# Artikel Terkait Penelitian

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

Pekerjaan Bukti Rollup Vitalik Menunjukkan Skalabilitas Ethereum Masih Bergantung pada Kriptografi

Artikel ini membahas tulisan teknis terbaru Vitalik Buterin tentang optimisasi bukti kriptografi untuk rollup Ethereum. Meski teknis dan padat, karya ini penting karena skalabilitas Ethereum sangat bergantung pada sistem pembuktian untuk membuat komputasi lebih murah dan praktis. Optimisasi ini bertujuan meningkatkan efisiensi rollup, yang pada akhirnya dapat menghasilkan transaksi yang lebih cepat dan lebih murah bagi pengguna, meski mereka tidak perlu memahami detail teknis seperti komitmen polinomial. Tulisan Buterin menegaskan bahwa lapisan penelitian Ethereum tetap aktif, bahkan di tengah hiruk-pikuk pasar seperti ETF dan harga. Bagi investor, riset semacam ini adalah fondasi jangka panjang bagi nilai Ethereum sebagai lapisan penyelesaian utama, meski dampaknya tidak langsung terlihat pada harga. Cerita ini berfungsi sebagai titik data konkret dalam perkembangan Ethereum, mengingatkan bahwa skalabilitas jaringan tetap berjalan melalui kemajuan kriptografi, bukan sekadar peluncuran produk.

bitcoinist07/09 23:13

Pekerjaan Bukti Rollup Vitalik Menunjukkan Skalabilitas Ethereum Masih Bergantung pada Kriptografi

bitcoinist07/09 23:13

37.7°C Membuat Pingsan, Superkomputer AI Universitas Cambridge Lumpuh, 350 Proyek Riset Berhenti Total

Suhu 37,7°C Lumpuhkan Superkomputer AI Cambridge, 350 Proyek Riset Terhenti Gelombang panas ekstrem yang melanda Inggris pada akhir Juni mencapai rekor 37,7°C, menyebabkan sistem pendingin superkomputer AI Dawn di Universitas Cambridge mengalami kegagalan. Dawn, yang merupakan bagian inti dari rencana pemerintah Inggris senilai £300 juta dan menampung 1024 GPU Intel, terpaksa dinonaktifkan selama lebih dari satu minggu (27 Juni - 6 Juli). Pemadaman ini menghentikan lebih dari 350 proyek penelitian penting. Beberapa di antaranya termasuk penyaringan molekular untuk obat Parkinson baru, penemuan target vaksin kanker yang dipercepat AI, pemodelan prediksi es laut Antartika, dan proyek skrining kanker ginjal berbasis AI. Untungnya, tidak ada data yang hilang atau pekerjaan yang perlu diulang dari nol. Penyedia sistem pendingin, USystems (Legrand), menyatakan peralatannya beroperasi sesuai spesifikasi desain, mengisyaratkan bahwa suhu lingkungan telah melampaui batas yang direncanakan. Insiden serupa pernah terjadi pada 2022, ketika pusat data Google dan Oracle di London juga mengalami gangguan karena panas. Masalah intinya terletak pada tantangan pendinginan akhir. Berapa pun canggihnya sistem pendingin di dalam rak server (seperti pendinginan cair langsung di Dawn), panas akhirnya harus dibuang ke udara luar. Ketika suhu atmosfer mendekati 40°C, efisiensi pembuangan panas menurun drastis, dan peralatan bisa mengalami throttle termal atau dimatikan secara paksa untuk mencegah kerusakan. Insiden ini menyoroti paradoks dan tantangan besar di era AI: infrastruktur komputasi canggih yang digunakan untuk mempelajari perubahan iklim justru menjadi rentan terhadap dampak dari perubahan iklim itu sendiri. Kebutuhan daya dan kepadatan panas pusat data AI terus melonjak (dari rak 5-10 kW menjadi 100+ kW), sementara suhu global juga terus meningkat. Insiden Dawn menjadi peringatan bahwa ketahanan infrastruktur digital terhadap cuaca ekstrem perlu menjadi prioritas perencanaan di masa depan.

marsbit07/09 03:59

37.7°C Membuat Pingsan, Superkomputer AI Universitas Cambridge Lumpuh, 350 Proyek Riset Berhenti Total

marsbit07/09 03:59

Gratis Total, Alternatif Open Source untuk Claude Science, DeepSeek/GLM Bisa Dipakai Sesuka Hati

Para peneliti pasti senang! Tak sampai seminggu setelah peluncuran Claude Science oleh Anthropic, komunitas open source merespons dengan proyek alternatif gratis bernama OpenScience. Dikembangkan oleh Synthetic Sciences (tim AI penelitian yang diinkubasi YC), OpenScience adalah platform kerja AI penelitian yang mencakup seluruh alur kerja: pencarian literatur, generasi hipotesis, eksperimen kode, hingga penulisan makalah. Keunggulan utamanya adalah **model-agnostic**, memungkinkan pengguna memilih model AI apa pun seperti DeepSeek, GLM, Claude, atau GPT, baik model internasional maupun domestik, cukup dengan kunci API masing-masing. Bahkan mendukung model lokal via Ollama untuk keamanan data penuh. Platform ini, yang dilisensikan di bawah Apache 2.0, dapat diinstal hanya dengan satu perintah terminal. Ia menawarkan lebih dari 250 paket keterampilan penelitian (4x lebih banyak dari Claude Science) untuk bidang seperti biologi komputasi dan kimia informatika. OpenScience juga menghadirkan antarmuka terpadu untuk menggantikan banyak alat yang sebelumnya terpisah. Berbeda dengan Claude Science yang terbatas pada macOS/Linux, hanya untuk pengguna berbayar, dan eksklusif untuk model Claude, OpenScience menawarkan kebebasan, keterjangkauan, dan kompatibilitas yang lebih luas. Tim juga menyediakan platform terkelola bernama Atlas untuk kemudahan penggunaan, meskipun OpenScience itu sendiri dapat digunakan sepenuhnya gratis dengan kunci API pengguna. Proyek ini secara tegas dinyatakan sebagai proyek independen yang tidak berafiliasi dengan Anthropic, mencerminkan semangat komunitas open source dalam menyediakan akses terbuka untuk alat penelitian ilmiah.

marsbit07/07 07:33

Gratis Total, Alternatif Open Source untuk Claude Science, DeepSeek/GLM Bisa Dipakai Sesuka Hati

marsbit07/07 07:33

Baru Saja, Karya Klasik DeepMind Kembali Mengukuhkan Dirinya sebagai Legenda, Penghargaan Utama ICML 2026 Diumumkan

Pengumuman Penghargaan ICML 2026 telah dirilis. Dua makalah tentang model difusi memenangkan Penghargaan Kertas Terkemuka, mengisyaratkan pergeseran fokus riset dari eksplorasi konsep ke pemeriksaan mendalam dan pembangunan infrastruktur yang kokoh. Salah satunya, "The Flexibility Trap," dari tim Universitas Tsinghua, mempertanyakan manfaat sebenarnya dari urutan generasi acak dalam model bahasa difusi. Yang lainnya meningkatkan presisi sampling. Penghargaan Kertas Posisi Terkemuka diberikan kepada makalah yang mengkritik komunitas alignment AI karena tanpa sadar membangun "toolkit sensor." Penghargaan Test of Time diberikan kepada makalah klasik DeepMind 2016, "Asynchronous Methods for Deep Reinforcement Learning" (A3C). Lima makalah penelitian dan satu makalah posisi menerima Honorable Mention, mencakup topik seperti lokasi munculnya kejujuran dalam model, atribusi gerakan dalam video, memorisasi model bahasa, konsistensi model difusi, dan fenomena "grokking." Kumpulan penghargaan ini mencerminkan tren penelitian AI yang beralih ke fase penyelidikan yang lebih dalam dan kritis.

marsbit07/06 02:41

Baru Saja, Karya Klasik DeepMind Kembali Mengukuhkan Dirinya sebagai Legenda, Penghargaan Utama ICML 2026 Diumumkan

marsbit07/06 02:41

Karpathy Baru-Baru Ini Mengkritik: Satu Kalimat Membuat Seluruh Pengembang Agent Diam Seribu Bahasa

Karpathy, peneliti inti tim pra-pelatihan di Anthropic, mengejutkan komunitas pengembang AI Agent dengan pernyataan tegasnya: "Kesalahan terbesar di bidang AI saat ini adalah orang-orang terburu-buru memaksa Agent bekerja, tanpa memahami model dasar yang mendasarinya terlebih dahulu." Dia berbagi pelajaran berharga dari proyek "World of Bits" tahun 2016 di OpenAI, yang bertujuan membuat Agent menggunakan komputer, tetapi gagal karena teknologi saat itu (seperti reinforcement learning) belum matang. Menurutnya, fokus yang benar saat itu adalah pada pengembangan model bahasa. Karpathy memberikan tiga saran penting: 1. Berhenti memaksa Agent melakukan segalanya; perbaiki dan pahami model dasarnya terlebih dahulu. 2. Membuat demo mudah, tetapi mengubahnya menjadi produk yang matang membutuhkan waktu hingga sepuluh tahun, seperti yang terlihat pada contoh mobil otonom dan VR. 3. Agent bukanlah produk itu sendiri; kemampuan dasar model lah yang merupakan produk sejati. Agent akan muncul secara alami jika fondasinya kuat. Ia juga mendorong para pengembang untuk belajar dari neurosains, seperti struktur otak manusia (misalnya, hipokampus untuk memori), untuk merancang Agent yang lebih baik. Pesan utamanya adalah: meskipun perusahaan besar seperti OpenAI unggul dalam pelatihan model bahasa besar, dalam pengembangan Agent, pengembang independen dan startup berada di garis terdepan. Tidak ada raksasa teknologi yang memiliki keunggulan lima tahun di bidang ini, sehingga peluang inovasi terbuka lebar bagi mereka yang gesit dan berani mencoba. Intinya, Karpathy tidak melarang pengembangan Agent, tetapi menekankan pentingnya fondasi yang kuat dan kesiapan untuk komitmen jangka panjang.

marsbit07/06 02:35

Karpathy Baru-Baru Ini Mengkritik: Satu Kalimat Membuat Seluruh Pengembang Agent Diam Seribu Bahasa

marsbit07/06 02:35

Pemenang Penghargaan Khusus Tsinghua, Gu Yuxian, Bergabung dengan DeepSeek

DeepSeek saat ini sedang dalam proses rekrutmen besar-besaran untuk berbagai posisi. Pada saat yang sama, versi resmi DeepSeek V4 akan diluncurkan pertengahan bulan ini. Dalam daftar penulis makalah DeepSeek V4, terdapat nama **Yuxian Gu**, seorang doktoral Universitas Tsinghua angkatan 2021 dan penerima Beasiswa Prestasi Khusus untuk Mahasiswa Pascasarjana tahun 2025. Diketahui bahwa **Gu Yuxian telah resmi bergabung dengan DeepSeek**. Gu Yuxian, yang juga pernah mendapatkan Beasiswa Doktoral Apple tahun 2025 dan Beasiswa In-Tech Ant Group, menyatakan bahwa "Inovasi algoritma menjadi kunci untuk menembus hambatan komputasi ketika sumber daya perangkat keras terbatas." Ia adalah doktoral tingkat akhir di Departemen Ilmu Komputer Universitas Tsinghua, dengan gelar sarjana juga dari universitas yang sama. Halaman pribadinya menunjukkan bahwa ia belajar di Kelompok Penelitian AI Interaktif (Conversational AI, CoAI) Universitas Tsinghua, dibimbing oleh Profesor Huang Minlie. Penelitiannya berfokus pada peningkatan efisiensi dalam seluruh siklus hidup model bahasa besar (LLM), mencakup tahap pra-pelatihan, adaptasi, dan inferensi. Ia mengembangkan penelitian dari tiga arah utama: **Penyaringan Data Pra-Pelatihan, Distilasi Pengetahuan dalam Kompresi Model, dan Arsitektur Model yang Efisien.** Di halaman Google Scholar-nya, **kutipan makalah Gu Yuxian telah mendekati 5000**, dengan dua makalah yang dikutip lebih dari 1000 kali. Sebagai penulis pertama, Gu Yuxian telah mempublikasikan banyak makalah di konferensi AI terkemuka internasional seperti NeurIPS, ICLR, dan ACL. Pada tahun 2024, ia dan rekan-rekannya mengusulkan metode distilasi pengetahuan untuk menyuling model bahasa besar menjadi model yang lebih kecil, menciptakan **"MiniLLM"** yang menghasilkan jawaban yang lebih akurat dan berkualitas lebih tinggi. Metode ini telah diadopsi oleh komunitas dan platform industri terkemuka seperti Google, Alibaba, dan NVIDIA. Pada tahun 2025, makalah **"Jet-Nemotron"** memperkenalkan seri baru model bahasa berarsitektur hybrid yang mencapai akurasi model perhatian penuh state-of-the-art (SOTA) sekaligus memiliki efisiensi yang luar biasa.

marsbit07/06 02:09

Pemenang Penghargaan Khusus Tsinghua, Gu Yuxian, Bergabung dengan DeepSeek

marsbit07/06 02:09

Pujian dari Hinton, Presentasi Kontributor Inti Gemini: Akan Ada Miliaran AI Superhuman Selevel Einstein di Masa Depan

Adam Brown, kontributor inti Gemini dan pemimpin tim Blueshift di DeepMind, menyampaikan pidato berjudul "Training Sand to Think: Artificial General Intelligence & Future of Physics". Dia menceritakan perkembangan AI yang pesat, dari kemampuan seperti TK hingga level doktoral, dan memproyeksikan masa depan fisika. Brown menekankan bahwa model bahasa besar (LLM) bukanlah program yang ditulis, tetapi "ditumbuhkan" melalui pelatihan. Hukum penskalaan (*Scaling Law*), yang didorong oleh cara berpikir fisikawan, menjadi kunci revolusi AI, di mana peningkatan skala komputasi, data, dan model secara konsisten meningkatkan kinerja. AI telah melampaui berbagai uji benchmark akademis, mulai dari matematika SMA (MATH), kualifikasi doktoral (GPQA), hingga ujian relativitas umum dan mekanika kuantum tingkat lanjut. Bahkan, AI telah mencapai level medalis emas dalam Olimpiade Matematika Internasional (IMO) dan, yang lebih penting, berhasil memecahkan konjektur matematika "Unit Distance" Erdős yang berusia 80 tahun secara mandiri. Dengan menarik paralel dari perkembangan komputer catur, Brown memprediksi tahapan "manusia-centaur" (kolaborasi manusia-AI) menuju era "AI superhuman" dalam penelitian ilmiah. Meskipun AI saat ini masih memiliki kelemahan seperti otonomi rendah dan perencanaan yang lemah, AI sudah mampu mengubah lanskap fisika sebagai tutor pribadi, asisten pemrograman yang kuat, dan alat penelusuran literatur. Brown menyimpulkan bahwa kita berada di ambang zaman keemasan kolaborasi manusia-AI. Jika tren ini berlanjut, kita mungkin akan segera memiliki miliaran "AI Einstein" supercerdas yang beroperasi secara bersamaan, membuka babak baru yang paling menarik dalam sejarah fisika dan sains.

marsbit07/04 06:46

Pujian dari Hinton, Presentasi Kontributor Inti Gemini: Akan Ada Miliaran AI Superhuman Selevel Einstein di Masa Depan

marsbit07/04 06:46

Vitalik Buterin Klaim Obscurasi Bisa Tingkatkan Privasi Blockchain

Vitalik Buterin, salah satu pendiri Ethereum, menerbitkan artikel tentang peran obfuscation (pengaburan kode) dalam meningkatkan privasi dan keamanan blockchain. Obfuscation melindungi logika program itu sendiri dengan mengubah kode menjadi bentuk terenkripsi, namun tetap menghasilkan keluaran yang sama. Hal ini memungkinkan pengembangan aplikasi yang aman tanpa membocorkan kode atau logika bisnis proprieternya, sehingga dapat menjaga privasi pengguna dan mengurangi ketergantungan pada otoritas pusat. Namun, obfuscation saja tidak cukup untuk menangani aset digital seperti cryptocurrency, karena saldo dan kepemilikan tidak dapat dikelola hanya dengan pengaburan kode. Di sinilah blockchain berperan. Teknologi ledger terdistribusinya dapat mencatat kepemilikan dan transaksi, yang jika dikombinasikan dengan obfuscation, dapat menciptakan aplikasi yang membuktikan kepemilikan sembari menyembunyikan logika program. Kombinasi ini berpotensi untuk sistem pembayaran yang aman, aplikasi keuangan, dan operasi bisnis rahasia. Buterin mengakui masih ada tantangan teknis besar. Meski riset pada *indistinguishability obfuscation* telah membuktikan kemungkinannya, implementasi saat ini sangat tidak efisien dan membutuhkan sumber daya yang sangat besar, bahkan ada yang memerlukan waktu lebih lama dari usia alam semesta untuk dijalankan. Para peneliti terus berupaya meningkatkan efisiensi melalui optimasi metode kriptografi dan alat matematika. Buterin menyimpulkan bahwa meski obfuscation praktis masih membutuhkan waktu lama untuk terwujud, perkembangannya di masa depan dapat membuka jalan bagi produk berbasis blockchain yang sangat aman tanpa memerlukan pihak ketiga tepercaya.

TheNewsCrypto06/29 13:02

Vitalik Buterin Klaim Obscurasi Bisa Tingkatkan Privasi Blockchain

TheNewsCrypto06/29 13:02

"Raja Penalaran" Google Juga Kabur ke Meta, Dulunya Direkrut oleh Fei-Fei Li

Eksodus talenta dari Google tampaknya berlanjut dengan hengkangnya Denny Zhou, yang dijuluki "Raja Penalaran" DeepMind, ke Meta. Ia telah bekerja diam-diam di MSL Meta selama empat bulan sebelum berita kepergian sejumlah ilmuwan top Google lainnya ramai diperbincangkan. Zhou, yang direkrut ke Google pada 2017 berkat program Google AI China yang diinisiasi Fei-Fei Li, adalah pionir tim penalaran dan berkontribusi besar pada karya dasar LLM seperti Chain-of-Thought. Kepergiannya disusul masuknya profesor UC Berkeley, Dawn Song ("Bunda Keamanan AI"), ke Meta beserta tim startup AI security-nya. Sementara itu, Google terus kehilangan banyak pemain kunci. Noam Shazeer (salah satu penulis Transformer) bergabung dengan OpenAI, sementara peraih Nobel John Jumper serta kontributor inti Gemini lainnya, Jonas Adler dan Alexander Pritzel, pindah ke Anthropic. Laporan dari The Information mengungkapkan kemungkinan penyebab di balik eksodus ini: Google dikabarkan mengutamakan "Tim Serang Pengkodean" (Coding Strike Team) yang baru dibentuk, bahkan didukung langsung oleh pendiri Sergey Brin. Tim ini berfokus mempercepat pengembangan kemampuan coding Gemini, menggeser prioritas dari jalur "model dunia" AGI yang lebih teoritis yang selama ini digagas DeepMind. Alokasi sumber daya komputasi yang diprioritaskan untuk tim pengkodean ini diduga menjadi salah satu alasan kepergian para peneliti, seperti yang disinggung Shazeer. Pergeseran fokus ke pengkodean, yang memiliki nilai komersial jelas, tampaknya mengorbankan jalur penelitian jangka panjang lainnya, menciptakan ketegangan internal dan mendorong talenta untuk mencari peluang di perusahaan pesaing seperti Meta, OpenAI, dan Anthropic.

marsbit06/26 13:42

"Raja Penalaran" Google Juga Kabur ke Meta, Dulunya Direkrut oleh Fei-Fei Li

marsbit06/26 13:42

Tiga Tahun Menunda Pembaruan, Artikel Panjang Terbaru Alumni Peking University, Weng Li, Viral

Tiga tahun setelah menunda, mantan Wakil Presiden OpenAI Lilian Weng menerbitkan artikel panjang berjudul "Scaling Laws, Carefully" yang memicu perbincangan luas. Artikel tersebut mengkritisi dan menganalisis kelemahan mendasar dari Hukum Skala (Scaling Laws), yang selama lima tahun menjadi dasar investasi miliaran dolar di industri AI. Inti artikel menyoroti beberapa poin krusial: pertama, terdapat perbedaan signifikan antara kesimpulan OpenAI dan DeepMind mengenai alokasi anggaran komputasi untuk model versus data, yang ternyata bersumber dari perbedaan metode penghitungan parameter dan skala eksperimen. Kedua, bahkan formula DeepMind yang dianggap lebih akurat ternyata mengandung bug dalam fungsi loss, di mana optimizer berhenti terlalu dini. Ketiga, Hukum Skala klasik mengasumsikan pasokan data tak terbatas, sementara kenyataannya data teks berkualitas tinggi akan segera habis, sehingga mendorong industri beralih ke pembelajaran penguatan, komputasi saat pengujian, dan data sintetis. Weng juga menekankan bahwa ekstrapolasi kurva dari model kecil untuk memprediksi model besar sangat rentan kesalahan. Ia menyertakan simulator interaktif dalam blognya untuk menunjukkan betapa rapuhnya prediksi tersebut. Artikel ini menyimpulkan bahwa era ketergantungan semata pada "penskalaan buta" sudah berakhir, dan masa depan AI bergantung pada pemahaman dan penanganan detail yang lebih tepat terhadap prinsip-prinsip fundamental ini.

marsbit06/26 04:56

Tiga Tahun Menunda Pembaruan, Artikel Panjang Terbaru Alumni Peking University, Weng Li, Viral

marsbit06/26 04:56

活动图片

Kategori Populerright-arrow

Tag Populerright-arrow