# Artikel Terkait Pembelajaran

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

Altman Kembali ke Stanford untuk Mengakui Kesalahan: Outsource Pikiran ke AI, Otak Satu Generasi Sedang Menyusut

Semua orang mengira AI akan memaksa sistem pendidikan berubah drastis, tapi ChatGPT sudah dirilis selama tiga setengah tahun, dan sistem pendidikan hampir tidak berubah. CEO OpenAI Sam Altman kembali ke almamaternya Stanford, mengakui bahwa dia salah prediksi. Dia mengira sistem pendidikan akan mereformasi diri dengan cepat setelah siswa mulai menyontek dengan AI, tetapi nyatanya tidak. Dia mengkhawatirkan jika sistem pendidikan tetap mengajar dan mengevaluasi siswa dengan metode lama di era pra-AGI, seperti menghafal, jawaban standar, dan ujian tertutup, hal itu tidak hanya membuat metode tersebut usang, tetapi juga menyebabkan "kemampuan berpikir" manusia menyusut. Outsourcing pemikiran ke AI akan melemahkan "otot" berpikir kritis, seperti otot yang tidak digunakan. Riset menunjukkan bahwa setelah ChatGPT masuk, nilai ujian turun signifikan. Analisis dari UC Berkeley terhadap lebih dari 500.000 sampel nilai menemukan bahwa nilai tugas untuk mata kuliah menulis dan pemrograman naik, tetapi nilai ujian tidak berubah. Ini karena siswa "mengalihdayakan" pekerjaan mereka, bukan benar-benar belajar. Pertanyaan besarnya adalah: mengapa revolusi pendidikan yang dijanjikan AI belum datang? Jawabannya terletak pada inersia sistem. Alat bisa diperbarui dengan cepat, tetapi aturan dan lembaga butuh waktu lama untuk berubah. AI tutor pribadi yang murah dan efektif secara teoritis sudah tersedia, tetapi sistem pendidikan lambat beradaptasi. Lalu, apa yang harus diajarkan? Altman berpendapat bahwa meskipun mesin bisa melakukan sesuatu dengan lebih baik, manusia tetap perlu mempelajarinya secara langsung. Menulis dan pemrograman, misalnya, bukan hanya tentang hasil akhir, tetapi tentang melatih proses berpikir dan logika. Tujuan pendidikan harus bergeser dari mengingat pengetahuan menjadi mengajukan pertanyaan yang lebih baik, serta menguji penilaian, kreativitas, dan kemampuan lintas disiplin. Kekhawatiran terbesar Altman adalah jika sistem evaluasi lama terus digunakan untuk mengukur kemampuan siswa di era AI, hasilnya menjadi tidak bermakna. Hal yang lebih penting daripada bergantung pada AI adalah kemampuan untuk memverifikasi dan menilai output AI. Jika tren ini berlanjut, suatu generasi berisiko kehilangan kemampuan berpikir mandiri.

marsbit07/16 08:22

Altman Kembali ke Stanford untuk Mengakui Kesalahan: Outsource Pikiran ke AI, Otak Satu Generasi Sedang Menyusut

marsbit07/16 08:22

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

Cara Menjadi Peneliti yang Baik: Melatih Kemampuan Sebenarnya yang Dapat 'Dilatih Secara Sengaja'

Tidak ada yang benar-benar mengajarimu cara melakukan penelitian. Kamu hanya mendapat meja kerja, masalah yang dipilih orang lain, dan instruksi samar untuk "menghasilkan sesuatu yang baru". Kebanyakan orang akhirnya belajar hanya bagaimana "terlihat" seperti peneliti, bukan menjadi peneliti yang sebenarnya. Kemampuan penelitian yang sesungguhnya adalah tumpukan keterampilan kecil yang hampir semuanya dapat dikembangkan melalui *deliberate practice*. **Pilihlah Masalahmu Sendiri:** Jangan hanya menyerap masalah dari mentor atau tren terkini. Ikuti metode John Schulman: pilih hasil yang benar-benar kamu inginkan, lalu rancang eksperimen untuk mencapainya. Ini menciptakan orisinalitas. "Selera" penelitian seperti otot; latihlah dengan memprediksi hasil eksperimen atau makalah sebelum melihat hasil aslinya, dan uji prediksimu dari waktu ke waktu. **Tingkatkan Input-mu:** Jika bacaanmu hanya dari arXiv atau grup diskusi tren, idemu akan sama dengan orang lain dan tidak berharga. Hargai sumber lama (misalnya, *The Bitter Lesson* dari Richard Sutton tahun 2019 atau pidato Claude Shannon tahun 1952). Kedalaman dan keluasan sama pentingnya. Pinjam pengetahuan dari bidang lain. Baca makalah asli, terutama bagian lampiran dan batasan, bukan sekadar ringkasannya. **Tuliskan Semuanya:** Seperti dikemukakan Paul Graham, sebuah ide baru terasa matang sampai kamu mencoba menuliskannya. Menulis adalah mekanisme pertahanan termurah untuk mengungkap celah dan asumsi yang tidak teruji. Terapkan prinsip Feynman: jangan menipu dirimu sendiri. Ikuti kebiasaan Darwin: catat segera fakta yang bertentangan dengan teorimu. Buatlah log eksperimen (hipotesis, pengaturan, prediksi, hasil, pemahaman baru). Membaca ulang catatanmu dari bulan lalu adalah pelajaran kerendahan hati yang paling efektif.

marsbit06/15 12:26

Cara Menjadi Peneliti yang Baik: Melatih Kemampuan Sebenarnya yang Dapat 'Dilatih Secara Sengaja'

marsbit06/15 12:26

Tim Peneliti Zhejiang University Usulkan Jalur Baru: Ajarkan Cara Otak Manusia Memahami Dunia kepada AI

Tim peneliti Zhejiang University menerbitkan penelitian di Nature Communications yang menantang pandangan umum bahwa model AI yang lebih besar selalu lebih baik. Mereka menemukan bahwa meskipun model seperti SimCLR, CLIP, dan DINOv2 menjadi lebih baik dalam mengenali objek konkret saat parameternya ditambah (dari 22,06 juta menjadi 304,37 juta), kemampuan mereka untuk memahami konsep abstrak justru menurun (dari 54,37% menjadi 52,82%). Perbedaan utama terletak pada cara otak manusia dan AI mengorganisir konsep. Otak manusia secara alami membentuk hierarki kategori yang luas (seperti "hewan"), memungkinkan generalisasi dan adaptasi cepat ke objek baru. Sebaliknya, AI unggul dalam mengenali objek spesifik yang sering muncul dalam data tetapi kesulitan membentuk kategori abstrak yang stabil. Solusi tim adalah menggunakan sinyal otak manusia (aktivitas otak saat melihat gambar) sebagai pengawasan untuk mentransfer struktur konseptual manusia ke dalam model. Dalam eksperimen, pendekatan ini berhasil mengurangi jarak antara representasi model dan otak, meningkatkan kemampuan belajar model dengan data sedikit (*few-shot learning*) hingga 20,5%, dan mengungguli model yang jauh lebih besar dalam tugas klasifikasi abstrak. Penelitian ini menggeser fokus dari sekadar memperbesar model (*bigger is better*) ke membangun struktur kognitif yang lebih cerdas (*structured is smarter*), membuka jalan bagi AI yang memiliki kemampuan abstraksi, generalisasi, dan evolusi berkelanjutan seperti manusia, selaras dengan visi yang diusung oleh Neosoul.

marsbit04/05 04:43

Tim Peneliti Zhejiang University Usulkan Jalur Baru: Ajarkan Cara Otak Manusia Memahami Dunia kepada AI

marsbit04/05 04:43

Refleksi 30 Tahun Pengalaman Bisnis Miliarder Silicon Valley: Semua Target yang Saya Kejar Dulu Adalah Bodoh

Pebisnis miliarder Silicon Valley, Chamath Palihapitiya, membagikan refleksi 30 tahun pengalamannya: mengejar target seperti promosi, gaji tinggi, atau status sosial justru dapat menghambat kesuksesan sejati. Alih-alih berfokus pada tujuan, ia menekankan pentingnya menjalani proses—terus belajar, mengambil risiko, dan berkembang tanpa henti. Ia menyarankan tiga prinsip batasan: hindari utang yang membatasi kebebasan, jalani hidup dengan kerendahan hati untuk kejujuran diri, dan bergaul dengan generasi muda untuk mendapatkan perspektif segar. Chamath juga menekankan menjaga "optionality" (kebebasan memilih) dalam karier dan hubungan, serta mengabaikan status sosial yang hanya bersifat semu. Untuk kaum muda, ia menyarankan: berani pergi ke pusat industri yang diminati, prioritaskan pelajaran dibanding gaji, dan carilah lingkungan yang mendorong pertumbuhan ekstrem—seperti dalam eksperimen tahanan yang mampu bertahan 60 jam karena memiliki harapan. Kesimpulannya: kesuksesan sejati terletak pada proses continual improvement, bukan pencapaian target eksternal.

marsbit02/26 00:29

Refleksi 30 Tahun Pengalaman Bisnis Miliarder Silicon Valley: Semua Target yang Saya Kejar Dulu Adalah Bodoh

marsbit02/26 00:29

Dalam Beberapa Dekade Mendatang, Apa yang Dapat Menjadi Keterampilan Terpenting Anda?

Selama beberapa dekade mendatang, keterampilan terpenting yang harus dimiliki adalah **keagenan (agency)**. Keagenan adalah kemampuan untuk mengambil inisiatif tanpa menunggu izin eksternal, mengarahkan hidup sesuai visi pribadi, dan beradaptasi dengan perubahan. Orang dengan keagenan tinggi tidak bergantung pada satu keahlian tertentu. Mereka melihat hidup sebagai eksperimen: menetapkan tujuan, menguji strategi, belajar dari kegagalan, dan terus beriterasi. Mereka percaya pada nilai tantangan dan tidak terjebak dalam pola pikir "karyawan" yang hanya menunggu perintah. Di era AI, keagenan justru semakin krusial. AI bukan ancaman bagi mereka yang memiliki keagenan, karena AI hanyalah alat. Yang membedakan adalah visi, konteks, dan kemampuan beradaptasi manusia yang menggunakannya. Generasi generalis (pemikir luas) akan unggul karena mereka mampu整合 berbagai disiplin ilmu dan berinovasi. Manusia memiliki lima kemampuan inti: komputasi (mental), transformasi (fisik), variasi (eksplorasi ide), seleksi (pemilihan ide terbaik), dan perhatian (fokus adaptif). Keagenan memungkinkan kita mengoptimalkan semua kemampuan ini. Cara melatih keagenan: - Tetapkan tujuan apa pun, bahkan dari hal yang tidak Anda sukai. - Pelajari proses dari orang yang sudah sukses. - Eksperimen dan catat pola yang berhasil. - Buat proses yang sesuai dengan gaya hidup Anda. - Ajarkan kepada orang lain untuk memperdalam pemahaman. Media sosial menjadi "permainan" modern untuk berlatih keagenan: tempat bereksperimen, mendapat umpan balik, dan mengembangkan keterampilan masa depan.

marsbit01/14 14:45

Dalam Beberapa Dekade Mendatang, Apa yang Dapat Menjadi Keterampilan Terpenting Anda?

marsbit01/14 14:45

Panduan Hacker Pemula: Cara Mengikuti Hackathon Pertama Anda

Panduan untuk Pemula: Cara Maksimalkan Pengalaman Hackathon Pertama Anda Hackathon adalah cara terbaik untuk belajar, berkreasi, dan berkembang sebagai developer. Panduan ini membantu pemula menghindari kesalahan umum dan mendapatkan hasil maksimal, baik menang atau tidak. Pilih hackathon yang tepat, seperti yang diselenggarakan oleh perusahaan besar (Google, AWS) atau platform tepercaya seperti DoraHacks. Pelajari aturan dengan saksama dan patuhi mereka. Hindari hanya mengejar hadiah dengan proyek yang tidak relevan. Manfaatkan bantuan yang tersedia: berkomunikasi dengan penyelenggara, mentor, dan komunitas. Belajarlah dari peserta lain dan pelajari proyek pemenang sebelumnya. Presentasikan demo yang jelas dan persuasif, dengan video singkat dan dokumentasi yang baik. Kelola waktu dengan bijak dan hindari menunda-nunda. Terima hasil dengan lapang dada, pelajari dari pengalaman, dan terus kembangkan proyek Anda. Konsistensi dan pembelajaran jangka panjang lebih penting daripada kemenangan sesaat. DoraHacks adalah platform terkemuka untuk hackathon dan pendanaan proyek open source. Temukan hackathon yang menarik dan mulailah perjalanan hacking Anda!

marsbit01/13 08:54

Panduan Hacker Pemula: Cara Mengikuti Hackathon Pertama Anda

marsbit01/13 08:54

Dari Kreasi Konten hingga Operasi Bisnis: 5 Panduan Menghindari Jebakan untuk KOL Kripto

Bagi para Kreator Konten Kripto: 5 Kesalahan Umum yang Harus Dihindari dalam Membangun Merek dan Monetisasi Penulis berbagi pelajaran berharga dari 8 tahun perjalanan sebagai kreator konten. Berikut 5 kesalahan utama yang harus dihindari: 1. Memandang merek sebagai hobi, bukan bisnis. Alih-alih fokus pada metrik seperti likes dan views, perlakukan diri Anda sebagai perusahaan. Fokus pada proses mengubah orang asing menjadi klien. 2. Tidak memiliki niche yang jelas. Menjangkau semua orang justru tidak menarik siapa pun. Temukan area yang Anda sukai, kuasai, dan orang bersedia membayarnya. 3. Menggunakan materi merek yang terlihat murah. Profil Anda adalah "etalase". Gunakan foto jelas, banner profesional, dan bio yang menjelaskan nilai Anda tanpa hashtag berlebihan. 4. Membuat konten tanpa funnel monetisasi. Bangun struktur seperti konten atraktif, produk lead magnet, dan penawaran berbayar. Tanpa ini, Anda punya pengikut tapi tidak menghasilkan. 5. Berhenti belajar setelah memilih niche. Tetap jadi ahli dengan terus mengikuti perkembangan terbaru. Kecepatan belajar menentukan kecepatan pertumbuhan Anda. Hindari jebakan ini untuk membangun merek yang sukses dan menguntungkan.

比推12/11 20:27

Dari Kreasi Konten hingga Operasi Bisnis: 5 Panduan Menghindari Jebakan untuk KOL Kripto

比推12/11 20:27

Takut Membuang 8 Tahun di Kripto, Bagaimana Cara Menemukan Kesuksesan Hidup?

Ringkasan: Dunia crypto bukan tentang perjudian, tetapi tentang pemahaman mendalam. Kunci sukses terletak pada perubahan pola pikir: dari bereaksi terhadap pasar menjadi mengamati secara disiplin. Kekayaan sejati datang dari memahami siklus naratif, aliran likuiditas, dan perilaku manusia, bukan sekadar mengevolusi token. Kebebasan finansial dibangun melalui kesabaran, konsistensi, dan kesiapan memanfaatkan peluang asimetris. Perjalanan ini membutuhkan komitmen untuk terus belajar, meneliti, dan menunggu — bukan mencari jalan pintas. Hasilnya (seperti mobil mewah atau liburan mewah) hanyalah simbol dari kedisiplinan internal yang telah dibangun. Crypto adalah alat untuk mendesain ulang hidup, tetapi hanya mereka yang melalui prosesnya yang akan sampai di garis finis.

深潮12/10 07:28

Takut Membuang 8 Tahun di Kripto, Bagaimana Cara Menemukan Kesuksesan Hidup?

深潮12/10 07:28

活动图片

Kategori Populerright-arrow

Tag Populerright-arrow

Berita Industriright-arrow