Baru saja selesai membaca berbagi terbaru dari Demis Hassabis, pendiri DeepMind, di Y Combinator, ada beberapa pemikiran yang cukup layak dibahas. Saudara ini secara blak-blakan mengatakan bahwa sebenarnya hanya tinggal dua potongan kunci yang memisahkan kita dari AGI sejati—pembelajaran berkelanjutan, penalaran jangka panjang, dan sistem memori. Menurut penilaiannya, tantangan ini diperkirakan dapat diatasi sekitar tahun 2030.

Yang paling menarik adalah kritiknya terhadap model besar saat ini. Dia mengatakan sistem ini menunjukkan semacam "kecerdasan yang tidak merata"—dapat menyelesaikan masalah setingkat medali emas Olimpiade Matematika Internasional, tetapi sebaliknya gagal total pada soal matematika tingkat sekolah dasar. Ini bukan masalah kemampuan, melainkan jalur penalaran yang masih terlalu kasar, kurang refleksi terhadap proses berpikirnya sendiri. Dia bahkan memberi contoh bermain catur, di mana model kadang sadar bahwa satu langkah adalah langkah buruk, tetapi tidak dapat menemukan alternatif yang lebih baik, akhirnya mengulangi kesalahan yang sama. Fenomena ini menunjukkan bahwa sistem penalaran masih memiliki ruang inovasi yang besar.

Mengenai bagian Agen, saya sangat tertarik. Dia berpendapat bahwa Agen adalah jalur nyata menuju AGI, tetapi saat ini masih dalam tahap awal. Ada satu detail yang cukup menyentuh—tidak ada yang benar-benar menggunakan alat pemrograman AI untuk menciptakan game AAA yang mendominasi toko aplikasi. Secara teori, dengan tingkat alat saat ini, seharusnya bisa dilakukan, tetapi kenyataannya belum ada yang berhasil. Ini menunjukkan bahwa rantai alat atau prosesnya sendiri masih kurang sesuatu. Dia memperkirakan terobosan ini akan muncul dalam 6 sampai 12 bulan ke depan.

Kemajuan teknologi distilasi model juga cukup mengesankan. Model Flash mereka mampu mencapai 95% performa dari model flagship dengan biaya sepuluh kali lebih murah. Bahkan proses kompresi ini semakin cepat—dalam 6 sampai 12 bulan setelah peluncuran model baru, kemampuannya bisa dikompresi ke model kecil yang bisa dijalankan di perangkat edge. Dia mengakui saat ini belum menemukan batas teoretis dari densitas informasi, jadi ruang untuk pengembangan masih sangat besar.

Dalam hal penemuan ilmiah, dia mengusulkan sebuah konsep menarik—"Tes Einstein". Yaitu melatih sistem dengan pengetahuan sebelum tahun 1901 dan melihat apakah sistem tersebut mampu secara mandiri menyimpulkan teori relativitas Einstein tahun 1905. Jika AI mampu melakukan ini, itu berarti ia benar-benar mendekati kemampuan inovasi otonom. AlphaFold sudah membuktikan potensi AI di bidang lipatan protein, dengan 3 juta peneliti di seluruh dunia menggunakannya. Tapi dia berpendapat ini baru permulaan; bidang material science, penemuan obat, pemodelan iklim, semuanya berada di "momen AlphaFold 1"—berpotensi besar tetapi belum benar-benar terobosan.

Saran paling praktis untuk pengusaha adalah: jika Anda memulai proyek teknologi mendalam selama sepuluh tahun ke depan, harus memasukkan munculnya AGI ke dalam perencanaan. Ini bukan omong kosong, melainkan mempertimbangkan apakah produk Anda masih relevan di era AGI. Pemikirannya adalah, sistem umum (seperti Gemini) akan menggunakan sistem khusus (seperti AlphaFold) sebagai alat, bukan memasukkan semuanya ke dalam satu model besar. Ini sangat mempengaruhi arah pembangunan Anda saat ini.

Inti dari seluruh berbagi ini adalah: mengejar tantangan besar dan menyederhanakan masalah sebenarnya memiliki tingkat kesulitan yang hampir sama—hanya berbeda di tempatnya. Karena hidup ini terbatas, mengapa tidak mengarahkan energi ke hal-hal yang "hanya kamu yang melakukannya, orang lain tidak akan"? Kata-kata ini terdengar sederhana, tetapi untuk benar-benar melakukannya membutuhkan keteguhan hati yang luar biasa.