# Artikel Terkait Hukum Skala

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

Model Raksasa Menyapu Bersih Semua Ujian, Tapi Justru Jauh dari AGI: Apa yang Dibongkar Makalah Ini?

Teks ini membahas perdebatan definisi AGI (Kecerdasan Buatan Umum) yang belum memiliki standar pengukuran yang diterima secara universal. Berbagai pihak, seperti OpenAI, Microsoft, dan para CEO, memiliki tolok ukur dan ramalan waktu yang berbeda-beda. Sebuah makalah oleh Michael Timothy Bennett dari Australian National University menawarkan definisi baru AGI sebagai "ilmuwan buatan"—yaitu, sistem yang mampu beradaptasi secara luas, efisien, dan ilmiah di bawah kendala sumber daya terbatas (komputasi, memori, energi) seperti layaknya ilmuwan manusia. Penulis mengkritik standar lama seperti Tes Turing dan uji benchmark manusia karena telah "dikuasai" oleh model bahasa besar (LLM) tanpa mendekatkan kita pada kecerdasan umum yang sesungguhnya. LLM saat ini dinilai hanya melakukan "aproksimasi maksimalisasi skala", menyimpan jawaban perkiraan untuk berbagai tugas dalam bobot jaringannya, namun gagal pada masalah di luar distribusi data pelatihan dan tidak memiliki kemampuan aktif seperti merancang eksperimen atau memahami hubungan sebab-akibat. Teks ini merinci tiga kemampuan kunci AGI sejati menurut kerangka "ilmuwan buatan": 1. Dari "boneka pasif" menjadi "peneliti aktif": Mampu merencanakan eksperimen secara mandiri untuk memperoleh informasi. 2. Dari "tahu apa" menjadi "tahu mengapa": Memiliki pemahaman kausal, bukan hanya korelasi. 3. Menyeimbangkan "eksplorasi" dan "eksploitasi": Mengalokasikan sumber daya komputasi secara dinamis di bawah kendala. Tiga pendekatan metodologis dalam membangun sistem cerdas dianalisis: *Scale-maxing* (pendekatan LLM saat ini yang menumpuk parameter dan data), *Simp-maxing* (maksimalkan kesederhanaan model), dan *W-maxing* (melemahkan batasan fungsional agar sistem menemukan solusi optimal sendiri). Kesimpulannya, AGI tidak akan tercapai hanya melalui satu pendekatan (seperti *Scaling Law*), tetapi memerlukan konvergensi berbagai metode. Jika definisi baru ini diterima, akan terjadi pergeseran paradigma dalam industri AI. Standar evaluasi akan bergeser dari peringkat ujian manusia ke "benchmark adaptasi" yang menguji kemampuan menemukan pengetahuan baru dalam lingkungan yang tidak dikenal.

marsbit05/28 00:27

Model Raksasa Menyapu Bersih Semua Ujian, Tapi Justru Jauh dari AGI: Apa yang Dibongkar Makalah Ini?

marsbit05/28 00:27

Bertemu Puncak Generalist, 3 Miliar Diserap dalam 30 Hari, Apa yang Dilakukan QxSmart dengan Benar?

Perusahaan kecerdasan embodied, Qianshen Intelligence, berhasil mengumpulkan total 30 miliar RMB dalam dua putaran pendanaan hanya dalam 30 hari, dengan partisipasi investor ternama seperti Shunwei Capital (didirikan Lei Jun) dan Yunfeng Capital (didirikan Jack Ma). Didirikan pada Januari 2024 oleh trio pendiri dengan latar belakang robotika, AI, dan komersialisasi, perusahaan mengembangkan model embodied open-source Spirit v1.5 yang menunjukkan kemampuan generalisasi yang kuat, bahkan melampaui model Pi0.5 AS. Strategi mereka berfokus pada hukum penskalaan (Scaling Law), di mana peningkatan data secara signifikan meningkatkan kinerja model. Mereka mengumpulkan lebih dari 200.000 jam data interaksi nyata melalui perangkat wearable dan operasi jarak jauh, menargetkan 1 juta jam pada 2026. Qianshen telah menerapkan robot "Xiao Mo" di lingkungan industri (misalnya, di CATL) dan ritel (sebagai barista di京东 MALL) untuk mengumpulkan data dunia nyata guna menyempurnakan model, membentuk siklus umpan balik yang berkelanjutan. Pendekatan ini mencerminkan keyakinan bahwa data dari skenario dunia nyata adalah kunci untuk mencapai kecerdasan embodied umum.

marsbit04/07 04:15

Bertemu Puncak Generalist, 3 Miliar Diserap dalam 30 Hari, Apa yang Dilakukan QxSmart dengan Benar?

marsbit04/07 04:15

Memberdayakan AI, Merintis Jalan Nilai: Bagaimana Crypto Memposisikan Diri dalam Pertarungan Infrastruktur Menjelang 2027?

Pemberdayaan AI vs. Crypto: Crypto Harus Menjadi Infrastruktur Nilai untuk Ekonomi AI pada 2027 Crypto dan AI sama-sama memberdayakan manusia, tetapi dengan pendekatan berbeda. Crypto fokus pada "kedaulatan finansial terdesentralisasi" yang bersifat defensif, memungkinkan orang mengontrol aset tanpa bergantung pada lembaga sentral. Di sisi lain, AI memberdayakan melalui "penguatan produktivitas eksponensial" yang ofensif, didorong oleh hukum skalabilitas (Scaling Law) yang memicu pertumbuhan pesat. Pertumbuhan Crypto telah beralih dari arbitrase regulasi ke penetapan teratur di bawah pengawasan, sehingga kecepatannya tidak sebanding dengan AI. Agar tidak terjebak sebagai pasar spekulasi sempit, Crypto harus berintegrasi dengan AI sebagai infrastruktur lapisan nilai untuk ekonomi AI. Arah seperti protokol x402, pembayaran AI Agent, dan ekonomi AI on-chain dapat memanfaatkan permintaan transaksi otomatis masif yang dihasilkan AI. Dengan tenggat waktu 2027 sebagai perkiraan kemunculan AGI (Artificial General Intelligence), Crypto harus memposisikan diri pada lapisan protokol sebelum ekonomi AI benar-benar meledak.

marsbit12/25 09:21

Memberdayakan AI, Merintis Jalan Nilai: Bagaimana Crypto Memposisikan Diri dalam Pertarungan Infrastruktur Menjelang 2027?

marsbit12/25 09:21

活动图片

Kategori Populerright-arrow

Tag Populerright-arrow

Pembaruan Proyekright-arrow

Tren Teknologiright-arrow