# Artikel Terkait peningkatan diri

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

Blog Baru Wong Li Usulkan 'Evolusi Diri Mulai dari Harness', Cui Tianyi dari DeepSeek Setuju dan Membagikan

**Weng Li Usulkan: "Evolusi Diri AI Mungkin Dimulai dari Harness"** Dalam blog terbarunya, Weng Li, mantan Wakil Presiden Keamanan OpenAI, membahas konsep **RSI (Recursive Self-Improvement)** dengan pendekatan yang lebih teknis dan praktis. Ia berargumen bahwa evolusi diri AI dalam waktu dekat lebih mungkin terjadi pada lapisan **Harness**, sistem eksternal yang mengatur bagaimana model menggunakan alat, mengelola konteks, memecah tugas, dan memvalidasi hasil, daripada langsung memodifikasi bobot model itu sendiri. Ia menunjukkan tren yang berkembang dari **Context Engineering** (ACE, MCE) hingga **Workflow Design** (AI Scientist, ADAS, AFlow), di mana objek optimasi berkembang menjadi lebih abstrak. Puncaknya adalah konsep **Self-Improving Harness**, di mana model dapat menganalisis kegagalannya, mengusulkan modifikasi kecil dan terukur pada kode Harness, lalu memvalidasinya sebelum diterapkan. Contoh seperti **DGM (Darwin Gödel Machine)** menunjukkan kemajuan signifikan dalam benchmark seperti SWE-bench, hanya dengan mengoptimalkan Harness. Weng Li menekankan bahwa Harness dan model akan saling memperkuat, tetapi ada tantangan besar. **Sistem evaluasi** yang lemah, risiko **reward hacking**, **keruntuhan keragaman**, serta konflik antara **kesuksesan jangka pendek dan kesehatan jangka panjang** sistem menjadi hambatan utama. Peran manusia tetap krusial, bergeser ke posisi pengawasan pada level abstraksi yang tepat. DeepSeek Researcher **Cui Tianyi** juga merespons, menegaskan bahwa evolusi diri melalui **Harness** adalah arah yang sangat menjanjikan, setara dengan evolusi pada level model. Intinya, **Harness kini menjadi variabel kritis yang menentukan performa AI secara keseluruhan.**

marsbit07/08 10:29

Blog Baru Wong Li Usulkan 'Evolusi Diri Mulai dari Harness', Cui Tianyi dari DeepSeek Setuju dan Membagikan

marsbit07/08 10:29

Karyawan Anthropic Keluar untuk Berwirausaha, Valuasi $10 Miliar, Juga Fokus pada "Peningkatan Diri Rekursif"

Mantan karyawan Anthropic, Behnam Neyshabur dan Harsh Mehta, mendirikan startup bernama Mirendil dengan visi menciptakan AI yang mampu meningkatkan diri sendiri secara rekursif (recursive self-improvement) untuk mempercepat kemajuan ilmiah. Perusahaan ini berhasil mengumpulkan pendanaan seed $2 miliar dari Andreessen Horowitz, Kleiner Perkins, dan Nvidia, yang menempatkan valuasinya di $10 miliar. Misi Mirendil bukanlah sekadar "AI untuk Sains", melainkan "AI untuk (menciptakan) AI bagi Sains". Mereka bertujuan membangun platform yang memungkinkan tim peneliti di berbagai bidang (seperti kedokteran, ilmu material) melatih dan mengembangkan model AI khusus mereka sendiri, tanpa hanya bergantung pada model umum dari perusahaan besar. Pendekatan ini dianggap sebagai jalur terpendek menuju akselerasi sains oleh AI, meskipun melibatkan tantangan teknis dan keamanan. Didirikan oleh tim 20 orang yang berasal dari Anthropic, xAI, Google DeepMind, dan OpenAI, Mirendil melihat peluang justru dari kebijakan perusahaan AI besar yang membatasi penggunaan model mereka untuk melatih produk pesaing. Perusahaan berencana merilis model dan produk pertamanya dalam beberapa bulan ke depan untuk mendapatkan umpan balik pengguna awal.

marsbit06/26 03:28

Karyawan Anthropic Keluar untuk Berwirausaha, Valuasi $10 Miliar, Juga Fokus pada "Peningkatan Diri Rekursif"

marsbit06/26 03:28

AGI Bukan Akhir, Makalah Baru DeepMind: Menuju ASI, Kemajuan AI yang Sesungguhnya Baru Dimulai

Jika Kecerdasan Buatan Umum (AGI) tercapai, apakah itu titik akhir? Tim Google DeepMind dalam laporan terbarunya berpendapat bahwa AGI **bukanlah akhir perjalanan**. AI diprediksi akan terus berkembang melampaui kemampuan tim ahli manusia terbaik, menuju Superintelligence (ASI). Laporan ini membedakan tiga konsep: AGI (kecerdasan setara manusia rata-rata), ASI (melampaui manusia di hampir semua bidang), dan UAI (batas teoretis maksimal). Transisi dari AGI ke ASI dapat melalui empat jalur potensial: 1. **Ekspansi Lanjutan**: Meningkatkan skala komputasi, model, dan data. 2. **Inovasi Algoritma**: Penyempurnaan paradigma yang ada atau pergeseran paradigma baru. 3. **Peningkatan Diri Secara Rekursif**: AI yang lebih kuat membantu mengembangkan generasi AI berikutnya yang lebih kuat. 4. **Koordinasi Multi-Agen**: Kecerdasan kolektif dari banyak sistem AGI yang berkolaborasi. Namun, terdapat enam kemacetan potensial: dinding data, tekanan sumber daya ekonomi & alam, batasan paradigma jaringan saraf saat ini, meningkatnya kesulitan penelitian, hambatan abstraksi, serta tantangan regulasi dan penerimaan sosial. Laporan ini juga menyoroti bahwa jika AI melampaui manusia, sistem evaluasi (benchmark) yang ada menjadi tidak relevan. Diperlukan kerangka pengukuran baru, seperti tugas kolaborasi/kompetisi multi-agen, pengujian yang dihasilkan otomatis, atau indikator tidak langsung seperti produktivitas ekonomi. ASI bukanlah sistem ajaib yang mahatahu; perkembangannya tetap dibatasi oleh hukum fisika, kompleksitas komputasi, data, sumber daya, dan umpan balik dunia nyata. Arah dan kecepatan kemajuan AI masih penuh ketidakpastian, sehingga memerlukan penelitian, prediksi, dan mekanisme evaluasi yang terus diperbarui.

marsbit06/16 12:05

AGI Bukan Akhir, Makalah Baru DeepMind: Menuju ASI, Kemajuan AI yang Sesungguhnya Baru Dimulai

marsbit06/16 12:05

Peringatan Anthropic tentang AI Rekursif, Perusahaan Baru Tian Yuandong Baru Saja Melangkahkan 'Langkah Pertama'

Beberapa hari lalu, Anthropic merilis artikel "When AI Builds Itself" yang memicu diskusi luas. Artikel tersebut mengungkap data internal yang mengejutkan: hingga Mei 2026, lebih dari 80% kode di basis kode Anthropic ditulis oleh Claude, dan jumlah kode yang digabungkan oleh insinyur setiap hari adalah 8 kali lipat dari tahun 2024. Anthropic mengarahkan lintasan ini menuju tujuan yang lebih dalam: **perbaikan diri rekursif** — sistem AI secara mandiri merancang, membangun, dan melatih versi penerusnya sendiri, tanpa manusia mengendalikan setiap langkah. Mereka juga menyerukan koordinasi industri untuk memiliki opsi menunda atau menghentikan sementara pengembangan AI terkini ketika momen perbaikan diri rekursif tiba. Kini, Recursive Superintelligence, perusahaan baru yang didirikan bersama oleh Tian Yuan Dong, baru saja **mengambil langkah pertama menuju penelitian AI otomatis**. Mereka merilis sistem penemuan pengetahuan otomatis terbuka pertama mereka dan mencapai hasil SOTA pada tiga pengujian patokan. Intinya, mereka berhasil membuat AI menjalankan eksperimen untuk Anda. Sistem ini bekerja secara otomatis untuk mengusulkan ide eksperimen, menerapkan kode, menjalankan verifikasi, belajar dari hasilnya, dan memutuskan langkah pencarian berikutnya, membentuk loop penelitian otomatis. Sistem ini diuji pada tiga skenario berbeda: 1. **Pelatihan model kecil dengan anggaran komputasi tetap (NanoChat Autoresearch):** Meningkatkan validasi BPB dari 0.9372 menjadi 0.9109. 2. **Balapan kecepatan pelatihan ekstrem (NanoGPT Speedrun):** Memangkas waktu pelatihan dari 79,7 detik menjadi 77,5 detik. 3. **Optimasi inti GPU (SOL-ExecBench):** Meningkatkan skor SOL dari 0,699 menjadi 0,754 pada 235 tugas penulisan inti. Recursive Superintelligence, didirikan akhir 2025/awal 2026, baru keluar dari mode siluman bulan lalu dan telah mengumpulkan pendanaan $6,5 miliar. Tim pendirinya termasuk para ahli ternama seperti Richard Socher, Alexey Dosovitskiy, dan Peter Norvig. Misi inti perusahaan adalah membangun sistem AI yang secara rekursif meningkatkan kemampuan penelitiannya sendiri. Pencapaian Recursive ini mewakili fajar paradigma penelitian AI baru: **sistem AI mengambil peran utama dalam penelitian**. Logika intinya adalah AI meningkatkan kemampuan penelitian AI, dan AI yang ditingkatkan kemudian dapat meningkatkan dirinya sendiri lebih efektif, menciptakan siklus yang berulang. Ini berpotensi mengubah kecepatan dan kurva biaya kemajuan AI. Langkah ini terjadi bersamaan dengan peringatan dari Anthropic tentang perlunya kesiapan menghadapi perbaikan diri rekursif. Sementara Recursive mengakui ini baru **"langkah pertama"** dan tantangan seperti pencegahan kecurangan dalam sistem hadir, sebuah loop tertutup telah mulai berputar. Pertanyaan selanjutnya adalah seberapa cepat ia akan berputar.

marsbit06/12 04:15

Peringatan Anthropic tentang AI Rekursif, Perusahaan Baru Tian Yuandong Baru Saja Melangkahkan 'Langkah Pertama'

marsbit06/12 04:15

Anthropic Memprediksi secara Global, OpenAI Telah Melampaui "Ambang Keandalan": Akselerasi Mandiri AI Telah Dimulai

**Peringatan Global dari Anthropic: OpenAI Telah Melampaui 'Ambang Keandalan', Memicu Akselerasi Mandiri AI** Anthropic mengeluarkan peringatan mendesak untuk memperlambat atau menghentikan penelitian AI, karena data internal mereka menunjukkan bahwa AI kini mempercepat pengembangan AI itu sendiri, berpotensi mendekati titik kritis perbaikan diri yang rekursif atau "membuat dirinya sendiri." Di sisi lain, Yann Dubois dari tim pasca-pelatihan OpenAI memberikan perspektif mikro: pertumbuhan kemampuan AI sebenarnya linier dan berkelanjutan, tetapi pengguna merasakan "kebergunaan" yang melompat secara diskrit. Ini karena adanya **"ambang keandalan"**. Sebelum mencapai ambang ini, AI hanyalah alat cerdas yang tidak dapat diandalkan sepenuhnya. Setelah melampauinya (sekitar Desember tahun lalu menurut Dubois), AI menjadi seperti karyawan yang dapat dipercaya untuk menangani pekerjaan nyata dan mulai mempercepat perkembangannya sendiri. **Akselerasi Mandiri dan Siklus Penguatan:** Ketika model menjadi cukup andal (misalnya, dalam pemrograman), mereka dapat digunakan untuk membantu peneliti mengembangkan alat dan bahkan melatih generasi model AI berikutnya, menciptakan loop akselerasi yang semakin cepat. Data Anthropic menunjukkan produktivitas kode per insinyur meningkat 8x pada Q2 2026 dibandingkan Q1 2024. **AI sebagai "Kerajinan" (Craft):** Dubois menegaskan bahwa membangun sistem AI yang andal lebih menyerupai kerajinan atau bahkan "alkimia" yang mengandalkan intuisi dan trial-and-error, daripada ilmu pengetahuan murni yang sistematis. Peningkatan keandalan seringkali dicapai dengan menekan "tingkat kesalahan per interval waktu" dalam sistem agen AI. **"Harness" Vertikal dan "Mil Terakhir":** Dubois berpendapat bahwa jika model saat ini "dibekukan" dan fokus dialihkan ke pengembangan *harness* (sistem orkestrasi) yang matang untuk domain spesifik, banyak bidang sudah dapat merasakan fungsi seperti AGI (Kecerdasan Buatan Umum). **Tantangan sebenarnya bukan pada kecerdasan model, tetapi pada "mil terakhir"**—yaitu mengintegrasikan AI dengan sistem yang ada, mengatur izin akses, konektor data, dan alur kerja bisnis tertentu. Inilah peluang besar bagi pengembang dan startup. **Tantangan Masa Depan: Pembelajaran Berkelanjutan (Continual Learning):** Meski memiliki titik awal yang tinggi, model AI saat ini kesulitan untuk terus belajar dan beradaptasi dari pengalaman spesifik di lingkungan barunya seperti manusia. Membentuk kurva pembelajaran AI yang terus naik, bukan mendatar, adalah salah satu masalah terpenting berikutnya.

marsbit06/06 23:27

Anthropic Memprediksi secara Global, OpenAI Telah Melampaui "Ambang Keandalan": Akselerasi Mandiri AI Telah Dimulai

marsbit06/06 23:27

Saat Sentimen CT (Crypto Twitter) di Titik Terendah, Apa yang Harus Dilakukan?

Saat suasana hati di Crypto Twitter (CT) mencapai titik terendah dan pasar crypto berada dalam fase bearish, banyak yang merasa bingung dan tidak tahu harus berbuat apa. Berikut adalah 9 hal yang baik untuk dilakukan selama masa-masa ini: 1. **Renungkan hidup yang benar-benar kamu inginkan.** Luangkan waktu untuk berpikir apakah jalan hidupmu saat ini adalah pilihan sadar atau hanya hasil reaksi pasif. Tanyakan pada dirimu apa yang sungguh-sungguh ingin kamu capai. 2. **Selesaikan beberapa 'tugas sampingan'.** Jangan terjebak di depan layar. Keluarlah, berpetualanglah, dan ciptakan kisahmu sendiri. Waktu hidupmu terbatas. 3. **Jalin koneksi di Twitter/X.** Platform ini adalah alat yang bagus untuk terhubung dengan orang-orang yang sepemikiran atau yang kamu kagumi, bahkan saat suasana sedang sepi. Nilai sebenarnya ada pada persahabatan. 4. **Berolahraga dan bangun otot.** Manfaatkan waktu luang di masa bearish untuk berlatih. Kamu bisa berlatih di rumah dengan pull-up, dumbbell, dan latihan inti untuk membentuk tubuh. 5. **Berjemur di bawah sinar matahari.** Paparan sinar matahari sangat penting untuk kesehatan dan mengatur ritme tubuh. Jangan takut untuk berjemur dan tampil percaya diri. 6. **Jelajahi area baru di ekonomi online.** Jika bosan dengan Twitter, cobalah platform seperti TikTok atau YouTube Shorts. Dunia online sangat luas, dan peluang berikutnya bisa datang dari sana. 7. **Terus jelajahi potensi airdrop dan kumpulkan aset kripto (altcoin) yang kamu suka.** Meski sentiment negatif merajalela, sejarah menunjukkan pasar selalu pulih. Apa yang dianggap remeh hari ini bisa menjadi peluang besar besok. 8. **Menulislah.** Menulis adalah cara menghubungkan diri dengan masa lalu dan masa depan, serta mengubah pengalaman hidup menjadi seni. Tulislah untuk dirimu sendiri, untuk orang lain, atau untuk generasi mendatang. 9. **Jadilah perubahan yang ingin kamu lihat.** Masa depan ada di tangan kita. Jika kamu membayangkan era kejayaan bagi komunitas crypto, wujudkan dengan tindakanmu setiap hari.

marsbit05/19 05:52

Saat Sentimen CT (Crypto Twitter) di Titik Terendah, Apa yang Harus Dilakukan?