan dan melemahkan komitmen penghentian, menunjukkan pertimbangan yang kompleks antara ketidakpastian teknologi, tekanan bisnis, dan tanggung jawab publik.

marsbit06/05 06:27

Khawatir AI Berevolusi Sendiri, Anthropic Berencana Menghentikan Pelatihan?

marsbit06/05 06:27

AI Tidak Mereplikasi Internet, Ia Sedang Mereplikasi Revolusi Industri

Dua dekade terakhir, aset paling berharga di internet adalah perhatian pengguna dan ruang iklan. Namun, AI tidak mereplikasi logika internet ini. Sinyal baru muncul: sementara produk AI konsumen (seperti ChatGPT) mengalami stagnasi pertumbuhan dan rendahnya tingkat konversi berbayar (di bawah 5%), bisnis AI perusahaan justru meledak. Contohnya, pendapatan tahunan Anthropic melonjak dari $9 miliar menjadi $45 miliar dalam 5 bulan (Jan-Mei 2026), terutama dari API perusahaan dan deployment agen seperti Claude Code. Intinya, fokus komersialisasi AI beralih dari melayani konsumen ke mengganti biaya tenaga kerja perusahaan. Di sisi konsumen, AI menghadapi tantangan: sulit merebut waktu hiburan, persaingan homogen, biaya migrasi rendah, dan kurangnya efek jaringan. Pengguna enggan membayar untuk peningkatan kemampuan marjinal. Sebaliknya, pasar perusahaan berkembang pesat karena logika ROI yang jelas. Bisnis membayar untuk AI yang dapat menggantikan alur kerja dan fungsi pekerjaan (misalnya, agen pengkodean menggantikan ratusan programmer junior), menghemat lebih banyak biaya gaji daripada biaya AI itu sendiri. Penghematan ini memberikan ROI 3-10x. Integrasi yang dalam menciptakan biaya peralihan yang tinggi, dan bisnis bersedia membayar premium untuk stabilitas dan kualitas. AI berevolusi dari alat digital menjadi tenaga kerja digital, bertindak sebagai pelaku produktif, bukan hanya alat bantu. Pola ini meniru esensi Revolusi Industri, di mana mesin uap menggantikan tenaga fisik. Sekarang, AI menggantikan tenaga mental. Nilai pasar potensialnya jauh lebih besar daripada internet karena menyasar pool biaya tenaga kerja global yang bernilai triliunan dolar, bukan hanya arus perhatian. Kesimpulannya, era internet menghasilkan uang dari lalu lintas, era AI menghasilkan uang dari penggantian biaya gaji. AI tidak mereplikasi internet; ia mereplikasi Revolusi Industri.

marsbit05/29 10:26

AI Tidak Mereplikasi Internet, Ia Sedang Mereplikasi Revolusi Industri

marsbit05/29 10:26

Li Kaifu dan Wang Xiaochuan Berbalik Arah, Babak Pertama Bisnis Model Besar Berakhir

Perubahan baru-baru ini pada Li Kaifu dan Wang Xiaochuan menandai pergeseran penting dalam lanskap startup AI China. Li Kaifu, melalui perusahaan Zero One Things, kini beralih fokus dari mengejar AGI dan model umum ke aplikasi, agen AI, dan komersialisasi. Target baru mereka adalah menjadi perusahaan AI 2.0 pertama yang profitable di China pada 2026, dengan pesanan kumulatif mencapai lebih dari 15 miliar yuan. Sementara itu, Wang Xiaochuan dengan Baichuan AI mengalihkan sumber daya inti ke bidang vertikal seperti kesehatan, meluncurkan model medis M4 dan produk dokter keluarga AI. Langkah ini adalah penyesuaian strategis setelah menyadari kesenjangan dengan model dasar AS dan berakhirnya红利 pelatihan awal. Industri model besar China memasuki fase baru. Berbeda dengan awal "Perang Ratusan Model" 2023 yang penuh idealisme, kini terlihat bahwa persaingan ini lebih mirip "perang industri berat" yang ditentukan oleh GPU, daya komputasi, data, modal, dan biaya inferensi. Investasi raksasa teknologi AS (lebih dari $7250 miliar pada 2026) dan perusahaan China seperti ByteDance dan Alibaba menciptakan tekanan besar pada startup. Dari enam startup unggulan awal ("AI Six Tigers"), kini mereka menempuh jalur berbeda: beberapa seperti Zhipu dan MiniMax telah IPO dengan fokus pada model umum; Baichuan dan Zero One beralih ke vertikal/spesialisasi; DeepSeek mengambil jalur open-source. Perubahan ini mencerminkan kematangan industri. China mulai menerima bahwa keunggulannya terletak pada penerapan, skenario, kemampuan rekayasa, dan kecepatan komersialisasi—bukan pada model dasar. Pergeseran dari mengejar "model terkuat" ke "nilai komersial nyata" menandai berakhirnya fase idealisme dan awal babak baru yang lebih realistis dalam bisnis AI China.

marsbit05/29 01:34

Li Kaifu dan Wang Xiaochuan Berbalik Arah, Babak Pertama Bisnis Model Besar Berakhir

marsbit05/29 01:34

Model Raksasa Menyapu Bersih Semua Ujian, Tapi Justru Jauh dari AGI: Apa yang Dibongkar Makalah Ini?

Teks ini membahas perdebatan definisi AGI (Kecerdasan Buatan Umum) yang belum memiliki standar pengukuran yang diterima secara universal. Berbagai pihak, seperti OpenAI, Microsoft, dan para CEO, memiliki tolok ukur dan ramalan waktu yang berbeda-beda. Sebuah makalah oleh Michael Timothy Bennett dari Australian National University menawarkan definisi baru AGI sebagai "ilmuwan buatan"—yaitu, sistem yang mampu beradaptasi secara luas, efisien, dan ilmiah di bawah kendala sumber daya terbatas (komputasi, memori, energi) seperti layaknya ilmuwan manusia. Penulis mengkritik standar lama seperti Tes Turing dan uji benchmark manusia karena telah "dikuasai" oleh model bahasa besar (LLM) tanpa mendekatkan kita pada kecerdasan umum yang sesungguhnya. LLM saat ini dinilai hanya melakukan "aproksimasi maksimalisasi skala", menyimpan jawaban perkiraan untuk berbagai tugas dalam bobot jaringannya, namun gagal pada masalah di luar distribusi data pelatihan dan tidak memiliki kemampuan aktif seperti merancang eksperimen atau memahami hubungan sebab-akibat. Teks ini merinci tiga kemampuan kunci AGI sejati menurut kerangka "ilmuwan buatan": 1. Dari "boneka pasif" menjadi "peneliti aktif": Mampu merencanakan eksperimen secara mandiri untuk memperoleh informasi. 2. Dari "tahu apa" menjadi "tahu mengapa": Memiliki pemahaman kausal, bukan hanya korelasi. 3. Menyeimbangkan "eksplorasi" dan "eksploitasi": Mengalokasikan sumber daya komputasi secara dinamis di bawah kendala. Tiga pendekatan metodologis dalam membangun sistem cerdas dianalisis: *Scale-maxing* (pendekatan LLM saat ini yang menumpuk parameter dan data), *Simp-maxing* (maksimalkan kesederhanaan model), dan *W-maxing* (melemahkan batasan fungsional agar sistem menemukan solusi optimal sendiri). Kesimpulannya, AGI tidak akan tercapai hanya melalui satu pendekatan (seperti *Scaling Law*), tetapi memerlukan konvergensi berbagai metode. Jika definisi baru ini diterima, akan terjadi pergeseran paradigma dalam industri AI. Standar evaluasi akan bergeser dari peringkat ujian manusia ke "benchmark adaptasi" yang menguji kemampuan menemukan pengetahuan baru dalam lingkungan yang tidak dikenal.

marsbit05/28 00:27

Model Raksasa Menyapu Bersih Semua Ujian, Tapi Justru Jauh dari AGI: Apa yang Dibongkar Makalah Ini?

marsbit05/28 00:27

Dari Meja Makan Siang Hingga Alam Semesta Tanpa Batas, Li Fei-fei Bertaruh pada Dimensi Berikutnya AI

**Judul: Dari Meja Makan hingga Alam Semesta Tak Terbatas, Li Fei-Fei Bertaruh pada Dimensi Baru AI** Dalam beberapa wawancara kunci, profesor Stanford dan pendiri World Labs, Li Fei-Fei, menekankan bahwa Kecerdasan Spasial (Spatial Intelligence) adalah batas berikutnya untuk AI. Ia berpendapat bahwa kecerdasan bahasa, yang dominan saat ini, pada dasarnya adalah cara yang "mengalami kehilangan informasi" untuk memahami dunia. Untuk benar-benar "mengerti" dan berinteraksi dengan dunia fisik 3D/4D, AI memerlukan model dunia yang mampu memahami, bernalar, dan bernavigasi dalam ruang. Li Fei-Fei menggambarkan model ini dengan alegori gua Plato: model bahasa dan video saat ini hanyalah bayangan 2D di dinding, sementara kecerdasan spasial bertujuan untuk menciptakan dan bernalar tentang dunia 3D nyata di belakang bayangan tersebut. Produk pertama World Labs, Marble, adalah model yang menerima teks, gambar, atau video dan menghasilkan dunia 3D yang dapat dinavigasi dan berinteraksi, berbeda dari model pembuat video seperti Sora. Meskipun skalanya jauh lebih kecil dari model bahasa besar seperti GPT-5, Marble telah menunjukkan aplikasi praktis dalam pengembangan game, produksi film virtual (mempercepat proses hingga 40 kali), pelatihan robotika, desain interior, dan bahkan terapi untuk kondisi seperti OCD dan fobia ketinggian. Li Fei-Fei melihat potensi besar untuk menciptakan "alam semesta tak terbatas" secara digital, membuka kemungkinan baru untuk kreativitas, sosialisasi, dan lebih banyak lagi. Ia menekankan bahwa perjalanan ini akan memakan waktu, mengingat kompleksitas data 3D dan arsitektur model, tetapi akan sangat mendasar. Di tengah diskusi tentang AI, ia menyerukan pendekatan yang bertanggung jawab, menghindari utopianisme atau narasi kiamat. Visinya adalah AI yang pada akhirnya membuat peradaban lebih baik, memperkuat martabat, otonomi, dan kesejahteraan manusia. Perjalanan AI menuju kecerdasan spasial, menurutnya, adalah upaya untuk mempercepat kembali evolusi yang membutuhkan 540 juta tahun bagi kehidupan di Bumi.

marsbit05/27 00:17

Dari Meja Makan Siang Hingga Alam Semesta Tanpa Batas, Li Fei-fei Bertaruh pada Dimensi Berikutnya AI

marsbit05/27 00:17

活动图片