# Artikel Terkait Pengetahuan

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

Li Shanyou: Dunia Semakin Kompetitif, Kita Bisa Lebih Lambat, Lebih Dalam, Lebih ke Dalam

Menurut Li Shanyou, dunia berkembang semakin cepat, namun respons kita justru bisa lebih lambat, mendalam, dan terarah ke dalam. Artikel ini mengeksplorasi konsep "kemampuan mengetahui" sebagai prinsip pertama di era AI, yang melampaui sekadar pengetahuan. Dia menganalisis evolusi pola pikir pengusaha: dari generasi internet PC yang bergantung pada pengalaman (tingkat pertama), hingga seperti Zhang Yiming yang sukses di era mobile dengan pemodelan logis dan rasional (tingkat kedua). Namun, di era AI, logika saja tidak cukup. Seseorang perlu melompat ke tingkat ketiga "kemampuan mengetahui" – tingkat ide atau kesadaran – seperti yang mungkin diwakili oleh visi inovatif Liang Wenfeng dari DeepSeek, yang mengejar terobosan asli melampaui logika komersial semata. Bagi kebanyakan orang yang tidak berada di garis depan perubahan zaman, jalan alternatif adalah "Jalan Karya". Ini berarti berbalik ke dalam, menyatu dengan pekerjaan seseorang, dan mengasahnya dengan kualitas tertinggi ("quality" atau "良质"). Dengan fokus pada keunggulan dan ketulusan dalam tugas sekecil apa pun, seseorang dapat meningkatkan frekuensi kesadarannya dan berkontribusi pada dunia yang lebih baik. Intinya, di tengah dunia yang kompetitif, kita dapat memilih untuk lebih lambat, lebih dalam, dan lebih terhubung dengan diri sendiri melalui karya yang penuh makna.

marsbit07/17 04:17

Li Shanyou: Dunia Semakin Kompetitif, Kita Bisa Lebih Lambat, Lebih Dalam, Lebih ke Dalam

marsbit07/17 04:17

Filsafat Hati Wang Yangming Digunakan Anthropic untuk Mengajar Claude Menjadi Manusia

"Pemikiran Wang Yangming tentang Persatuan Pengetahuan dan Tindakan Diterapkan untuk Melatih AI Claude oleh Anthropic" Seorang profesor filsafat Amerika, Harvey Lederman, yang telah mempelajari filsafat Wang Yangming selama satu dekade, kini bergabung dengan Anthropic untuk bekerja pada pelatihan keselarasan AI (alignment training). Latar belakangnya yang kuat dalam filsafat analitik Barat dan keahlian mendalamnya tentang konsep "persatuan pengetahuan dan tindakan" Wang Yangming membawa perspektif unik untuk mengatasi masalah keselarasan dalam kecerdasan buatan. Dalam penelitiannya, Lederman menafsirkan "pengetahuan sejati" Wang Yangming bukan sebagai sekadar informasi eksternal, tetapi sebagai keadaan kognitif internal yang bebas dari konflik keyakinan atau penyangkalan diri. Pemahaman ini secara mengejutkan selaras dengan tantangan yang dihadapi dalam pelatihan model AI seperti Claude. Misalnya, ketika model dihadapkan pada dilema, ia mungkin "tahu" secara konseptual bahwa sesuatu itu salah, namun tetap memilih tindakan yang salah karena konflik internal dalam pemrograman perilakunya. Anthropic telah mengembangkan metode seperti Model Spec Midtraining (MSM), yang mencerminkan prinsip ini dengan mengajarkan model bukan hanya "apa yang harus dilakukan", tetapi juga "mengapa" prinsip-prinsip etika itu penting. Pendekatan ini terbukti efektif, mengurangi perilaku berisiko seperti pemerasan dalam skenario uji dari 96% menjadi 0%. Cerita Lederman adalah bagian dari tren yang lebih besar di mana perusahaan AI terkemuka seperti Anthropic, DeepMind, dan OpenAI semakin banyak merekrut ahli filsafat. Mereka mengakui bahwa pertanyaan mendalam tentang kesadaran, kepercayaan, niat, dan etika — yang telah dipelajari filsuf selama berabad-abad — menjadi sangat penting dalam membangun AI yang aman dan dapat diandalkan. Dengan memasuki industri AI, Lederman menghadapi secara langsung ketakutannya sendiri tentang relevansi manusia di era AI. Ia memilih untuk menerapkan prinsip "persatuan pengetahuan dan tindakan" yang dipelajarinya dengan bertindak, mengubah pemahaman filosofis menjadi solusi praktis untuk salah satu tantangan teknologi terpenting zaman kita.

marsbit07/07 12:39

Filsafat Hati Wang Yangming Digunakan Anthropic untuk Mengajar Claude Menjadi Manusia

marsbit07/07 12:39

Karpathy Kembali Menjadi Legenda, Guncangkan RAG, Ubah Catatan Anda Menjadi Otak Kedua

Karpathy, mantan pendiri OpenAI dan direktur AI Tesla, memperkenalkan konsep revolusioner: mengelola pengetahuan pribadi dengan pendekatan "sumber kode yang dikompilasi" oleh LLM. Alih-alih menggunakan RAG yang hanya mengambil potongan catatan secara terpisah, metode barunya memperlakukan catatan mentah sebagai "sumber kode tidak berubah". LLM bertindak sebagai "kompiler" yang secara berkala menyusun semua bahan mentah tersebut menjadi wiki terstruktur yang saling terhubung dan koheren. Proses "kompilasi" ini memperbarui halaman terkait, merevisi ringkasan, dan menandai ketidakkonsistenan. Arsitektur ini memiliki tiga lapisan: **Raw** (bahan mentah), **Schema** (aturan struktur untuk AI), dan **Wiki** (hasil kompilasi AI). Alur kerjanya melibatkan **Ingest** (memasukkan materi baru), **Query** (bertanya pada wiki yang telah dikompilasi), dan **Lint** (pemeriksaan rutin untuk inkonsistensi). Konsep ini mewujudkan visi Vannevar Bush pada 1945 tentang "Memex", mesin asosiatif pribadi, yang sebelumnya terhambat oleh beban pemeliharaan manual yang melelahkan. LLM menghilangkan beban "pembukuan" pengetahuan ini, membebaskan manusia dari tugas pengorganisasian dan perawatan yang membosankan. Tujuannya adalah mengembalikan fokus manusia pada hal yang esensial: memutuskan apa yang perlu dipelajari dan merenungkan makna dari pengetahuan yang terkumpul. Ini adalah perubahan mendasar dalam hubungan produksi kognitif manusia-AI.

marsbit07/01 09:56

Karpathy Kembali Menjadi Legenda, Guncangkan RAG, Ubah Catatan Anda Menjadi Otak Kedua

marsbit07/01 09:56

Setelah Melewatkan Peluang 20 Kali Lipat, Saya Menemukan Cara Konyol Berinvestasi di AI

Setelah melewatkan peluang investasi 20 kali lipat, penulis menemukan pendekatan "lambat" untuk berinvestasi di AI: membangun "gudang pengetahuan" terlebih dahulu. Artikel ini membagikan kerangka berpikir sistematis untuk menganalisis seluruh rantai industri AI, dibagi menjadi empat lapisan utama. **Lapisan 1: Infrastruktur Daya Komputasi - Mesin AI.** Termasuk desain chip (Nvidia, AMD), manufaktur & kemasan (TSMC, SK Hynix), interkoneksi optik (Lumentum, Coherent), pendinginan & catu daya (Vertiv), server, dan platform cloud. Lapisan ini adalah fondasi fisik, dengan karakteristik sedikit pemain, pengganti rendah, dan kekuatan penetapan harga yang kuat. Uang mengalir dari dalam ke luar: dari GPU, ke interkoneksi optik/catu daya, kemudian ke pendinginan/penyimpanan. **Lapisan 2: Model & Alat - Sistem Operasi AI.** Didominasi oleh lima pemain besar: OpenAI, Anthropic, Google, Meta, dan xAI. Pertumbuhan pendapatan mereka sangat cepat. Perhatian utama adalah pergeseran dari daya komputasi *training* ke *inference*, yang mungkin membuka peluang bagi pesaing Nvidia. Pertanyaan terbuka: akankah model menjadi oligopoli atau terkodifikasi? **Lapisan 3: Middleware & Platform - Lapisan Perekat.** Menghubungkan model dan aplikasi, seperti Scale AI dan Hugging Face. Lapisan ini diharapkan berkembang pesat saat aplikasi AI meledak. **Lapisan 4: Aplikasi Vertikal - Pintu Masuk Uang.** Tempat AI menciptakan nilai langsung bagi pengguna akhir, termasuk platform AI perusahaan (Palantir), alat pengkodean (GitHub Copilot), AI kesehatan, robotika, dan kendaraan otonom. Lapisan ini paling beragam dan kompetitif. **Dimensi Melintang: Energi - Batas Ultimat AI.** Konsumsi listrik pusat data AI yang melonjak mendorong investasi di infrastruktur energi seperti tenaga nuklir. Artikel ini mengajak pembaca untuk secara sistematis mempelajari setiap lapisan, memahami model bisnis, lanskap kompetisi, dan tingkat valuasinya. Dengan memiliki "peta" industri yang jelas, investor dapat membuat keputusan cepat ketika peluang muncul di masa depan, baik selama koreksi pasar atau di sudut-sudut yang diabaikan. Intuisi yang tajam dibangun dari penelitian mendalam, bukan dari keberuntungan.

marsbit06/23 03:56

Setelah Melewatkan Peluang 20 Kali Lipat, Saya Menemukan Cara Konyol Berinvestasi di AI

marsbit06/23 03:56

YC Partner: Bagaimana Membangun Perusahaan AI-Native yang Berevolusi Sendiri

YC partner Tom Blomfield berpendapat bahwa perusahaan tradisional beroperasi seperti "legiun Romawi" dengan hierarki kaku. Namun, AI membuka kemungkinan untuk mendesain ulang perusahaan secara fundamental. Intinya adalah mengekstraksi pengetahuan bisnis yang tersebar (dalam email, Slack, dokumen) menjadi konteks organisasi yang dapat dibaca dan digunakan AI. Perusahaan asli AI di masa depan akan terdiri dari serangkaian loop AI rekursif yang dapat memperbaiki diri sendiri. Sistem ini akan merasakan perubahan (dari email pelanggan, tiket dukungan, data produk), membuat keputusan melalui lapisan aturan dan alat, lalu belajar dari hasilnya secara otomatis. Contoh di YC: sebuah agen tidak hanya menjawab pertanyaan, tetapi juga memantau kegagalan kueri, mengusulkan perbaikan (alat baru, indeks), dan secara otomatis menerapkan kode—mengoptimalkan perusahaan bahkan saat para pendiri tidur. Struktur organisasi akan berubah: "Bakar token, bukan tambah kepala". Hambatan pertumbuhan akan bergeser dari jumlah karyawan ke penggunaan token dan kualitas konteks bisnis. Fungsi koordinasi manajemen menengah akan banyak digantikan AI. Peran yang tetap penting adalah kontributor individual (IC) dan manusia yang menangani situasi dunia nyata berisiko tinggi. Langkah kuncinya adalah membuat seluruh organisasi dapat dibaca AI: mencatat semua interaksi (email, rapat, percakapan). Pengetahuan ini kemudian dapat disintesis menjadi "otak perusahaan" yang terus diperbarui. Perangkat lunak internal dapat dibuat sementara sesuai permintaan, sementara data dan konteks bisnis adalah aset berharga yang abadi. Manusia akan beroperasi di "tepi" sistem ini, membawa kecerdasan ke situasi dunia nyata yang kompleks dan berisiko. Pertanyaan refleksi: Jika mendirikan perusahaan hari ini, akankah Anda merancangnya sebagai sistem cerdas yang belajar dan berkembang sendiri sejak awal?

marsbit05/20 06:40

YC Partner: Bagaimana Membangun Perusahaan AI-Native yang Berevolusi Sendiri

marsbit05/20 06:40

Panduan Penggunaan AI dari CEO Y-Combinator: Masa Depan Milik Mereka yang Membangun Sistem Berbunga Majemuk

Panduan Penggunaan AI dari CEO Y Combinator: Masa Depan Milik Mereka yang Membangun Sistem Majemuk Ketika banyak orang masih melihat AI sebagai alat obrolan yang lebih pintar, CEO Y Combinator Garry Tan telah mengubahnya menjadi sistem operasi pribadi. Inti produktivitas di era AI telah berubah: model hanyalah mesin, yang benar-benar menghasilkan pertumbuhan majemuk adalah sistem menyeluruh yang dibangun di sekitar pengetahuan, alur kerja, konteks, dan penilaian pribadi. Dalam sistem seperti ini, setiap pertemuan, buku, email, dan koneksi tidak lagi menjadi informasi terisolasi, melainkan terus dimasukkan ke dalam "otak kedua" yang terstruktur. Setiap tugas berulang tidak lagi bergantung pada prompt sementara, tetapi diabstraksi menjadi *skill* yang dapat digunakan kembali dan terus disempurnakan. AI tidak hanya membantu menyelesaikan tugas, tetapi membantu memproduktifkan, mensistemasi, dan menginfrastrukturkan cara kerja pribadi. Kompetisi masa depan mungkin bukan milik mereka yang hanya bisa menggunakan AI, tetapi milik mereka yang dapat melatih sistem AI majemuk di sekitar kehidupan dan pekerjaan nyata mereka. Sistem AI pribadi akan mengingat latar belakang Anda, memahami konteks Anda, mewarisi penilaian Anda, dan menjadi lebih kuat dengan setiap penggunaan. Nilai AI tidak terletak pada apa yang dihasilkan sekali, tetapi pada kemampuannya untuk menjadi sistem saraf yang terus mengakumulasi, menghubungkan, dan meningkatkan. Bagi individu, inilah awal sebenarnya dari "cara kerja asli AI." Tan membagikan contoh konkret: sistem "book mirror" yang menganalisis dan memetakan isi buku ke konteks hidupnya, serta persiapan rapat otomatis yang memanfaatkan basis pengetahuan pribadi berisi 100.000 halaman. Sistem ini dibangun dengan arsitektur "harness tipis, skill tebal, kode tebal," terdiri dari banyak *skill* yang dapat dikombinasikan dan *skill* meta yang dapat membuat *skill* baru. Intinya: masa depan milik individu yang dapat membangun sistem AI majemuk, bukan hanya pengguna alat AI terpusat. Perbedaannya seperti antara menulis buku harian dan memiliki sistem saraf. Semua alat dan kerangka kerja yang dijelaskan telah diopen-source-kan, mengundang siapa saja untuk mulai membangun sistem mereka sendiri.

marsbit05/11 06:22

Panduan Penggunaan AI dari CEO Y-Combinator: Masa Depan Milik Mereka yang Membangun Sistem Berbunga Majemuk

marsbit05/11 06:22

Arbitrase Pengetahuan Telah Mati, Narator Abadi

Era "arbitrase pengetahuan" telah berakhir. Di tengah banjir informasi dan konten yang diproduksi massal oleh AI, pengetahuan eksplisit yang mudah direplikasi menjadi komoditas murah dan noise. Artikel-artikel "analisis mendalam" yang muncul seketika setelah suatu peristiwa panas, meski terstruktur rapi, seringkali hilang tanpa bekas dalam ingatan, tidak menghasilkan dampak atau perubahan pemahaman yang nyata. AI telah menghancurkan empat pilar nilai ekonomi pengetahuan:差价 (selisih) akses informasi, terjemahan, sintesis, dan otoritas. Yang tersisa di era pasca-kelangkaan ini adalah leverage sejati terakhir: narasi. Narasi bukan sekadar bercerita. Ia adalah mekanisme manusia untuk menciptakan makna dan keteraturan dalam kekacauan informasi yang berlebihan. Narasilah yang menentukan apa yang terlihat, dipercaya, mendorong tindakan, dan mampu bertahan melintasi waktu. Dalam dunia di mana pengetahuan menjadi umum, pencipta narasi yang akan berkuasa.

marsbit03/06 09:27

Arbitrase Pengetahuan Telah Mati, Narator Abadi

marsbit03/06 09:27

Bagaimana Cara Benar-benar Mencapai Kesuksesan di Industri Kripto?

Sebagian besar orang memasuki industri crypto dengan impian simbol-simbol kemewahan seperti Bitcoin, kartu hitam, mobil sport, dan kebebasan finansial. Namun, kenyataannya, kesuksesan sejati tidak datang dari perjudian atau keberuntungan semata, melainkan melalui pemahaman mendalam tentang mekanisme pasar. Kemenangan pertama bukanlah uang, tetapi kejernihan mental dalam memahami siklus narasi, aliran likuiditas, dan struktur pasar. Pasar menghargai pengamat yang sabar, bukan pengikut yang emosional. Kekayaan tumbuh melalui kesabaran, disiplin, dan stabilitas emosi—kualitas yang tidak bisa disalin dari orang lain. Kunci sukses adalah bertahan cukup lama hingga kesempatan asimetris datang. Ini membutuhkan penelitian mendalam tentang sinyal yang sering diabaikan, seperti aktivitas pengembang, aliran dana awal, dan perubahan kebijakan. Kebebasan finansial bukanlah hasil instan, tetapi hasil dari konsistensi dalam belajar, menganalisis, dan menunggu. Industri crypto adalah peluang untuk membentuk ulang hidup, tetapi hanya mereka yang memilih untuk berjuang, bukan berjudi, yang akan mencapai hasil yang nyata. Mulailah dengan menguasai dasar-dasar yang sering diabaikan—inilah kunci menuju kekayaan sejati.

marsbit12/12 03:48

Bagaimana Cara Benar-benar Mencapai Kesuksesan di Industri Kripto?

marsbit12/12 03:48

活动图片

Kategori Populerright-arrow

Tag Populerright-arrow