# Artikel Terkait Bermimpi

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

Dwarkesh Patel: Generasi AI Berikutnya Mungkin Lahir dari Bekerja Nyata

Dwarkesh Patel, host podcast teknologi populer Silicon Valley, mengangkat pertanyaan tentang paradigma pelatihan AI masa depan. Ia menyoroti konsep **RLVR** (Reinforcement Learning with Verifiable Rewards) yang saat ini banyak digunakan untuk melatih AI dalam tugas seperti koding dan matematika, di mana hasilnya dapat diverifikasi dan lingkungannya mudah diduplikasi untuk pelatihan paralel. Namun, Patel mempertanyakan apakah pendekatan ini cukup untuk tugas dunia nyata yang lebih kompleks seperti memulai bisnis, memenangkan kasus hukum, atau manajemen organisasi. Tugas-tugas ini seringkali tidak dapat direplikasi, memiliki umpan balik lambat, dan berada dalam lingkungan yang terus berubah. Ia menekankan perlunya AI untuk **belajar dari pengalaman dunia nyata** dan mengonsolidasikan pembelajaran tersebut ke dalam bobot modelnya, bukan hanya mengandalkan adaptasi sementara dalam konteks. Dua arah yang diusulkan adalah: 1. **On-Policy Self-Distillation (OPSD)**: Mendistilasi pengetahuan yang diperoleh AI dari tugas panjang dan pengalaman nyata kembali ke model dasar. 2. **Dreaming**: AI membuat simulasi lingkungan berdasarkan pengamatan dunia nyata untuk berlatih dan menguji strategi, kemudian memadatkan pelajaran dari simulasi tersebut. Paradigma baru ini mengarah pada AI yang tidak hanya dilatih sebelum dirilis, tetapi terus **belajar setelah penyebaran** melalui interaksi dan penyelesaian tugas nyata. Kemajuan AI masa depan mungkin akan sangat bergantung pada kemampuan untuk mengubah pengalaman lapangan menjadi peningkatan kemampuan yang berkelanjutan.

marsbit06/28 23:52

Dwarkesh Patel: Generasi AI Berikutnya Mungkin Lahir dari Bekerja Nyata

marsbit06/28 23:52

Fitur 'Bermimpi' ChatGPT Ini, Saya Harap Semua AI Menirunya

ChatGPT kini memiliki sistem memori baru berbasis teknologi "Dreaming" yang memungkinkannya secara otomatis mengumpulkan dan mengatur preferensi, proyek, rencana perjalanan, serta detail kehidupan pengguna dari percakapan jangka panjang. Sistem ini dapat menilai informasi mana yang masih relevan dan mana yang sudah kedaluwarsa, memberikan respons yang lebih personal dan kontekstual. Dibandingkan dengan sistem memori sebelumnya yang hanya menyimpan informasi secara statis, Dreaming V3 menunjukkan peningkatan signifikan: tingkat keberhasilan mengingat fakta mencapai 82,8%, mengikuti preferensi 71,3%, dan mempertahankan keakuratan seiring waktu 75,1%. Pengguna dapat melihat dan mengedit "Ringkasan Memori" yang dihasilkan otomatis, serta mengontrol prioritas atau menghapus memori. Sistem ini juga menampilkan sumber memori yang digunakan dalam respons. OpenAI telah mengurangi sumber daya komputasi Dreaming hingga 5 kali lipat, sehingga mulai tersedia untuk pengguna Free dengan kualitas terbatas, selain untuk pengguna berlangganan. Fitur ini menandai langkah ChatGPT dari sekadar model percakapan menjadi asisten pribadi yang memahami kontek dan evolusi kebutuhan pengguna, sekaligus menimbulkan pertanyaan tentang hubungan antara pengguna dan AI yang semakin mendalam.

marsbit06/08 00:23

Fitur 'Bermimpi' ChatGPT Ini, Saya Harap Semua AI Menirunya

marsbit06/08 00:23

Claude-mu Akan Bermalam Ini, Jangan Ganggu Ia

Anthropic memperkenalkan fitur "Dreaming" (Bermimpi) pada platform Managed Agents, yang memungkinkan AI Agent secara otomatis menganalisis dan mengoptimalkan log dari sesi tugas sebelumnya saat tidak aktif. Proses ini mirip dengan konsolidasi memori dalam tidur manusia, di mana AI menyaring informasi penting dari riwayat operasinya (seperti pola keberhasilan atau kegagalan) untuk meningkatkan kinerja di masa depan. Fitur serupa juga dikembangkan oleh Hermes Agent dan OpenClaw, yang menggunakan mekanisme "mimpi" untuk menyempurnakan keterampilan dan memori jangka panjang AI. Artikel ini mengeksplorasi bagaimana istilah-istilah manusia seperti "berpikir", "ingatan", dan kini "bermimpi" semakin banyak diterapkan pada teknologi AI. Penggunaan bahasa ini tidak hanya bersifat metaforis tetapi juga membentuk persepsi pengguna tentang AI sebagai entitas yang lebih hidup dan mandiri. Namun, secara teknis, "Dreaming" pada AI adalah proses pengolahan data offline yang bertujuan untuk efisiensi dan pembelajaran mandiri, berbeda dengan mimpi manusia yang melibatkan kesadaran. Tantangan kontekstual dalam AI, seperti batasan memori (KV Cache) dan kebutuhan akan jendela konteks yang lebih besar (seperti model SubQ yang mengklaim 12 juta token), mendorong pengembangan fitur seperti "Dreaming" untuk membantu AI mengelola informasi dengan lebih cerdas. Artikel ini mengajak pembaca untuk mempertanyakan bagaimana bahasa membentuk hubungan kita dengan teknologi dan menggeser tanggung jawab dari pengembang ke AI itu sendiri.

marsbit05/11 00:20

Claude-mu Akan Bermalam Ini, Jangan Ganggu Ia

marsbit05/11 00:20

活动图片

Kategori Populerright-arrow

Tag Populerright-arrow