SHarga Sonic

Aleo, blockchain publik yang fokus pada privasi terprogram, akan menggelar acara komunitas pertamanya di kawasan Asia Pasifik (APAC) di Shanghai pada 26 Juli 2026, bekerja sama dengan komunitas pengembang sumber terbuka OpenBuild. Acara bertajuk "Aleo Shanghai Community Event" ini bertujuan membangun ekosistem pengembang komputasi privasi, mengumpulkan pengembang, wirausahawan, dan penggemar teknologi Web3 & AI untuk mendiskusikan tren teknologi Zero-Knowledge Proof (ZKP) dan peluang inovasi dari integrasi AI dengan komputasi privasi. Berbeda dengan acara berbagi teknologi tradisional, acara ini menekankan partisipasi dan praktik langsung pengembang. Peserta akan mengalami infrastruktur privasi Aleo, melakukan interaksi on-chain, serta berdiskusi langsung dengan tim Aleo. Acara juga akan mengungkap rencana APAC Hackathon yang akan datang, termasuk mekanisme, hadiah, dan dukungan mentor. Tema utama acara adalah "AI × Programmable Privacy", mengeksplorasi bagaimana komputasi privasi menjadi infrastruktur penting untuk internet generasi berikutnya. Diskusi panel bertajuk "Do Agents Need Privacy by Default?" akan membahas keamanan data dan privasi identitas untuk AI Agent. Selain presentasi, acara ini menampilkan sesi eksperimen produk, umpan balik pengguna, dan jaringan antar pengembang untuk mendorong pertumbuhan komunitas lokal. Acara ini menandai dimulainya babak baru komunitas pengembang Aleo di China dan kawasan APAC. **Informasi Acara:** - **Nama:** Aleo Shanghai Community Event - **Waktu:** 26 Juli 2026 (Minggu), 13:30–18:00 - **Lokasi:** Bangunan Shengbang International, Shanghai - **Penyelenggara:** Aleo × OpenBuild

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.

GPT-5.6 dari OpenAI mencapai terobosan dalam tes IQ offline oleh Tracking AI, dengan beberapa versinya mencetak skor 136. Ini adalah pertama kalinya model bahasa besar (LLM) melampaui ambang batas "jenius" 130, yang hanya dicapai oleh sekitar 1% populasi manusia. Skor ini diperoleh dari bank soal rahasia yang dirancang khusus untuk mencegah model menghafal jawaban. Dalam peringkat offline, varian GPT-5.6, termasuk versi visual, secara konsisten mencapai 136, mengungguli pesaing seperti Claude-5 Fable (130) dan model lainnya yang berada di kisaran 117-123. Pengujian praktis oleh para developer menunjukkan kemampuan GPT-5.6 dalam tugas dunia nyata. Model ini berhasil membuat simulasi fisika partikel yang kompleks dalam satu file HTML, membangun sistem tiket layanan pelanggan berbasis RAG, dan memperbaiki bug kode dengan efektif, menunjukkan pendekatan yang lebih pragmatis dan aplikatif dibandingkan model lain. Meskipun skor IQ 136 menandakan kemampuan kognitif standar yang luar biasa dalam logika dan pengenalan pola, ini hanyalah satu aspek kecerdasan. Tes semacam itu tidak mengukur keandalan fakta, kemampuan menggunakan alat, atau kinerja dalam skenario profesional yang sebenarnya. Namun, pengalaman praktis menunjukkan bahwa GPT-5.6 mulai menyatukan kemampuan "menyelesaikan soal tes" dengan "menyelesaikan pekerjaan nyata".

OpenAI secara resmi merilis panduan terbaru tentang teknik penulisan _prompt_ untuk mengoptimalkan penggunaan ChatGPT. Berikut 8 strategi utama yang dapat membuat ChatGPT lebih patuh dan menghasilkan konten yang akurat: 1. **Gunakan Model Terbaru**: Untuk hasil terbaik, disarankan menggunakan model terbaru OpenAI, seperti GPT-5.6 Sol. 2. **Berikan Instruksi yang Spesifik dan Detail**: Jangan berikan perintah yang umum. Jelaskan dengan jelas tujuan, panjang konten, format, gaya, dan elemen lain yang diinginkan. 3. **Struktur Prompt yang Jelas**: Letakkan intruksi utama di bagian depan prompt dan gunakan pemisah seperti `###` atau `"""` untuk memisahkan instruksi dengan teks yang akan diproses. 4. **Berikan Contoh dan Penjelasan Format**: Berikan contoh atau penjelasan tentang format output yang diharapkan agar AI memahami dengan lebih baik. 5. **Mulai dari Zero-shot, lalu Few-shot, dan Fine-tuning**: Coba dulu dengan instruksi dasar (zero-shot). Jika perlu, berikan beberapa contoh (few-shot). Untuk tugas yang sangat khusus, pertimbangkan fine-tuning dengan dataset yang besar. 6. **Hindari Deskripsi yang Samar atau Tidak Tepat**: Gunakan parameter yang terukur (misal: "3-5 kalimat") alih-alih instruksi seperti "beberapa kalimat" atau "singkat saja". 7. **Jangan Hanya Melarang, Tapi Juga Beri Arahan Positif**: Selain mengatakan apa yang tidak boleh dilakukan, beritahu juga apa yang seharusnya dilakukan oleh AI. 8. **Gunakan "Kata Pemandu" untuk Generasi Kode**: Saat meminta kode, gunakan kata kunci seperti `import` (Python) atau `SELECT` (SQL) di awal untuk memandu model. Terakhir, OpenAI memperkenalkan fitur "Generate Anything" yang dapat secara otomatis menghasilkan prompt yang sesuai hanya berdasarkan deskripsi tugas dari pengguna, mempermudah proses penulisan instruksi. Panduan ini dirancang untuk membantu pengguna menguasai ChatGPT dengan lebih efektif.

Pendiri dan CEO NVIDIA Jensen Huang melakukan serangkaian kunjungan dan perjanjian kerja sama di Jepang, menandakan komitmen perusahaan untuk menjadikan Jepang sebagai titik tumpu penting dalam peta "AI Fisik" globalnya. Huang mengumumkan kolaborasi dengan raksasa robotik Jepang, Fanuc dan Yaskawa Electric, untuk mengembangkan teknologi robot dan AI. Kerja sama dengan Toyota juga diperluas ke berbagai bidang seperti kendaraan otonom, simulasi pabrik, dan kecerdasan kota. Huang menekankan bahwa AI dapat membantu Jepang mengatasi kekurangan tenaga kerja dan meningkatkan produktivitas. Kunjungan ini juga diwarnai reuni emosional Huang dengan Shoichiro Irimajiri, mantan presiden SEGA, yang menyelamatkan NVIDIA dari kebangkrutan pada 1996 dengan investasi sekitar $5 juta. Mereka mengumumkan kelanjutan kerja sama, di mana game SEGA mendatang akan mendukung platform NVIDIA RTX Spark. Pada malam sebelum pengumuman resmi, Huang mengadakan makan malam di sebuah izakaya dengan para eksekutif kunci dari rantai pasokan semikonduktor Jepang, termasuk Kioxia, Shin-Etsu Chemical, Tokyo Electron, dan Ajinomoto, menunjukkan upaya mendalam untuk mengikat basis manufaktur dan pasokan Jepang dengan teknologi NVIDIA. Selain otomotif dan robotika, NVIDIA memperluas kolaborasinya di Jepang ke sektor-sektor penting seperti kesehatan (dengan perusahaan farmasi seperti Eisai dan Astellas), keuangan (dengan Mizuho Bank dan SMFG), dan komputasi kuantum (dengan lembaga penelitian RIKEN). Ada pula spekulasi mengenai kerja sama potensial dengan Noetra, konsorsium "AI Fisik" yang didukung pemerintah Jepang. Huang menolak kekhawatiran gelembung AI, menyatakan bahwa permintaan sangat kuat dan infrastruktur perlu dibangun setidaknya untuk satu dekade ke depan.