AI Membongkar Halaman Utama Tao Setelah 30 Tahun, Langsung Menemukan Dua Bug yang Tersembunyi Selama 20 Tahun Lebih

marsbitDipublikasikan tanggal 2026-07-14Terakhir diperbarui pada 2026-07-14

Abstrak

Judul asli: AI Memperbarui Situs Web 30 Tahun Terence Tao, Menemukan Dua Bug Tersembunyi 20+ Tahun Terence Tao, seorang matematikawan peraih Fields Medal, baru-baru ini menggunakan agen AI (terutama Claude Code) untuk memigrasikan seluruh situs web pribadinya yang telah dirawat secara manual sejak 1997. Dalam satu hari, AI berhasil memindahkan 560 makalah, 374 catatan perjalanan, 68 kursus, dan banyak konten lainnya ke sistem statis baru berbasis GitHub Pages. Migrasi ini mengungkap dan memperbaiki banyak ketidakkonsistenan data dan tautan mati yang terakumulasi selama hampir 30 tahun. Lebih menarik lagi, AI juga membantu memporting sekitar 20 applet Java 1.0 lama (ditulis Tao antara 1998-2000 untuk visualisasi matematika) ke JavaScript, dan dalam prosesnya menemukan dua bug dalam kode asli Tao yang tidak pernah dia sadari sebelumnya. Inti dari transformasi ini adalah pergeseran dari memelihara file HTML individual ke sistem di mana YAML adalah "sumber kebenaran" tunggal. Halaman web sekarang dihasilkan secara otomatis dari data terstruktur ini, membuat pembaruan dan koreksi kesalahan jauh lebih mudah. Tao juga menyelesaikan proyek lama yang tertunda sejak 1999: sebuah simulator visual untuk diagram ruang-waktu relativistik khusus. Proyek yang dulu terhambat oleh kompleksitas kode ini berhasil diimplementasikan hanya dalam dua jam berkolaborasi dengan AI. Kesimpulan Tao: tugas pemeliharaan digital yang membosankan dan berulang seperti ini sangat cocok untuk otomatisasi o...

Semua orang mengira AI seharusnya lebih dulu membantu matematikawan membuktikan teorema, tapi Tao malah menyuruhnya memindahkan halaman web usang yang sudah 30 tahun. Dalam satu hari, 560 makalah penelitian dipindahkan, bahkan AI menemukan dua bug dalam kode lawas yang ditulisnya sendiri lebih dari dua puluh tahun lalu yang tidak pernah dia ketahui.

Situsnya dibangun tahun 1997, mengubah satu kata pun harus buka terminal dan ketik HTML manual, dipelihara hampir tiga puluh tahun.

Baru-baru ini, Tao menyerahkan halaman pribadinya pada sebuah agen cerdas AI.

Hanya dalam satu hari, 560 makalah dan preprint, 374 catatan perjalanan, 68 kursus, 19 buku, 29 aplikasi matematika kecil, semuanya dipindahkan secara massal dari struktur lama yang hampir 30 tahun, dan kini menetap di GitHub Pages.

Yang lebih menarik dari pemindahan adalah temuan di tengah jalan.

AI menemukan sekumpulan informasi yang saling bertentangan, entri usang, dan tautan mati dalam situs lawas hampir 30 tahun itu. Kesalahan-kesalahan ini adalah yang dia tinggalkan sendiri sedikit demi sedikit selama tiga puluh tahun.

Ia juga sambil memindahkan kumpulan aplikasi kecil lawas yang ditulis dalam Java 1.0 ke JavaScript, dan dalam kode yang ditulis Tao sendiri lebih dari dua puluh tahun lalu, menemukan dua bug yang tidak pernah dia ketahui.

Kali ini, AI tidak pergi membuktikan teorema, yang dilakukannya untuk matematikawan adalah "pekerjaan rumah digital" yang paling tidak ingin mereka sentuh.

Struktur Lama Hampir 30 Tahun, Dia Bertahan Sampai 2026

Halaman utama Tao dibangun tahun 1997, saat itu dia masih asisten profesor Hedrick di UCLA, halamannya penuh tautan luar yang disusun manual, dari grup berita sci.math hingga novel serial The Wheel of Time yang dia sukai.

Web 1.0 standar. Satu halaman satu topik, layar penuh tautan teks, semuanya dirawat manual.

21 Mei 1997, Tao masih asisten profesor, dengan halaman utama barunya.

Hampir tiga puluh tahun, struktur ini tidak pernah berubah.

Tao terus menambahkan hal-hal: halaman detail lebih dari tiga ratus makalah, catatan mengajar, jadwal perjalanan, CV, koreksi buku. Caranya selalu mengubah halaman per halaman, selesai diunggah manual, dulu di akun Unix mengetik dengan vi.

Satu-satunya komprominya ke abad ke-21 adalah beralih ke editor web modern untuk menghasilkan HTML, konsekuensinya kodenya jauh lebih gemuk daripada versi buatan tangannya dulu.

Konten tumbuh linear, biaya perawatan malah eksponensial. Di tengah jalan, dia pernah memindahkan halaman buku, saran karier ke blog, sedikit meredakan, tetap canggung.

Saat konten semakin menumpuk, biaya untuk mengubahnya semakin tinggi, mencapai titik kritis tertentu, Anda mulai membiarkan kesalahan-kesalahan itu tetap ada di sana.

Applet Java itu mati lebih parah. Browser meninggalkan Java 1.0, dia sendiri tidak punya tenaga memindahkan dua puluh lebih program ke bahasa baru, halaman itu tetap tergantung, bergantung selama sepuluh tahun.

YAML adalah Sumber Kebenaran, Halaman Web Hanya "Cetakan"

Tao mengatakan, dia baru-baru ini menyadari: dengan adanya agen cerdas AI, memigrasi sistem lawas hampir 30 tahun ini seharusnya menjadi pekerjaan rutin.

Kemudian, dia mencoba. Prosesnya "cukup mulus", katanya.

Kuncinya, dia tidak menyuruh AI menulis ulang sekumpulan HTML, melainkan membangun ulang alur data.

Repositori baru ini bernama tao-web, logikanya mirip percetakan.

Naskah asli adalah YAML di direktori data, delapan jenis konten masing-masing satu folder; skema mengatur format, menentukan seperti apa seharusnya setiap bidang.

Dua skrip Python, satu memeriksa satu mencetak. Jika pemeriksaan gagal, kode tidak bisa di-push. Halaman web yang dicetak dimasukkan ke direktori site, tidak masuk repositori versi.

Terakhir push satu kali cabang main, GitHub Actions otomatis periksa, cetak, dan terbitkan.

Repositori tao-web. README menyatakan: YAML adalah satu-satunya sumber kebenaran, halaman web dihasilkan. (Sumber: GitHub teorth/tao-web)

Satu kalimat di README repositori menjadi penopang seluruh struktur: YAML adalah satu-satunya sumber kebenaran, halaman web dihasilkan.

Diikuti aturan operasi: ubah data, jangan pernah ubah HTML yang dihasilkan di direktori site.

Dalam sistem lama, setiap halaman adalah fakta independen. Informasi yang sama tersebar di lima halaman, satu terlewat, mereka mulai "bertengkar".

Dalam sistem baru, fakta hanya ada dalam satu salinan. Halaman web turun tingkat menjadi lapisan tampilan, seperti kertas yang bisa dicetak ulang kapan saja.

Basis pengetahuan seseorang, begitu berubah dari sekumpulan dokumen menjadi sebuah basis data.

AI Menemukan Dua Bug dalam Kode Lamanya

Setelah memindahkan data, Tao melakukan eksperimen kedua.

Sejak 1999, untuk membuat visualisasi mata kuliah analisis kompleks dan aljabar linier, dia menulis sekumpulan applet kecil dengan Java 1.0. Saat itu responsnya bagus.

Kemudian, browser tidak lagi mendukung versi Java itu, kumpulan ini pun menjadi usang.

Sekarang, dia menyuruh agen cerdas memindahkannya ke JavaScript, 20-an applet kecil, beberapa jam semuanya hidup kembali.

Model besar menulis kode dapat menghasilkan berbagai bug yang jelas atau tersembunyi, dalam pemindahan applet kecil ini, Tao hanya menemukan satu: sebuah applet analisis kompleks berperilaku agak aneh saat digeser keluar dari kotak tampilan utama.

Sebaliknya, agen cerdas menemukan dua bug dalam kode aslinya yang tidak pernah dia sadari.

Satu masuk satu keluar, penilaiannya adalah: kualitas kode impas.

Seorang peraih Fields Medal, dikritik AI dalam kode yang ditulisnya sendiri lebih dari dua puluh tahun lalu.

Dia segera memberi batasan kesimpulan ini: applet kecil ini adalah alat bantu visual tambahan, bukan bagian inti dari pembuktian matematika, risiko konsekuensi bug sebenarnya tidak tinggi.

Digeser keluar kotak, pengguna sendiri yang menemukan. Tapi jika pembuktian salah, itu adalah insiden profesional.

Batas inilah yang menjadi kunci metodologi Tao.

Aplikasi analisis kompleks awalnya ditulis Tao dengan Java antara 1998-2000, sekarang setiap baris di bawahnya tertulis: Dipindahkan dengan bantuan Claude Code. (Sumber: teorth.github.io/tao-web)

Salah Tidak Menakutkan, yang Menakutkan Tidak Bisa Diperbaiki

Tao tidak menghindari masalah halusinasi.

Dia secara eksplisit mengatakan, AI modern masih cenderung berhalusinasi, dalam proses migrasi mungkin memasukkan kesalahan baru.

Tapi setelah dia periksa sendiri, tingkat kesalahan sekarang "terlihat memang lebih rendah daripada sebelumnya". Dan yang lebih penting, koreksi kesalahan besar-besaran menjadi jauh lebih mudah.

Tentu, ini kesan setelah dia periksa manual, bukan angka dari hasil menjalankan evaluasi.

Tao tidak membandingkan AI dengan "kesempurnaan", melainkan membandingkan "AI ditambah pemeriksaan manual" dengan "perawatan manual murni selama tiga puluh tahun" oleh dirinya sendiri.

Perawatan manual itu sendiri adalah mesin penghasil kesalahan yang terus-menerus, hanya saja telah salah selama tiga puluh tahun, tidak ada yang punya tenaga untuk memeriksa.

Kebanyakan perdebatan tentang AI, macet pada satu pertanyaan "apakah ia akan salah". Tao terutama mengukur tingkat kesalahan siapa yang lebih rendah, biaya perbaikan siapa yang lebih kecil.

Kesalahan yang menumpuk tidak menakutkan, yang menakutkan adalah tidak bisa diperbaiki. Situs lama mengubah satu informasi harus membuka lima halaman, situs baru mengubah satu baris YAML, seluruh situs otomatis dibangun ulang.

Ide yang Ditunda 27 Tahun, Selesai dalam Dua Jam

Setelah memindahkan program lama, dia memutuskan melangkah lebih jauh.

Tahun 1999, dia pernah punya konsep ambisius: membuat alat visualisasi teori relativitas khusus.

Yang dia inginkan adalah papan gambar untuk menggambar relativitas: letakkan sebuah lintasan gerak, ganti sudut pandang pengamat, seluruh gambar akan memelintir sendiri sesuai aturan relativitas. Menurutnya, "Inkscape di ruang Minkowski".

Dia bahkan sudah mulai menulis kode Java, akhirnya mundur karena kompleksitas kode, proyek terhenti.

Dia vibe coding dengan agen cerdas selama dua jam, konsep tahun 1999 itu berhasil dibuat.

11 Juli, simulator diagram ruang-waktu ini online, menjadi aplikasi orisinal pertama di situs baru, dia sendiri menandai ini masih versi alpha.

Simulator diagram ruang-waktu yang dikonsep 1999, diluncurkan 27 tahun kemudian. Satu perjalanan antarbintang, digambar sekali untuk setiap kerangka acuan kiri dan kanan. (Sumber: teorth.github.io/tao-web)

Yang menghalanginya dulu bukan matematika, adalah kompleksitas kode, 27 tahun kemudian, bagian ini terisi.

Tao memberi catatan kaki untuk seluruh peristiwa.

Dia berkata, perawatan halaman web mungkin salah satu bagian alur kerja akademik yang paling tidak memukau, paling tidak menarik. Justru tugas rutin yang membosankan ini sangat cocok untuk platform modern, seperti GitHub, dan juga sangat cocok untuk alat otomatisasi, termasuk AI modern dan juga skrip deterministik tradisional.

Berapa banyak laboratorium, jurnal, lembaga penelitian, masih menyimpan HTML, Excel, dan direktori lokal puluhan tahun. Pekerjaan nyata pertama agen cerdas, mungkin adalah menjadi insinyur migrasi "aset digital" ini.

Tentu, hal ini membuktikan AI cocok untuk migrasi data, strukturisasi, dan perawatan otomatisasi, tidak berarti AI sudah dapat menangani semua data akademik dengan andal, apalagi berarti pemeriksaan manual bisa dihilangkan.

Yang benar-benar berubah adalah hubungan antara seorang matematikawan dan akumulasi tiga puluh tahunnya: dulu dia harus merawat sendiri akumulasi ini, sekarang dia adalah orang yang terakhir melakukan pengecekan.

Referensi:

https://mathstodon.xyz/@tao/116893088594916122

https://terrytao.wordpress.com/2026/07/11/old-and-new-apps-via-modern-coding-agents/

https://github.com/teorth/tao-web

https://teorth.github.io/tao-web/https://news.ycombinator.com/item?id=48880170

Artikel ini berasal dari akun WeChat publik "新智元", penulis: ASI启示录

Kripto yang Sedang Tren

Pertanyaan Terkait

QApa yang dilakukan AI terhadap halaman web lama Terence Tao?

AAI memigrasikan seluruh konten dari halaman web pribadi Terence Tao yang berusia hampir 30 tahun ke platform GitHub Pages yang baru. Ini mencakup 560 makalah, 374 catatan perjalanan, dan banyak materi lainnya, sambil menemukan dan memperbaiki berbagai kesalahan yang ada.

QApa arti dari 'YAML adalah sumber kebenaran tunggal' dalam sistem baru Tao?

ADalam sistem baru Tao, semua data konten (seperti informasi makalah dan kursus) disimpan secara terpusat dalam file YAML. Halaman web HTML hanyalah hasil cetakan dari data ini. Prinsip ini memastikan konsistensi data dan memudahkan pemeliharaan, karena perubahan hanya perlu dilakukan di satu tempat (file YAML).

QApa yang ditemukan AI dalam kode lama yang ditulis Tao?

ASelama proses migrasi dan konversi program Java ke JavaScript, AI menemukan dua bug yang tersembunyi dalam kode asli yang ditulis Tao lebih dari 20 tahun yang lalu. Bug-bug ini sebelumnya tidak diketahui oleh Tao sendiri.

QApa proyek lama Tao yang akhirnya diwujudkan dengan bantuan AI?

ADengan bantuan agen AI (vibe coding), Tao akhirnya mewujudkan proyek visualisasi relativitas khusus yang dia rencanakan sejak tahun 1999. Proyek yang sempat terbengkalai karena kompleksitas kode ini sekarang menjadi simulator diagram ruang-waktu yang berfungsi di situs barunya.

QMenurut Tao, apa keuntungan utama menggunakan AI untuk tugas pemeliharaan seperti ini?

AMenurut Tao, keuntungan utamanya bukanlah menghilangkan kesalahan sepenuhnya, tetapi secara drastis mengurangi biaya dan upaya untuk memperbaiki kesalahan. AI membuat koreksi skala besar menjadi lebih mudah. Sementara sistem lama membutuhkan perubahan manual di banyak halaman, sistem baru hanya memerlukan perubahan satu baris di file YAML untuk memperbarui seluruh situs.

Bacaan Terkait

Apakah Momen iPhone untuk Kecerdasan Berbadan (Embodied Intelligence) Akan Segera Tiba?

**Ringkasan: Apakah Momen iPhone Kecerdasan Berwujud Akan Tiba?** Diskusi panel para ahli dari industri, akademisi, dan pemerintah menyimpulkan bahwa "momen iPhone" untuk kecerdasan berwujud (embodied AI) masih jauh. Berikut poin-poin kuncinya: **Status Teknologi:** * Saat ini lebih mirip era "telepon genggam" (generasi awal), belum seperti iPhone. * Kemampuan kontrol gerak ("otak kecil") sudah lumayan, tetapi kecerdasan untuk pengambilan keputusan dan generalisasi ("otak besar") masih sangat jauh dari kematangan komersial. * Berbagai jalur teknologi seperti model VLA (Vision-Language-Action) dan model dunia (world model) masih bereksplorasi, belum konvergen. * **Kekurangan data** adalah hambatan terbesar. Diperkirakan dibutuhkan data skala jutaan, tetapi saat ini hanya tersedia sekitar 500.000 data secara global (selisih 200x). **Aplikasi dan Potensi Pasar:** 1. **Pasar Nilai Emosional** (skala miliaran): Untuk pertunjukan, hiburan, pendampingan/peliharaan. 2. **Pasar Produktivitas Layanan Komersial** (skala triliunan): Seperti pemandu di pameran, pusat layanan, atau toko. 3. **Pasar Produktivitas Tenaga Kerja Operasional** (skala ratusan triliunan): Potensi terbesar untuk menggantikan pekerjaan di pabrik atau pekerjaan rumah tangga, tetapi masih banyak tantangan. * **Kendala ekonomi** saat ini: Biaya robot humanoid plus model AI masih jauh lebih mahal dibandingkan tenaga kerja manusia. * **Aplikasi pendampingan berbasis emosi** mungkin akan lebih dulu berkembang dalam 3 tahun ke depan, karena permintaan pasar ada dan tidak terikat perhitungan ROI ketat seperti di industri. **Peluang dan Tantangan Ekosistem:** * Aplikasi kecerdasan berwujud bisa dimulai sekarang, tidak harus menunggu robot humanoid sempurna. Robot bentuk lain (roda, berkaki empat) sudah bisa digunakan di beberapa skenario. * Industri membutuhkan lebih banyak **kolaborasi untuk pengumpulan dan pertukaran data**, mungkin melalui mekanisme *crowdsourcing*. * **Model AI (otak)** dan **ketersediaan data yang dapat diperdagangkan** adalah mata rantai yang masih lemah dalam rantai pasokan. * Dukungan pemerintah dan riset akademis sangat penting untuk mendorong inovasi. **AI sebagai Alat Bantu:** * Penggunaan AI (seperti model bahasa besar) untuk meningkatkan efisiensi dalam pengkodean, penelitian, dan administrasi sudah menjadi konsensus. * Namun, **keputusan kritis dan penilaian akhir harus tetap di tangan manusia**, karena AI masih memiliki risiko memberikan informasi yang menyesatkan atau menggantikan proses kognitif yang diperlukan. **Kesimpulan:** Masa depan kecerdasan berwujud dan robot humanoid tetap cerah, tetapi perjalanannya masih panjang dan bertahap. Perkembangannya mungkin tidak memiliki "momen ledakan" tunggal seperti iPhone, tetapi akan melalui terobosan bertahap di berbagai skenario aplikasi. Tujuan akhirnya adalah agar AI dapat masuk secara fisik ke dunia nyata dan membantu kehidupan manusia.

marsbit4m yang lalu

Apakah Momen iPhone untuk Kecerdasan Berbadan (Embodied Intelligence) Akan Segera Tiba?

marsbit4m yang lalu

Bagaimana Mengatur ETF Leverage Saham Tunggal? Kamis Ini, Seluruh Pasar Tertuju pada Pertemuan Pemerintah Korea Ini

**Cara Mengawasi ETF Leverage Saham Tunggal? Pemerintah Korea Selatan Gelar Pertemuan Penting Kamis Ini** Produk keuangan baru yang diluncurkan hanya 1,5 bulan lalu, yaitu ETF leverage saham tunggal, telah memicu kekhawatiran tinggi regulator Korea Selatan dan mendorong pertemuan darurat tingkat tinggi. Mekanisme koordinasi "F4" - yang terdiri dari Kementerian Keuangan, Komisi Jasa Keuangan, Bank of Korea, dan Otoritas Pengawasan Jasa Keuangan (FSS) - akan mengadakan pertemuan pada Kamis ini untuk membahas dampak produk ini terhadap pasar saham dan merumuskan langkah penanganan. Produk ini, yang mulai diperdagangkan pada 27 Mei, memungkinkan investor bertaruh 2x pada pergerakan harga harian saham Samsung Electronics dan SK Hynix. Mekanisme rebalancing harian yang diperlukan produk ini untuk mencocokkan kinerja dinilai memperburuk volatilitas pasar, menciptakan efek "mendorong kenaikan dan memperdalam penurunan". Hal ini dianggap sebagai salah satu pemicu anjloknya indeks KOSPI lebih dari 8% dan terjadinya *circuit breaker* ke-7 tahun ini pada Senin lalu. Pejabat regulator telah mengungkapkan penyesalan dan kesulitan. Kepala FSS, Lee Boon-jin, bahkan menyatakan "menyesal tidak berusaha maksimal untuk mencegah" peluncuran produk tersebut, sebuah pengakuan langka. Ia menyoroti "masalah struktural", seperti mustahilnya likuidasi paksa karena telah ada pembelian bersih hampir 10 triliun won oleh investor ritel, serta dampak terhadap kredibilitas hukum jika produk yang telah disetujui aturannya ditarik paksa. Sebelum pertemuan F4, regulator dan industri telah mendiskusikan beberapa opsi kebijakan potensial, termasuk: **meningkatkan persyaratan margin (jaminan), membatasi batas fluktuasi harga harian, dan menyesuaikan batas atas rasio leverage.** Namun, langkah-langkah ini diakui mungkin hanya solusi sementara. Data menunjukkan peningkatan volatilitas yang signifikan. Sejak ETF leverage saham tunggal diluncurkan, frekuensi hari dengan pergerakan KOSPI di atas 3% melonjak menjadi 52% dari hari perdagangan, dibandingkan 27% sebelumnya. Tahun ini, pasar saham Korea telah mengaktifkan mekanisme penghentian sementara perdagangan (*sidecar*) 35 kali dan *circuit breaker* penuh 7 kali, melampaui rekor saat krisis keuangan 2008. Dengan tekanan yang meningkat, pasar memperkirakan produk ini akan menghadapi pembatasan lebih ketat, seperti rasio leverage yang dikurangi atau persyaratan kelayakan investor yang diperketat. Hasil pertemuan F4 pada Kamis ini akan menentukan arah kebijakan selanjutnya.

marsbit1j yang lalu

Bagaimana Mengatur ETF Leverage Saham Tunggal? Kamis Ini, Seluruh Pasar Tertuju pada Pertemuan Pemerintah Korea Ini

marsbit1j yang lalu

Trading

Spot

Artikel Populer

Apa Itu $S$

Memahami SPERO: Tinjauan Komprehensif Pengenalan SPERO Seiring dengan perkembangan lanskap inovasi, munculnya teknologi web3 dan proyek cryptocurrency memainkan peran penting dalam membentuk masa depan digital. Salah satu proyek yang telah menarik perhatian di bidang dinamis ini adalah SPERO, yang dilambangkan sebagai SPERO,$$s$. Artikel ini bertujuan untuk mengumpulkan dan menyajikan informasi terperinci tentang SPERO, untuk membantu para penggemar dan investor memahami dasar-dasar, tujuan, dan inovasi dalam domain web3 dan crypto. Apa itu SPERO,$$s$? SPERO,$$s$ adalah proyek unik dalam ruang crypto yang berusaha memanfaatkan prinsip desentralisasi dan teknologi blockchain untuk menciptakan ekosistem yang mendorong keterlibatan, utilitas, dan inklusi finansial. Proyek ini dirancang untuk memfasilitasi interaksi peer-to-peer dengan cara baru, memberikan pengguna solusi dan layanan keuangan yang inovatif. Pada intinya, SPERO,$$s$ bertujuan untuk memberdayakan individu dengan menyediakan alat dan platform yang meningkatkan pengalaman pengguna dalam ruang cryptocurrency. Ini termasuk memungkinkan metode transaksi yang lebih fleksibel, mendorong inisiatif yang dipimpin komunitas, dan menciptakan jalur untuk peluang finansial melalui aplikasi terdesentralisasi (dApps). Visi mendasar dari SPERO,$$s$ berputar di sekitar inklusivitas, bertujuan untuk menjembatani kesenjangan dalam keuangan tradisional sambil memanfaatkan manfaat teknologi blockchain. Siapa Pencipta SPERO,$$s$? Identitas pencipta SPERO,$$s$ tetap agak samar, karena ada sumber daya publik yang terbatas yang memberikan informasi latar belakang terperinci tentang pendiriannya. Kurangnya transparansi ini dapat berasal dari komitmen proyek terhadap desentralisasi—sebuah etos yang banyak proyek web3 bagi, memprioritaskan kontribusi kolektif di atas pengakuan individu. Dengan memusatkan diskusi di sekitar komunitas dan tujuan kolektifnya, SPERO,$$s$ mewujudkan esensi pemberdayaan tanpa menonjolkan individu tertentu. Dengan demikian, memahami etos dan misi SPERO tetap lebih penting daripada mengidentifikasi pencipta tunggal. Siapa Investor SPERO,$$s$? SPERO,$$s$ didukung oleh beragam investor mulai dari modal ventura hingga investor malaikat yang berdedikasi untuk mendorong inovasi di sektor crypto. Fokus investor ini umumnya sejalan dengan misi SPERO—memprioritaskan proyek yang menjanjikan kemajuan teknologi sosial, inklusivitas finansial, dan tata kelola terdesentralisasi. Fondasi investor ini biasanya tertarik pada proyek yang tidak hanya menawarkan produk inovatif tetapi juga memberikan kontribusi positif kepada komunitas blockchain dan ekosistemnya. Dukungan dari investor ini memperkuat SPERO,$$s$ sebagai pesaing yang patut diperhitungkan di domain proyek crypto yang berkembang pesat. Bagaimana SPERO,$$s$ Bekerja? SPERO,$$s$ menerapkan kerangka kerja multi-faceted yang membedakannya dari proyek cryptocurrency konvensional. Berikut adalah beberapa fitur kunci yang menekankan keunikan dan inovasinya: Tata Kelola Terdesentralisasi: SPERO,$$s$ mengintegrasikan model tata kelola terdesentralisasi, memberdayakan pengguna untuk berpartisipasi aktif dalam proses pengambilan keputusan mengenai masa depan proyek. Pendekatan ini mendorong rasa kepemilikan dan akuntabilitas di antara anggota komunitas. Utilitas Token: SPERO,$$s$ memanfaatkan token cryptocurrency-nya sendiri, yang dirancang untuk melayani berbagai fungsi dalam ekosistem. Token ini memungkinkan transaksi, hadiah, dan fasilitasi layanan yang ditawarkan di platform, meningkatkan keterlibatan dan utilitas secara keseluruhan. Arsitektur Berlapis: Arsitektur teknis SPERO,$$s$ mendukung modularitas dan skalabilitas, memungkinkan integrasi fitur dan aplikasi tambahan secara mulus seiring dengan perkembangan proyek. Kemampuan beradaptasi ini sangat penting untuk mempertahankan relevansi di lanskap crypto yang selalu berubah. Keterlibatan Komunitas: Proyek ini menekankan inisiatif yang dipimpin komunitas, menggunakan mekanisme yang memberikan insentif untuk kolaborasi dan umpan balik. Dengan memelihara komunitas yang kuat, SPERO,$$s$ dapat lebih baik memenuhi kebutuhan pengguna dan beradaptasi dengan tren pasar. Fokus pada Inklusi: Dengan menawarkan biaya transaksi yang rendah dan antarmuka yang ramah pengguna, SPERO,$$s$ bertujuan untuk menarik basis pengguna yang beragam, termasuk individu yang mungkin sebelumnya tidak terlibat dalam ruang crypto. Komitmen ini terhadap inklusi sejalan dengan misi utamanya untuk memberdayakan melalui aksesibilitas. Garis Waktu SPERO,$$s$ Memahami sejarah proyek memberikan wawasan penting tentang trajektori dan tonggak perkembangannya. Berikut adalah garis waktu yang disarankan yang memetakan peristiwa signifikan dalam evolusi SPERO,$$s$: Fase Konseptualisasi dan Ideasi: Ide awal yang membentuk dasar SPERO,$$s$ dikembangkan, sangat selaras dengan prinsip desentralisasi dan fokus komunitas dalam industri blockchain. Peluncuran Whitepaper Proyek: Setelah fase konseptual, whitepaper komprehensif yang merinci visi, tujuan, dan infrastruktur teknologi SPERO,$$s$ dirilis untuk menarik minat dan umpan balik komunitas. Pembangunan Komunitas dan Keterlibatan Awal: Upaya jangkauan aktif dilakukan untuk membangun komunitas pengguna awal dan investor potensial, memfasilitasi diskusi seputar tujuan proyek dan mendapatkan dukungan. Acara Generasi Token: SPERO,$$s$ melakukan acara generasi token (TGE) untuk mendistribusikan token asli kepada pendukung awal dan membangun likuiditas awal dalam ekosistem. Peluncuran dApp Awal: Aplikasi terdesentralisasi (dApp) pertama yang terkait dengan SPERO,$$s$ diluncurkan, memungkinkan pengguna untuk terlibat dengan fungsionalitas inti platform. Pengembangan Berkelanjutan dan Kemitraan: Pembaruan dan peningkatan berkelanjutan terhadap penawaran proyek, termasuk kemitraan strategis dengan pemain lain di ruang blockchain, telah membentuk SPERO,$$s$ menjadi pemain yang kompetitif dan berkembang di pasar crypto. Kesimpulan SPERO,$$s$ berdiri sebagai bukti potensi web3 dan cryptocurrency untuk merevolusi sistem keuangan dan memberdayakan individu. Dengan komitmen terhadap tata kelola terdesentralisasi, keterlibatan komunitas, dan fungsionalitas yang dirancang secara inovatif, ia membuka jalan menuju lanskap keuangan yang lebih inklusif. Seperti halnya investasi di ruang crypto yang berkembang pesat, calon investor dan pengguna dianjurkan untuk melakukan riset secara menyeluruh dan terlibat dengan perkembangan yang sedang berlangsung dalam SPERO,$$s$. Proyek ini menunjukkan semangat inovatif industri crypto, mengundang eksplorasi lebih lanjut ke dalam berbagai kemungkinan yang ada. Meskipun perjalanan SPERO,$$s$ masih berlangsung, prinsip-prinsip dasarnya mungkin benar-benar mempengaruhi masa depan cara kita berinteraksi dengan teknologi, keuangan, dan satu sama lain dalam ekosistem digital yang saling terhubung.

118 Total TayanganDipublikasikan pada 2024.12.17Diperbarui pada 2024.12.17

Apa Itu $S$

Apa Itu AGENT S

Agent S: Masa Depan Interaksi Otonom di Web3 Pendahuluan Dalam lanskap Web3 dan cryptocurrency yang terus berkembang, inovasi secara konstan mendefinisikan ulang cara individu berinteraksi dengan platform digital. Salah satu proyek perintis, Agent S, menjanjikan untuk merevolusi interaksi manusia-komputer melalui kerangka agen terbuka. Dengan membuka jalan untuk interaksi otonom, Agent S bertujuan untuk menyederhanakan tugas-tugas kompleks, menawarkan aplikasi transformasional dalam kecerdasan buatan (AI). Eksplorasi mendetail ini akan menyelami seluk-beluk proyek, fitur uniknya, dan implikasinya untuk domain cryptocurrency. Apa itu Agent S? Agent S berdiri sebagai kerangka agen terbuka yang inovatif, dirancang khusus untuk mengatasi tiga tantangan mendasar dalam otomatisasi tugas komputer: Memperoleh Pengetahuan Spesifik Domain: Kerangka ini secara cerdas belajar dari berbagai sumber pengetahuan eksternal dan pengalaman internal. Pendekatan ganda ini memberdayakannya untuk membangun repositori pengetahuan spesifik domain yang kaya, meningkatkan kinerjanya dalam pelaksanaan tugas. Perencanaan Selama Rentang Tugas yang Panjang: Agent S menggunakan perencanaan hierarkis yang ditingkatkan pengalaman, pendekatan strategis yang memfasilitasi pemecahan dan pelaksanaan tugas-tugas rumit dengan efisien. Fitur ini secara signifikan meningkatkan kemampuannya untuk mengelola beberapa subtugas dengan efisien dan efektif. Menangani Antarmuka Dinamis dan Tidak Seragam: Proyek ini memperkenalkan Antarmuka Agen-Komputer (ACI), solusi inovatif yang meningkatkan interaksi antara agen dan pengguna. Dengan memanfaatkan Model Bahasa Besar Multimodal (MLLM), Agent S dapat menavigasi dan memanipulasi berbagai antarmuka pengguna grafis dengan mulus. Melalui fitur-fitur perintis ini, Agent S menyediakan kerangka kerja yang kuat yang mengatasi kompleksitas yang terlibat dalam mengotomatisasi interaksi manusia dengan mesin, membuka jalan untuk berbagai aplikasi dalam AI dan seterusnya. Siapa Pencipta Agent S? Meskipun konsep Agent S secara fundamental inovatif, informasi spesifik tentang penciptanya tetap samar. Pencipta saat ini tidak diketahui, yang menyoroti baik tahap awal proyek atau pilihan strategis untuk menjaga anggota pendiri tetap tersembunyi. Terlepas dari anonimitas, fokus tetap pada kemampuan dan potensi kerangka kerja. Siapa Investor Agent S? Karena Agent S relatif baru dalam ekosistem kriptografi, informasi terperinci mengenai investor dan pendukung keuangannya tidak secara eksplisit didokumentasikan. Kurangnya wawasan yang tersedia untuk umum mengenai fondasi investasi atau organisasi yang mendukung proyek ini menimbulkan pertanyaan tentang struktur pendanaannya dan peta jalan pengembangannya. Memahami dukungan sangat penting untuk mengukur keberlanjutan proyek dan potensi dampak pasar. Bagaimana Cara Kerja Agent S? Di inti Agent S terletak teknologi mutakhir yang memungkinkannya berfungsi secara efektif dalam berbagai pengaturan. Model operasionalnya dibangun di sekitar beberapa fitur kunci: Interaksi Komputer yang Mirip Manusia: Kerangka ini menawarkan perencanaan AI yang canggih, berusaha untuk membuat interaksi dengan komputer lebih intuitif. Dengan meniru perilaku manusia dalam pelaksanaan tugas, ia menjanjikan untuk meningkatkan pengalaman pengguna. Memori Naratif: Digunakan untuk memanfaatkan pengalaman tingkat tinggi, Agent S memanfaatkan memori naratif untuk melacak sejarah tugas, sehingga meningkatkan proses pengambilan keputusannya. Memori Episodik: Fitur ini memberikan panduan langkah demi langkah kepada pengguna, memungkinkan kerangka untuk menawarkan dukungan kontekstual saat tugas berlangsung. Dukungan untuk OpenACI: Dengan kemampuan untuk berjalan secara lokal, Agent S memungkinkan pengguna untuk mempertahankan kontrol atas interaksi dan alur kerja mereka, sejalan dengan etos terdesentralisasi Web3. Integrasi Mudah dengan API Eksternal: Versatilitas dan kompatibilitasnya dengan berbagai platform AI memastikan bahwa Agent S dapat dengan mulus masuk ke dalam ekosistem teknologi yang ada, menjadikannya pilihan menarik bagi pengembang dan organisasi. Fungsionalitas ini secara kolektif berkontribusi pada posisi unik Agent S dalam ruang kripto, saat ia mengotomatisasi tugas-tugas kompleks yang melibatkan banyak langkah dengan intervensi manusia yang minimal. Seiring proyek ini berkembang, aplikasi potensialnya di Web3 dapat mendefinisikan ulang bagaimana interaksi digital berlangsung. Garis Waktu Agent S Pengembangan dan tonggak Agent S dapat dirangkum dalam garis waktu yang menyoroti peristiwa pentingnya: 27 September 2024: Konsep Agent S diluncurkan dalam sebuah makalah penelitian komprehensif berjudul “Sebuah Kerangka Agen Terbuka yang Menggunakan Komputer Seperti Manusia,” yang menunjukkan dasar untuk proyek ini. 10 Oktober 2024: Makalah penelitian tersebut dipublikasikan secara terbuka di arXiv, menawarkan eksplorasi mendalam tentang kerangka kerja dan evaluasi kinerjanya berdasarkan tolok ukur OSWorld. 12 Oktober 2024: Sebuah presentasi video dirilis, memberikan wawasan visual tentang kemampuan dan fitur Agent S, lebih lanjut melibatkan pengguna dan investor potensial. Tanda-tanda dalam garis waktu ini tidak hanya menggambarkan kemajuan Agent S tetapi juga menunjukkan komitmennya terhadap transparansi dan keterlibatan komunitas. Poin Kunci Tentang Agent S Seiring kerangka Agent S terus berkembang, beberapa atribut kunci menonjol, menekankan sifat inovatif dan potensinya: Kerangka Inovatif: Dirancang untuk memberikan penggunaan komputer yang intuitif seperti interaksi manusia, Agent S membawa pendekatan baru untuk otomatisasi tugas. Interaksi Otonom: Kemampuan untuk berinteraksi secara otonom dengan komputer melalui GUI menandakan lompatan menuju solusi komputasi yang lebih cerdas dan efisien. Otomatisasi Tugas Kompleks: Dengan metodologinya yang kuat, ia dapat mengotomatisasi tugas-tugas kompleks yang melibatkan banyak langkah, membuat proses lebih cepat dan kurang rentan terhadap kesalahan. Perbaikan Berkelanjutan: Mekanisme pembelajaran memungkinkan Agent S untuk belajar dari pengalaman masa lalu, terus meningkatkan kinerja dan efektivitasnya. Versatilitas: Adaptabilitasnya di berbagai lingkungan operasi seperti OSWorld dan WindowsAgentArena memastikan bahwa ia dapat melayani berbagai aplikasi. Saat Agent S memposisikan dirinya di lanskap Web3 dan kripto, potensinya untuk meningkatkan kemampuan interaksi dan mengotomatisasi proses menandakan kemajuan signifikan dalam teknologi AI. Melalui kerangka inovatifnya, Agent S mencerminkan masa depan interaksi digital, menjanjikan pengalaman yang lebih mulus dan efisien bagi pengguna di berbagai industri. Kesimpulan Agent S mewakili lompatan berani ke depan dalam pernikahan AI dan Web3, dengan kapasitas untuk mendefinisikan ulang cara kita berinteraksi dengan teknologi. Meskipun masih dalam tahap awal, kemungkinan aplikasinya sangat luas dan menarik. Melalui kerangka komprehensifnya yang mengatasi tantangan kritis, Agent S bertujuan untuk membawa interaksi otonom ke garis depan pengalaman digital. Saat kita melangkah lebih dalam ke dalam ranah cryptocurrency dan desentralisasi, proyek-proyek seperti Agent S pasti akan memainkan peran penting dalam membentuk masa depan teknologi dan kolaborasi manusia-komputer.

960 Total TayanganDipublikasikan pada 2025.01.14Diperbarui pada 2025.01.14

Apa Itu AGENT S

Cara Membeli S

Selamat datang di HTX.com! Kami telah membuat pembelian Sonic (S) menjadi mudah dan nyaman. Ikuti panduan langkah demi langkah kami untuk memulai perjalanan kripto Anda.Langkah 1: Buat Akun HTX AndaGunakan alamat email atau nomor ponsel Anda untuk mendaftar akun gratis di HTX. Rasakan perjalanan pendaftaran yang mudah dan buka semua fitur.Dapatkan Akun SayaLangkah 2: Buka Beli Kripto, lalu Pilih Metode Pembayaran AndaKartu Kredit/Debit: Gunakan Visa atau Mastercard Anda untuk membeli Sonic (S) secara instan.Saldo: Gunakan dana dari saldo akun HTX Anda untuk melakukan trading dengan lancar.Pihak Ketiga: Kami telah menambahkan metode pembayaran populer seperti Google Pay dan Apple Pay untuk meningkatkan kenyamanan.P2P: Lakukan trading langsung dengan pengguna lain di HTX.Over-the-Counter (OTC): Kami menawarkan layanan yang dibuat khusus dan kurs yang kompetitif bagi para trader.Langkah 3: Simpan Sonic (S) AndaSetelah melakukan pembelian, simpan Sonic (S) di akun HTX Anda. Selain itu, Anda dapat mengirimkannya ke tempat lain melalui transfer blockchain atau menggunakannya untuk memperdagangkan mata uang kripto lainnya.Langkah 4: Lakukan trading Sonic (S)Lakukan trading Sonic (S) dengan mudah di pasar spot HTX. Cukup akses akun Anda, pilih pasangan perdagangan, jalankan trading, lalu pantau secara real-time. Kami menawarkan pengalaman yang ramah pengguna baik untuk pemula maupun trader berpengalaman.

1.6k Total TayanganDipublikasikan pada 2025.01.15Diperbarui pada 2026.06.02

Cara Membeli S

Diskusi

Selamat datang di Komunitas HTX. Di sini, Anda bisa terus mendapatkan informasi terbaru tentang perkembangan platform terkini dan mendapatkan akses ke wawasan pasar profesional. Pendapat pengguna mengenai harga S (S) disajikan di bawah ini.

活动图片