Gary Marcus：Mahasiswa tidak akan menghafal buku pelajaran secara kata per kata, analogi ini tidak cocok untuk AI

Judul

Pengingat yang terus terang dari Gary Marcus: siswa tidak akan menghafal materi pelajaran kata demi kata

Ringkasan

Ilmuwan kognitif Gary Marcus, saat menanggapi cuitan dari @theai_club dan @ednewtonrex, mengatakan sesuatu yang sangat benar: siswa tidak akan menghafal materi pelajaran kata demi kata, dan mereka juga tidak bisa menirukan kembali persis seperti itu. Ia menambahkan emoji tatapan mata ke samping (menggulung mata), yang jelas menohok pernyataan yang menyamakan pembelajaran manusia dengan LLM. Ini adalah pandangan yang sudah lama ia sampaikan: pembelajaran manusia bergantung pada pemahaman, abstraksi, dan kelupaan, sementara LLM bergantung pada pelatihan dengan data dalam jumlah besar. Ketika perusahaan AI mempromosikan bahwa model “belajar seperti manusia”, perbedaan ini menjadi sangat penting.

Analisis

Thread cuitan aslinya tidak bisa diakses (batasan platform, dan cuitan ini masih baru dengan interaksi yang sangat sedikit), jadi analisis berikut terutama didasarkan pada cuitan tersebut dan pandangan Marcus di masa lalu.

• Marcus terus mengkritik LLM: modelnya pandai mencocokkan pola; saat terjadi overfitting, ia mungkin mereproduksi data pelatihan, tetapi itu bukan “pemahaman”.
• Cara manusia mempelajari sesuatu berbeda: kita melupakan sebagian besar detail, namun mampu menyarikan konsep yang dapat ditransfer; saat situasinya berubah, kita masih bisa menggunakannya; LLM tidak bekerja seperti itu.
• Ini juga sejalan dengan jalur AI hibrida yang ia dorong: menggabungkan jaringan saraf dan penalaran berbasis simbol, mengejar “kecerdasan” yang benar, bukan “pelengkapan otomatis” yang lebih pintar.

Cuitan ini hanyalah selingan kecil dalam perdebatan yang sedang berlangsung—tidak akan memengaruhi pasar, dan tidak akan segera mengubah arah penelitian. Tapi ia menambah satu contoh lagi dalam diskusi tentang “apa yang bisa dilakukan AI dan apa yang tidak bisa dilakukan AI”, terutama dalam upaya mengungkap kesenjangan antara bahasa pemasaran industri dan realitas teknis.

Penilaian Dampak

• Pentingnya: rendah—paparannya terbatas, tidak ada konteks, dan dalam jangka pendek tidak akan memicu efek berantai apa pun
• Kategori: pandangan teknis, riset AI

Kesimpulan: Untuk pembaca biasa dan orang yang melakukan trading, ini saat ini kurang relevan; yang benar-benar mungkin diuntungkan adalah mereka yang meneliti kemampuan menjelaskan (explainability) dan jalur hibrida—semakin cepat memperhatikan, semakin besar keunggulannya.