# Artikel Terkait Algoritma

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

Tiga Alat Kecerdasan Buatan Memprediksi Harga XRP pada 1 Agustus

Selama Juli, ketika Bitcoin kehilangan nilainya, XRP juga tidak berkinerja baik. Saat ini, token diperdagangkan di sekitar $1,1. Untuk memprediksi pergerakan harga selanjutnya, Happy Coin News meminta ramalan dari tiga agen analitis AI yang berbeda. 1. **CoinCodex:** AI ini, yang sensitif terhadap pola historis, memprediksi skenario optimis. Rata-rata harga XRP pada Agustus 2026 diperkirakan mencapai $1,52, dengan level terendah tidak jatuh di bawah $1,21, mengisyaratkan aliran likuiditas baru dan sentimen bullish. 2. **Changelly:** Algoritme yang lebih konservatif ini memperkirakan rata-rata harga Agustus di $1,18, dengan puncak maksimum tidak melebihi $1,21. Ini menunjukkan fase konsolidasi tanpa terobosan agresif. 3. **DigitalCoinPrice:** AI yang paling berhati-hati ini, dengan analisis indikator makroekonomi dan volume perdagangan, memprediksi volatilitas rendah. Rata-rata harga diperkirakan terkonsolidasi di $1,11, dengan level tertinggi juga di $1,11. Kesimpulannya, meskipun memiliki kekuatan komputasi, ketiga AI memberikan pandangan yang berbeda: satu memprediksi pertumbuhan kuat, satu mengharapkan kenaikan kecil, dan satu lainnya memprediksi harga akan stagnan. Ini mengingatkan bahwa tidak ada algoritme yang memberikan jaminan 100%. Penting untuk selalu melakukan penelitian mandiri dan menyadari risikonya.

cryptonews.ru2 hari yang lalu 16:43

Tiga Alat Kecerdasan Buatan Memprediksi Harga XRP pada 1 Agustus

cryptonews.ru2 hari yang lalu 16:43

Matematikawan AI Tsinghua Hadir, Meneruskan Ide Menjadi Teorema, Berpartisipasi Menyelesaikan Makalah Algoritma Kuantum 84 Halaman

Sistem AI Matematikawan dari Universitas Tsinghua, AIM (AI Mathematician), telah melampaui peran tradisionalnya dalam menyelesaikan soal-soal matematika. Kali ini, AIM terlibat secara mendalam dalam proses penelitian dari awal, membantu para peneliti dalam mengeksplorasi ide, mengorganisir teorema, dan merancang naskah bukti untuk sebuah makalah algoritma kuantum berjumlah 84 halaman. Penelitian yang berjudul "Sign Embedding Quantum Algorithms for Matrix Equations and Matrix Functions" ini dimulai dari sebuah intuisi awal peneliti manusia tentang pendekatan rasional (*rational approximation*). AI berperan dalam mengembangkan ide tersebut menjadi berbagai calon arah penelitian. Peneliti manusia kemudian memilih dan memfokuskan pada jalur "Sign-Embedding". Selanjutnya, AIM membantu mengorganisir jalur yang dipilih menjadi target teorema yang dapat diaudit dan materi derivasi. Alur kerja kolaboratif manusia-AI ini terdiri dari lima tahap kunci: (1) Ekspansi jalur yang divergen oleh AI, (2) Penyaringan berdasarkan nilai dan kelayakan oleh manusia, (3) Pembentukan teorema dan derivasi dengan bantuan AIM, (4) Audit dan perbaikan kompleksitas, serta (5) Verifikasi dan integrasi akhir oleh peneliti manusia. Hasil teknisnya adalah proposal "Sign Embedding Quantum Algorithms" untuk menyelesaikan persamaan matriks (seperti Sylvester, Lyapunov) dan fungsi matriks. Algoritma ini menawarkan kerangka kerja yang terpadu untuk berbagai masalah tersebut. Studi kasus ini menunjukkan pergeseran kemampuan AI matematika dari sekadar "menyelesaikan soal" menuju "membantu penelitian". Peran AI adalah meningkatkan efisiensi eksplorasi dan derivasi, sementara peneliti manusia tetap memegang kendali penuh atas penilaian nilai penelitian, kelayakan asumsi, dan audit akhir. Pendekatan kolaboratif ini membuka kemungkinan baru untuk memperluas cakrawala dan meningkatkan produktivitas dalam penelitian teoretis.

marsbit07/10 02:56

Matematikawan AI Tsinghua Hadir, Meneruskan Ide Menjadi Teorema, Berpartisipasi Menyelesaikan Makalah Algoritma Kuantum 84 Halaman

marsbit07/10 02:56

IOSG: Hitung Mundur Q-Day, Akankah Komputasi Kuantum Mengakhiri Mata Uang Kripto?

"Kripto vs. Komputasi Kuantum: Skenario dan Langkah Antisipasi" Komputasi kuantum merupakan ancaman sistematis terhadap kriptografi kunci publik yang menjadi dasar blockchain. Algoritma Shor berpotensi memecah enkripsi berbasis kurva elips (ECC/RSA) yang melindungi aset kripto. Titik kritis (Q-Day), saat komputer kuantum toleran kesalahan (CRQC) dapat melakukan serangan praktis, diperkirakan antara 2030-2045. Ini menciptakan "utang keamanan" yang harus diselesaikan. Risiko terbesar ada pada aset dengan kunci publik yang sudah terekspos di rantai (misal, beberapa UTXO Bitcoin awal atau alamat yang telah digunakan). Algoritma kuantum lain, Grover, hanya mengurangi margin keamanan hash secara gradual, sehingga tidak separah ancaman Shor. Solusinya terletak pada migrasi ke Kriptografi Pasca-Kuantum (PQC) seperti algoritma berbasis kisi (ML-DSA) atau berbasis hash (SLH-DSA). Tantangan utamanya bukan teknis semata, melainkan koordinasi ekosistem dan konsensus sosial. - **Bitcoin**: Risiko tertinggi pada UTXO warisan. Migrasi memerlukan soft-fork, tetapi terkendala oleh pembengkakan ukuran tanda tangan PQC (hingga 49KB) dan dilema tata kelola: membiarkan aset warisan terekspos atau memaksa pembekuan yang melanggar prinsip "tidak dapat diubah". - **Ethereum**: Mengembangkan "ketangkasan kriptografi" melalui jalur paralel: akun abstrak untuk pengguna, mengganti tanda tangan konsensus BLS dengan leanXMSS, dan merekonstruksi lapisan data. Lapisan-2 (L2) menjadi lahan uji coba. Jalur lain termasuk blockchain native-PQC seperti QRL. Namun, ekosistem utama (BTC/ETH) menghadapi kompleksitas migrasi menyeluruh yang memerlukan koordinasi node, dompet, bursa, dan penyimpanan aset. Kesimpulannya, komputasi kuantum bukan akhir dari kripto, tetapi ujian berat. Jendela waktu untuk migrasi terkoordinasi diperkirakan 5-8 tahun. Kegagalan mencapai konsensus dapat memicu krisis kepercayaan dan penilaian ulang risiko aset blockchain sebelum Q-Day benar-benar tiba.

marsbit07/07 08:46

IOSG: Hitung Mundur Q-Day, Akankah Komputasi Kuantum Mengakhiri Mata Uang Kripto?

marsbit07/07 08:46

Menghitung Mundur Q-Day: Akankah Komputasi Kuantum Mengakhiri Mata Uang Kripto?

**Ringkasan: Ancaman Komputasi Kuantum terhadap Dunia Kripto dan Upaya Menghadapinya** Komputasi kuantum, yang diwakili oleh algoritme seperti Shor, berpotensi meruntuhkan fondasi kriptografi kunci publik (seperti ECC dan RSA) yang menjadi tulang punggung blockchain dan cryptocurrency. Momen ketika hal ini menjadi kenyataan dikenal sebagai "Q-Day", diprediksi terjadi sekitar tahun 2035–2045. Menggunakan ketidaksetaraan Mosca (X + Y > Z), terlihat bahwa proses migrasi ke sistem tahan-kuantum harus dimulai sekarang, mengingat data sensitif hari ini dapat dikumpukan dan dipecahkan di masa depan. Solusi praktis yang sedang dikembangkan adalah **Kriptografi Pasca-Kuantum (PQC)**, yaitu algoritme yang berjalan di komputer klasik namun tahan terhadap serangan kuantum. NIST telah menstandarisasi algoritme inti seperti ML-KEM, ML-DSA, dan SLH-DSA. Strategi migrasi melibatkan **penerapan hybrid** (menggabungkan algoritme lama dan baru) dan meningkatkan **kelincahan kriptografi** sistem. **Dampak pada Blockchain** bersifat sistemik. Bitcoin menghadapi risiko tinggi pada aset di alamat lama yang kunci publiknya sudah terpapar di chain, serta tantangan teknis (seperti pembengkakan ukuran tanda tangan) dan **tantangan politik** yang kompleks terkait bagaimana menangani aset warisan (legacy) yang tidak bermigrasi. Ethereum, dengan strategi "Lean", berencana melakukan migrasi bertahap di seluruh lapisan (eksekusi, konsensus, data) dengan memanfaatkan **abstraksi akun** dan **lapisan-2** sebagai tempat uji coba. Kesimpulannya, komputasi kuantum bukanlah "hari kiamat" bagi cryptocurrency, melainkan **ujian tekanan ekstrem** yang memaksa seluruh ekosistem untuk bermigrasi. Bitcoin diuji pada konsensus sosial dan tata kelola propertinya, sementara Ethereum diuji pada kompleksitas rekayasa seluruh tumpukan teknologinya. Jendela waktu untuk melakukan transisi yang terkoordinasi dengan baik diperkirakan hanya tersisa **5-8 tahun**, sehingga persiapan dan aksi kolaboratif dari seluruh pemangku kepentingan (pengembang, bursa, dompet, dan pengguna) sangat mendesak.

marsbit07/06 15:24

Menghitung Mundur Q-Day: Akankah Komputasi Kuantum Mengakhiri Mata Uang Kripto?

marsbit07/06 15:24

Usai Rebut Pemenang Nobel, Kini Genggam Kepala CS Berkeley, Anthropic Rekrut Empat Orang dalam Dua Pekan

Jelani Nelson, Ketua Departemen Ilmu Komputer di UC Berkeley EECS dan ahli teori ilmu komputer, mengumumkan pada 1 Juli bahwa ia telah bergabung dengan Anthropic dengan status cuti dari universitas. Dalam dua minggu terakhir, Anthropic telah merekrut empat talenta terkemuka: pemenang Nobel Kimia 2024 John Jumper (dari DeepMind), dua peneliti inti Gemini (Jonas Adler dan Alexander Pritzel), dan sekarang Jelani Nelson. Rekrutmen ini mencerminkan pergeseran fokus persaingan AI dari sekadar menambah skala model ke fondasi teoretis algoritmik yang lebih efisien. Penelitian utama Nelson berkisar pada algoritma streaming, reduksi dimensionalitas, dan algoritma acak, yang intinya adalah memproses data besar dengan memori dan komputasi minimal. Keahlian ini sangat relevan dengan tantangan efisiensi pelatihan, kompresi data, dan kompleksitas komputasi dalam model AI besar. Dengan bergabungnya para ahli teori seperti Nelson, Anthropic memperdalam landasan teoretisnya di tengah perlombaan untuk mengoptimalkan sumber daya komputasi yang terbatas. Tren "cuti" untuk bergabung dengan perusahaan AI, alih-alih mengundurkan diri permanen dari akademisi, semakin umum. Model ini memberi jaminan bagi para akademisi dan akses bagi perusahaan ke jaringan serta keahlian mendalam. Gelombang perpindahan talenta puncak ini juga didorong oleh prospek IPO perusahaan AI seperti OpenAI dan Anthropic, yang menawarkan insentif ekuitas yang menarik. Universitas-universitas top seperti Berkeley, dengan kekuatan teoretis dan riset AI-nya, menjadi sumber daya utama dalam perebutan talenta ini, memicu pertanyaan tentang masa depan peran institusi akademik jika para peneliti terbaiknya terus beralih ke industri.

marsbit07/02 09:06

Usai Rebut Pemenang Nobel, Kini Genggam Kepala CS Berkeley, Anthropic Rekrut Empat Orang dalam Dua Pekan

marsbit07/02 09:06

Makalah Planck Ditarik? Bapak Pendiri Kuantum Tersandung Algoritma

Artikel baru-baru ini mengungkap bahwa dua tulisan Max Planck, perintis teori kuantum dan pemenang Nobel Fisika 1918, yang diterbitkan pada 1940 dan 1942, secara keliru ditandai sebagai "retracted" (ditarik kembali) dalam platform digital Springer. Menurut investigasi, penarikan ini bukan disebabkan oleh penipuan atau kesalahan ilmiah, melainkan oleh "kerusakan algoritma." Kedua artikel tersebut, yang membahas refleksi filosofis tentang ilmu pengetahuan, diterbitkan di jurnal Jerman *Die Naturwissenschaften*. Pada masa itu, praktik seperti menerbitkan kembali pidato di beberapa saluran (jurnal, pamflet, kumpulan esai) adalah bagian normal dari penyebaran gagasan ilmiah. Namun, sistem digital modern mengidentifikasi praktik historis ini sebagai "penerbitan ulang" atau "pelanggaran hak cipta," yang dianggap melanggar norma penerbitan saat ini. Lebih memprihatinkan, platform Springer tidak hanya memberi label "retracted," tetapi juga mengganti teks asli artikel dengan halaman kosong, menghilangkan akses ke konten aslinya. Hal ini menunjukkan masalah yang lebih dalam: infrastruktur penerbitan akademik digital dapat secara keliru menerapkan standar kontemporer pada karya historis, sehingga mengaburkan dan bahkan menghapus warisan ilmiah masa lalu. Kasus ini menjadi peringatan penting di era AI. Basis data digital, yang sering dianggap sebagai cermin netral dari pengetahuan, sebenarnya dibentuk oleh logika platform, asumsi hukum, dan aturan komersial. Kesalahan metadata seperti ini dapat diperkuat oleh model AI, mesin pencari, dan alat akademik di masa depan, yang pada akhirnya mengancam keakuratan dan aksesibilitas memori ilmiah.

marsbit06/30 12:46

Makalah Planck Ditarik? Bapak Pendiri Kuantum Tersandung Algoritma

marsbit06/30 12:46

12,9 Juta Peserta Ujian: Musim Panas Pertama di mana Nasib Diserahkan pada AI

Ujian masuk perguruan tinggi tahun 2026 menandai pertama kalinya AI berskala besar terlibat dalam skenario pengambilan keputusan hidup warga Tiongkok, khususnya dalam pengisian formulir pilihan jurusan untuk 12,9 juta peserta ujian. Sebelumnya, bisnis konsultasi pilihan jurusan merupakan industri besar yang dibangun di atas *information gap* (kesenjangan informasi), dengan harga layanan konsultasi personal mencapai puluhan ribu yuan. Kini, hampir semua produk AI utama, seperti Alibaba's Qianwen, Tencent's Yuanbao, Baidu, dan Doubao, menawarkan *agent* atau fitur serupa untuk analisis dan rekomendasi pilihan jurusan secara gratis. Mereka mengolah data standar seperti nilai, peringkat, nilai batas penerimaan tahun-tahun sebelumnya, serta preferensi pribadi, untuk menghasilkan laporan dan skema pilihan "serang, aman, jaga" dalam hitungan detik. Intervensi AI ini menciptakan kemungkinan baru untuk pemerataan informasi (*information equality*). Bagi banyak keluarga, terutama di daerah pedesaan atau kota kecil yang kurang memiliki akses sumber daya, AI memberikan panduan dasar yang sebelumnya tak terjangkau. Kualitas analisisnya relatif sama, terlepas dari latar belakang pengguna. Ini adalah momen paling dekat dengan pemerataan informasi dalam sistem pendidikan Tiongkok dalam bertahun-tahun. Namun, di balik efisiensi dan rasionalitasnya, muncul pertanyaan mendalam. Rekomendasi AI cenderung utilitarian, berfokus pada rasio hasil-investasi, tingkat pekerjaan, dan gaji rata-rata, sehingga berpotensi meredam keberagaman pilihan dan gairah individu. AI dapat membantu menghindari kesalahan teknis dalam formulir, tetapi tidak dapat menggantikan kebingungan dalam perjalanan hidup panjang atau kebebasan untuk membuat pilihan yang mungkin "keliru". Tahun 2026 mungkin akan dikenang sebagai tahun di mana AI mulai memengaruhi pilihan hidup orang biasa di Tiongkok. Saat kesenjangan informasi mulai terkikis, tantangan sesungguhnya adalah apakah kita masih mau dan mampu mempertanggungjawabkan pilihan kita sendiri di era algoritma yang semakin cerdas ini.

marsbit06/11 00:52

12,9 Juta Peserta Ujian: Musim Panas Pertama di mana Nasib Diserahkan pada AI

marsbit06/11 00:52

Ancaman Kuantum Sudah Dekat—Stellar Mengungkap Strategi Pertahanannya

Ancaman komputer kuantum yang dapat memecahkan kriptografi kunci publik saat ini mendorong Stellar Development Foundation merilis Rencana Kesiapan Kuantum. Targetnya, seluruh jaringan Stellar akan bermigrasi ke kriptografi tahan kuantum paling lambat akhir 2027. Risiko utama adalah potensi peretasan kunci privat dari kunci publik yang terekspos, yang dapat mengakibatkan pengambilalihan akun. Tantangan terberat adalah menangani ribuan akun tidak aktif (dorman) yang mungkin tidak dapat dipulihkan. Keunggulan Stellar terletak pada desainnya yang memisahkan alamat akun dari kunci penandatanganan. Hal ini memungkinkan pengguna menambahkan penandatangan tahan kuantum baru ke akun yang ada tanpa harus memindahkan aset atau mengubah alamat, berbeda dengan kebanyakan blockchain lain. Migrasi akan dilakukan bertahap: dimulai dengan kontrak pintar Soroban pada 2026, diikuti akun klasik pada 2027. Penghapusan standar kriptografi lama (Ed25519) akan menunggu perkembangan teknologi kuantum dan kesiapan ekosistem. Namun, sistem bukti tanpa pengetahuan (zero-knowledge proof) di jaringan masih memerlukan penelitian lebih lanjut untuk mengatasi kerentanan kuantum.

bitcoinist06/10 18:03

Ancaman Kuantum Sudah Dekat—Stellar Mengungkap Strategi Pertahanannya

bitcoinist06/10 18:03

Penerima Turing Award Sutton Karya Baru: Selesaikan Kelemahan Besar Pembelajaran Penguatan Streaming dengan Formula 1967

Sebuah makalah baru oleh Arsalan Sharifnassab dkk. (termasuk pemenang Turing Award Richard Sutton) mengatasi "rintangan aliran" (*stream barrier*) dalam pembelajaran penguatan (*reinforcement learning*) secara mendalam. Masalahnya adalah ketidakmampuan belajar "langkah demi langkah" (*online/streaming*) dengan ukuran *batch*=1 dan tanpa *buffer replay*. Alasannya adalah langkah pembelajaran (*step-size*) tradisional hanya mengontrol seberapa besar parameter bergerak, bukan perubahan pada keluaran fungsi, sehingga menyebabkan pembaruan yang tidak stabil. Solusinya disebut **"Intentional Updates" (Pembaruan Berdasarkan Niat)**, sebuah ide yang meluas dari algoritma NLMS tahun 1967. Alih-alih menetapkan ukuran langkah untuk parameter, metode ini menetapkan **"niat"** untuk mengubah *output* fungsi—seperti memperkecil kesalahan prediksi nilai sebesar 5%—lalu menghitung mundur ukuran langkah yang diperlukan. Ini menghasilkan algoritma seperti Intentional TD, Intentional Q, dan Intentional Policy Gradient. Dalam eksperimen, metode ini mencocokkan kinerja algoritma canggih seperti SAC (dalam kontrol berkelanjutan) dan DQN (pada permainan Atari) dalam pengaturan *streaming*, dengan komputasi yang jauh lebih ringan (1/140 FLOP SAC) dan tanpa banyak penyesuaian hiperparameter. Kerangka kerja ini lebih tangguh dan mengurangi ketergantungan pada trik stabilisasi, meskipun ada masalah bias yang perlu ditangani dalam pembelajaran kebijakan. Pendekatan ini membuka jalan untuk sistem AI yang dapat belajar terus-menerus dan beradaptasi secara *online* seperti manusia, cocok untuk robotika dan perangkat *edge* dengan sumber daya terbatas.

marsbit05/10 06:38

Penerima Turing Award Sutton Karya Baru: Selesaikan Kelemahan Besar Pembelajaran Penguatan Streaming dengan Formula 1967

marsbit05/10 06:38

Dari Teori ke Hitung Mundur: Google Gunakan Bukti Pengetahuan Nol untuk Membunyikan Alarm Kuantum Blockchain

Studi terbaru Google tentang komputer kuantum dan algoritma Shor memicu peringatan serius bagi keamanan blockchain. Penelitian ini berhasil mengurangi kebutuhan qubit logis dari 6.000 menjadi hanya 1.200 untuk memecahkan enkripsi kurva eliptis 256-bit, memotong biaya komputasi hingga 20 kali lipat. Google memprediksi tahun 2029 sebagai batas waktu untuk mengupgrade sistem kriptografi sebelum serangan kuantum menjadi ancaman nyata. Blockchain seperti Bitcoin dan Ethereum sangat rentan: 25-35% alamat Bitcoin telah mengekspos kunci publik, sementara Ethereum secara otomatis membocorkan kunci publik saat transaksi pertama. Tanpa upgrade, seluruh jaringan bisa lumpuh karena transaksi dapat diserang dalam 10 menit di mempool. Solusinya terletak pada adoppsi kriptografi pascakuantum (PQC). Ethereum sudah mempersiapkan abstraksi akun dan algoritma PQC, sementara Bitcoin mengusulkan BIP-360 dengan algoritma seperti FALCON. Tantangan terbesar adalah konsensus komunitas, terutama di Bitcoin. Menariknya, Google menggunakan zero-knowledge proof untuk mengungkap ancaman ini secara bertahap, dan melibatkan peneliti Ethereum dalam timnya. Upgrade anti-kuantum mungkin akan menjadi narasi utama di dunia crypto dalam waktu dekat.

marsbit04/16 06:41

Dari Teori ke Hitung Mundur: Google Gunakan Bukti Pengetahuan Nol untuk Membunyikan Alarm Kuantum Blockchain

marsbit04/16 06:41

活动图片

Kategori Populerright-arrow

Tag Populerright-arrow

Berita Industriright-arrow