Laboratorium Frontier terobsesi. Mereka berlomba menuju model yang dapat mengembangkan diri, dan yakin bahwa itulah satu-satunya cara untuk mencapainya. Logikanya melingkar namun menggoda: AI meningkatkan AI. Itu berputar. Itu mengakali kita. Bahkan mungkin menjebak kita.
Kedengarannya bagus untuk distopia. Tidak berguna untuk buletin.
Saya perlu mengeluarkan kata-kata. Cepat. Jadi saya bertanya pada diri sendiri pertanyaan praktis. Dapatkah saya menggunakan perbaikan diri secara rekursif untuk mengotomatisasi kesibukan saya sendiri? Bukan untuk kecerdasan seperti dewa. Hanya untuk pekerjaan kasar.
Saya menghabiskan waktu seminggu untuk mengujinya.
Jawabannya adalah ya. Anehnya, ya.
Yang lebih penting, hal ini menyarankan jalan yang berbeda. Perusahaan yang tidak bergantung pada lima perusahaan pemilik langit.
Memulai dari yang kecil (dan menghancurkan banyak hal)
Saya mulai dengan melatih model bahasa kecil dari awal. Yang saya maksud dengan “pelatihan” adalah saya menyerahkan semua pemikiran keras kepada Claude.
Saya menggunakan Riset Otomatis. Proyek kesayangan Andrej Karpathy. Kamu kenal dia. Pendiri OpenAI, pemimpin Tesla AI, sekarang di Anthropic. Alat ini membantu AI yang sudah ada untuk membuat versi AI yang lebih baik dan lebih kecil.
Saya mengetik perintah. “Hai, lihat program.md, mari kita mulai eksperimen baru.”
Lalu saya menyediakan sisanya. Perangkat Keras (superkomputer desktop Nvidia DGX). Listrik (panas, langsung sepanjang malam). Dan kesediaan sembrono untuk membiarkan kode tersebut menjadi liar, melewati pemeriksaan keamanan standar.
Biarkan dia memasak.
Setiap beberapa jam, saya mengintip. Claude sedang menyesuaikan parameter. Mengubah rezim pelatihan. Menonton bagaimana model yang lebih kecil merespons. Kemudian tweak lagi. Itu adalah sebuah lingkaran. Otonom. Tanpa henti.
Saya menguji keluaran awal. Perintah: “Pada awalnya…”
Keluaran: “Di awal dari awal dan akhir dari akhir akhir dari awal…”
Omong kosong. Kebisingan berulang.
Tapi nanti? Saat Claude terus menyempurnakan prosesnya, omong kosong itu pun mereda. Kalimat-kalimatnya masuk akal. Masih bukan GPT-5. Tapi lintasannya jelas. Model menjadi lebih baik dengan melakukan pekerjaan menjadi lebih baik.
Sesuatu yang bermanfaat (sebenarnya bermanfaat)
Melatih model mainan itu menyenangkan. Tapi saya menulis tentang makalah AI. Saya punya tumpukannya.
Saya membutuhkan seorang kurator.
Saya beralih ke Prime Intellect. Sebuah startup yang bertujuan untuk mendemokratisasi pelatihan model. Pitch mereka sederhana. Bangun model khusus untuk tugas tertentu. Bukan raksasa pada umumnya. Alat tajam.
Saya memberi mereka 100 entri dari bagian “Di Tempat Lain di Perbatasan”. Sedikit dan bobs. Sorotan penelitian. Kemudian saya meminta Claude untuk membantu membangun model bernama Frontier_Paper_Curator. Pekerjaannya? Temukan dan rangkum makalah yang menarik.
Di sinilah semuanya menjadi rumit. Claude menemukan lebih banyak kertas. Ini menghasilkan data sintetis. Kemudian mereka menggunakan model lain untuk mengkritik karyanya sendiri. Pembelajaran penguatan dimulai. Lingkungan itu sendiri menjadi gurunya.
Vincent Weisser menjalankan Prime Intellect. Perusahaannya baru saja mengumpulkan $15 juta. Dia membenci narasi sentralisasi.
“Kami tidak menginginkan satu kecerdasan seperti Tuhan. Kami menginginkan satu miliar kecerdasan.”
Dia percaya pada ceruk pasar. Alat khusus yang dibuat oleh semua orang, bukan hanya laboratorium. Jika setiap perusahaan mempunyai infrastruktur terdepan, kreativitas kolektif pasar akan mengalahkan beberapa perusahaan monopoli. Dia berpendapat bahwa AI terpusat adalah sebuah hambatan. Desentralisasi itu indah.
Startup lain setuju. Adaptasi menjual alat yang disebut AutoScientist. CEO Sara Hooker mencatat bahwa perusahaan-perusahaan besar menghabiskan uang untuk membeli token. Mereka kekurangan tenaga ahli internal. Mereka membutuhkan otomatisasi yang benar-benar berfungsi.
Lalu ada faktor risikonya. Ketika Anthropic memblokir permintaan tertentu untuk Claude, hal itu menyoroti rapuhnya ketergantungan. Alex Karp di Palantir memperingatkan tentang hal itu. Menggunakan laboratorium perbatasan berarti menyerahkan data. Itu berarti kehilangan kendali.
Saya ingin kendali. Atau setidaknya, leverage.
Saya menghabiskan kurang dari satu hari dengan Prime Intellect. Hasilnya adalah agen kuratorial yang fungsional.
Ini menghasilkan ringkasan ini untuk iFLYTEK:
Para peneliti di iFLYTEK mengembangkan iFLYTEK-Embodied-Ai, model multimodal yang menggabungkan visi, bahasa, dan tindakan. Metode lama memisahkan tugas-tugas ini. Model ini membagi perhatian kepada mereka. Ibarat otak dan otak kecil yang berbicara secara langsung. Ini mengurangi rangkaian kesalahan. Ini melatih beragam data video. Hasilnya adalah agen yang mampu melakukan penalaran dan pengendalian secara bersamaan. Paradigma arsitektur baru untuk robotika.
Apakah itu sempurna? Tidak.
Itu terlalu bersemangat. Ini memilih makalah yang akan saya lewati. Ringkasannya agak umum.
Tapi itu berhasil.
Itu membebaskan saya dari beberapa pekerjaan yang membosankan. Ia tidak menjadi dewa. Itu menjadi sebuah alat.
Dan mungkin itulah hasil yang lebih baik. Kami tidak sedang membangun dewa. Kami sedang membuat draf yang lebih baik.
Entah apa yang terjadi jika mereka menyempurnakan diri lagi.
