Pada Konferensi Zhiyuan 2026, akademisi Akademi Teknik Tiongkok dan pendiri Alibaba Cloud, Wang Jian, berdialog dengan Ketua Dewan Pengawas Institut Zhiyuan, Huang Tiejun. Wang Jian menyatakan bahwa ia tidak percaya AI akan menggantikan manusia, dan menekankan perlunya mempertimbangkan perkembangan AI dalam kerangka yang lebih luas: kecerdasan hewan, kecerdasan manusia, dan kecerdasan mesin. Ia menggunakan contoh penciuman anjing untuk menjelaskan bahwa kecerdasan mesin tidak akan menjadi ancaman bagi manusia. Wang Jian percaya bahwa masalah yang diciptakan manusia pasti akan diselesaikan oleh manusia sendiri, dan menekankan pentingnya membuat token menjadi seharga kertas. Huang Tiejun menyatakan bahwa manusia dan AI akan hidup berdampingan dan menyatu seperti orang tua dan anak. Mengenai kesenjangan AI antara Tiongkok dan Amerika Serikat, Wang Jian berpendapat bahwa enam tahun lalu kita masih terjebak di kolam renang, kini kita telah melihat lautan yang sama, namun perjalanan jauh belum berakhir.

Penulis artikel, sumber: Zhixidong

Laporan Zhixidongxi pada 12 Juni, hari ini, Konferensi Zhiyuan 2026 diadakan di Pusat Inovasi Internasional Zhongguancun, di mana akademisi Akademi Teknik Tiongkok dan pendiri Alibaba Cloud, Wang Jian, serta ketua Institut Zhiyuan, Huang Tiejun, berbagi serangkaian prediksi mutakhir dan pandangan baru dalam sesi podcast langsung.

Bagaimana cara melihat masa depan lebih awal daripada orang lain? Wang Jian percaya bahwa kita perlu memberi diri kita cara berpikir yang melampaui kerangka yang ada. “Ketika kita membicarakan kecerdasan buatan (AI), kita juga dibatasi oleh kata itu sendiri.” Ia berpendapat bahwa kita seharusnya berpikir tentang narasi AI dalam kerangka yang lebih luas, seperti yang dikatakan penerima Penghargaan Turing sebelumnya, Whitfield Diffie, yaitu dalam konteks kecerdasan hewan, kecerdasan manusia, dan kecerdasan mesin.

▲ Akademisi Akademi Teknik Tiongkok, pendiri Alibaba Cloud, Wang Jian

Apakah manusia akan dikuasai oleh kecerdasan mesin? Pandangannya sangat jelas: "Saya tidak percaya bahwa AI akan menggantikan manusia. Hidung anjing jauh lebih sensitif daripada manusia, tetapi kita tidak pernah merasa ini mengancam manusia."

Wang Jian percaya bahwa semua masalah model besar yang kita bahas hari ini sebenarnya awalnya digunakan untuk menggambarkan manusia. Saya seorang optimis yang tak bisa disembuhkan, jadi saya selalu percaya bahwa masalah yang diciptakan manusia sendiri pasti akan diselesaikan oleh manusia.

Dalam membahas narasi AI Tiongkok, Huang Tiejun memberikan saran kepada para profesional muda: punyai pemikiran sendiri, dan lebih penting lagi, bertekadlah saat saatnya tiba; jangan menghadapi ketidakpastian dengan sikap seperti menyelesaikan tugas atau mengharapkan keberhasilan pasti. Wang Jian menambahkan: Hari ini, Tiongkok dan Amerika Serikat melihat lautan yang sama; enam tahun lalu kita mungkin masih terjebak di kolam renang, kini kita sudah menghadap ke langit dan bumi yang sama, perjalanan panjang ini jauh dari selesai.

▲Huang Tiejun, Ketua Dewan Pengawas Institut Penelitian Zhiyuan

Ketika ditanya tentang hubungan antara manusia dan AI, Huang Tiejun mengatakan bahwa manusia dan AI akan hidup berdampingan dan menyatu seperti orang tua dan anak, dengan manusia memanfaatkan AI untuk memperluas batas-batas manusia. Wang Jian berpendapat bahwa manusia secara alami takut terhadap teknologi baru, dan dampak AI mungkin tidak akan melebihi peran api dalam sejarah; ia membandingkan kekhawatiran masyarakat terhadap alat tulis di masa lalu dengan kekhawatiran terhadap AI saat ini, serta mengusulkan bahwa "token harus dibuat menjadi 'tidak bernilai' ", sehingga harganya semurah kertas.

Berikut adalah ringkasan lengkap percakapan antara Wang Jian, Huang Tiejun, dan moderator Wei Shijie, yang telah diedit oleh Zhi Dongxi tanpa mengubah makna aslinya:

1. Sebagai bapak komputasi awan, Anda selalu melihat masa depan lebih dulu daripada orang lain pada titik-titik kunci seperti komputasi awan, otak kota, infrastruktur AI, dan komputasi luar angkasa—semua ini didasarkan pada model pemikiran dasar seperti apa?

Wang Jian: Sebenarnya tidak. Pagi ini, setelah mendengar pidato dua penerima Penghargaan Turing, saya tetap sangat terkesan. Terutama Andrew Barto yang kedua, ketika membahas pembelajaran penguatan, ia menyebut seorang psikolog bernama Thorndike, yang kami pelajari di buku psikologi sekitar awal tahun 1980-an. Jadi, bayangkan saja, seringkali saat ini sangat sulit untuk mengatakan apakah suatu ide berasal dari Anda terlebih dahulu atau dari orang lain. Jadi ini sebenarnya menjadi pertanyaan: Setelah Anda memikirkannya, apakah Anda memberitahu orang lain? Yang lebih sulit lagi adalah, apakah Anda memiliki keberanian untuk mencobanya? Pada akhirnya, ketika Anda merasa tidak ada harapan, apakah Anda mampu bertahan dan melangkah selangkah lagi?

2. Jawaban Anda sangat makro, saya ingin menguraikannya. Dalam buku yang Anda tulis, disebutkan bahwa ada kesamaan mendasar di balik segala hal, saya penasaran dengan metodologi mendasar Anda dalam menganalisis masalah?

Wang Jian: Sebenarnya sulit untuk membahas pola pikir. Pidato profesor pertama, Whitfield Diffie, juga sangat menyentuh saya. Dia menyebut bahwa kita semua berbicara tentang AI, dan tantangan besar di dalamnya adalah karena ada kata ini, kita secara sadar atau tidak sadar membuat kerangka semacam ini. Seperti yang sering saya katakan, ruang pertemuan ini menentukan bagaimana kita mengadakan rapat, apa yang bisa Anda katakan, dan bagaimana cara Anda menyampaikannya, sehingga sangat sedikit orang yang benar-benar memikirkan hal ini.

Jadi sebenarnya, saat ini kita berbicara tentang AI, kita secara sadar atau tidak sadar terbatas oleh tiga huruf AI itu sendiri. Itulah mengapa pagi ini, pembicaraan Profesor Whitfield Diffie tentang hal ini menyentuh saraf saya. Silakan cek, sekitar tahun 2017 saya juga pernah berbicara di Guiyang tentang hal yang hampir persis sama dengan yang ia sampaikan hari ini—mengapa ada Animal intelligence (kecerdasan hewan) dan Human intelligence (kecerdasan manusia), serta Machine intelligence (kecerdasan mesin)? Jadi menurut saya, dalam hal apa pun, Anda tetap perlu memberi diri sendiri kerangka berpikir yang bisa melampaui kerangka yang ada.

Jadi bagi saya, memikirkan tantangan yang dihadapi hari ini, saya pasti akan mempertimbangkannya dalam kerangka kecerdasan hewan, kecerdasan manusia, dan kecerdasan mesin. Saya dengan teguh tidak percaya bahwa AI yang dibicarakan semua orang saat ini akan menggantikan manusia.

Alasannya juga sederhana, saya sering mengatakan bahwa hidung anjing jauh lebih tajam daripada manusia, tetapi kita tidak pernah merasa ada kerugian apa pun. Jadi ketika Anda memiliki kerangka seperti ini, sebenarnya itu membantu Anda memikirkan banyak masalah lainnya. Oleh karena itu, saya pikir setiap orang sebaiknya membangun kerangka berpikir sendiri, yang mungkin akan lebih baik.

3. Anda menyebutkan bahwa kita perlu percaya pada sesuatu, dan membuat orang lain percaya juga sangat penting. Dulu, Alibaba Cloud secara konsisten menginvestasikan satu miliar yuan per tahun selama 10 tahun, dan mendapatkan dukungan sumber daya penuh sangatlah penting. Bagaimana cara membuat orang percaya pada keyakinan Anda?

Wang Jian: Beberapa hal menjadi tidak akurat saat menyebar. Namun, satu hal tetap pasti: mari kita sementara hindari menggunakan kata sumber daya yang terdengar agak vulgar. Saya percaya seseorang membutuhkan bantuan orang lain untuk melakukan sesuatu, tetapi jangan terlalu oportunis dalam bertindak.

Saya pernah mengadakan acara bernama "2050", yang sepenuhnya memungkinkan orang-orang yang saat ini tidak dikenal dan tidak memiliki sumber daya untuk berpartisipasi, tetapi mereka datang ke acara ini bukan untuk mencari sumber daya. Sebenarnya, kami memiliki gagasan yang sangat sederhana: ketika Anda ingin melakukan sesuatu, ketika Anda berbicara tentang sesuatu, pada dasarnya, apakah orang lain menganggapnya benar atau bagaimana perasaan mereka, dalam arti tertentu, tidak terlalu penting. Yang penting bukanlah orang yang berbicara di atas panggung berhasil meyakinkan audiens di bawahnya untuk percaya padanya, tetapi bahwa pemuda itu sendiri di atas panggung menyampaikan pandangannya terhadap dunia dan tekadnya untuk melakukan sesuatu—akhirnya, apakah audiens di bawah percaya atau tidak menjadi tidak relevan. Ketika dia sendiri mengucapkan kalimat itu di atas panggung, dia akan percaya.

Jadi, menurut saya hal yang sangat penting adalah Anda harus mengatakan hal-hal yang Anda percayai, dan melakukan hal-hal yang akan Anda lakukan sendiri. Saya percaya, jika Anda melakukannya, pasti akan ada orang yang mendukung Anda. Jika seseorang memiliki prasyarat bahwa jika saya ingin melakukan sesuatu dan tidak ada yang mendukung saya, maka saya tidak akan melakukannya, pada dasarnya akan merasa bahwa tidak ada yang akan mendukung Anda.

4. Profesor Huang, Zhiyuan dapat dikatakan sebagai "Huangpu Military Academy" dunia AI Tiongkok, sekaligus tempat lahir inovasi AI berkelanjutan kita semua. Mohon jelaskan, narasi AI Tiongkok didasarkan pada keyakinan seperti apa?

Huang Tiejun: Zhiyuan sangat beruntung, pertama karena didirikan pada tahun 2018, waktu yang tepat; sangat beruntung Pemerintah Kota Beijing memberi kami体制 yang fleksibel dan dukungan jangka panjang yang stabil; selain itu, kami sangat beruntung pada titik waktu yang tepat ini melakukan hal yang benar, yaitu pada tahun 2020, ratusan orang bersama-sama memecahkan tantangan model besar.

Sebelum itu, sudah banyak ahli di dalam dan luar negeri yang melakukan penelitian dan mencapai kemajuan, tetapi benar-benar menginvestasikan uang sungguhan sejumlah puluhan juta hingga ratusan juta membutuhkan tekad. Jadi, saya bertindak pada waktu yang tepat, dan dalam lima bulan meluncurkan model besar generasi pertama, lalu hanya tiga bulan kemudian generasi kedua sudah mengejar ketertinggalan. Saya merasa zaman memberi kita kesempatan.

Namun saya juga ingin menambahkan sedikit, peristiwa ini juga merupakan proses bertahap manusia. Model besar sebenarnya merupakan hasil akumulasi selama beberapa dekade. Belum lagi jaringan saraf, prediksi token berikutnya (next token prediction) sendiri sudah diajukan pada tahun 2000. Tentu saja, pada saat itu sebagai bagian dari evolusi teknologi, pencetusnya sendiri tidak yakin seberapa baik efeknya, tetapi metode ini telah dieksplorasi, dan kemudian banyak teknologi lain berkumpul bersama, sehingga menciptakan ledakan besar ini.

Jadi saya berpikir, Tiongkok saat ini berada pada titik ledakan inovasi teknologi, dan ada banyak sekali faktor di dalamnya. Namun yang paling penting ada dua hal. Pertama, Anda harus memiliki ide sendiri, jika tidak, Anda hanya akan mengikuti arus; kedua, saatnya membuat keputusan, Anda tidak bisa memandang hal ini dengan pendekatan seperti menyelesaikan tugas atau menunggu keberhasilan pasti, ketidakpastian dalam teknologi selalu ada, jadi Anda perlu memiliki ide, dan saatnya membuat keputusan, buatlah keputusan.

5. Dari mengejar hingga mendefinisikan cerita sendiri, narasi AI Tiongkok seperti apa?

Wang Jian: Sebenarnya, terkait hal yang baru saja disampaikan Tiejun tentang Zhiyuan, saya ingin menambahkan. Saya merasa Zhiyuan cukup inovatif. Saya selalu merasa bahwa pada waktu itu, melakukan AI dengan skala dan tekad seperti itu sangatlah sulit. Hal ini mengingatkan saya pada sebuah istilah yang dulu sering kita gunakan, yaitu “rocket science”—kita menekankan betapa solidnya hal tersebut, tetapi tidak ada yang lebih berbahaya atau lebih tidak pasti daripada roket.

Pada pagi hari ini, dalam sebuah percakapan, host bertanya apakah keamanan memiliki kepastian tertentu, dan jawaban tamu adalah bahwa sangat sulit untuk mengatakan ada kepastian apa pun, benar kan? Jadi saya ingin membahas hal tentang AI, sejak awal Zhiyuan, inilah yang sangat saya kagumi.

Ini berbeda dengan penelitian yang dulu kita lakukan. Dulu, melakukan penelitian berarti mendapatkan dana, lalu melakukannya—jika berhasil, Anda beri tahu dunia; jika gagal, tidak ada yang tahu. Namun, saat ini membuat model benar-benar berbeda. Bahkan jika Anda tidak membahas seluruh model, cukup satu tahap tengah saja, misalnya pelatihan selama tiga atau lima bulan, jika hasilnya buruk, uang yang dihabiskan setara dengan meledakkan satu roket, sekitar seratus juta hingga dua ratus juta. Namun hari ini, semua orang tahu bahwa untuk melatih satu siklus dengan baik, biaya listrik dan biaya komputasi yang Anda keluarkan akhirnya juga berada pada tingkat yang sama.

Jadi, kembali ke titik ini, perbedaan narasi AI antara Tiongkok dan Amerika sebenarnya tidak sesederhana itu, dan saya pun sulit mengatakannya. Karena ada satu prasyarat: penelitian dasar bersifat global, hampir tidak mungkin ada penelitian dasar yang bukan bersifat global. Jadi, dari mana pun Anda melihat makalah atau bahan dari buku, pada dasarnya tidak ada yang tidak bisa Anda lihat—semua orang seharusnya bisa mengaksesnya. Dari sudut pandang ini, ia bersifat global. Kembali ke narasi AI Tiongkok dan Amerika, orang-orang bertanya seberapa besar jarak antara kita dan mereka? Saya kurang suka menggambarkan hubungan kita dengan cara semacam ini.

Menurut saya sendiri, karena upaya semua orang selama bertahun-tahun ini, saya selalu mengatakan bahwa setidaknya Tiongkok dan Amerika Serikat melihat lautan yang sama di bidang ini. Jika enam atau tujuh tahun yang lalu, saya khawatir kita melihat kolam renang, sementara orang lain melihat lautan—meskipun dari kejauhan tampak sama-sama biru, tetapi ketika Anda mendekat, baru Anda sadari itu bukan dunia yang sama. Saat ini, saya masih bisa mengatakan bahwa kita semua melihat dunia yang sama. Mengenai siapa yang lebih dekat atau lebih jauh, mungkin itu adalah masalah teknis. Mengenai perkembangan pasar atau tonggak sejarah ini, menurut saya jauh belum bisa selesai dalam beberapa hari saja. Jadi, kita masih memiliki jalan panjang untuk ditempuh ke depan.

6. Apakah kita di Tiongkok memiliki kesempatan untuk mengajukan pertanyaan cerdas, jalur teknologi, dan paradigma inovasi kita sendiri?

Huang Tiejun: Saya setuju dengan pendapat Guru Wang tadi. Saat ini, dalam hal implementasi teknis yang diwakili oleh model besar, baik Tiongkok maupun Amerika Serikat memang telah mencapai hasil yang sangat baik. Namun, masalah ini tidak boleh diartikan sebagai masalah satu negara atau dua negara, melainkan merupakan proses akumulasi bertahap dari banyak pemikiran manusia. Sangat sederhana, lihatlah dua penerima Penghargaan Turing hari ini—mereka bukan berasal dari universitas atau institusi terkenal yang biasanya kita perhatikan; Hinton dan Sutton berada di Kanada. Tentu saja, saya percaya bahwa begitu banyak akademisi dan peneliti di seluruh dunia sebenarnya berfungsi dalam komunitas yang saling berinteraksi secara besar-besaran.

Jadi, dari masa depan, seperti yang baru saja dibahas mengenai narasi, sebenarnya menurut saya, Tiongkok sedang melakukannya, dan seluruh dunia juga sedang melakukannya, sebenarnya selama beberapa dekade ini telah menjadi logika besar. Saat penutupan, saya juga akan membahasnya; tahun ini saya sengaja memilih judul yang disebut "Mengerti Jalan yang Konsisten". Tentu saja ini bukan pemahaman saya sendiri, melainkan perkataan Konfusius; pada dasarnya jalan ini selalu demikian. Seperti apa jalan itu?

Kamu ingin membuat kecerdasan, sebenarnya ada dua hal: satu adalah data-driven yang kita bicarakan setiap hari hari ini, dan jika diperluas lagi, itu adalah function-driven. Hari ini, kedua penerima penghargaan Turing baru saja membahasnya: kamu mengumpulkan hal-hal ini, lalu melatihnya, sehingga membentuk sesuatu yang meniru kecerdasan manusia atau biologis.

Yang lain adalah dasar struktural, yaitu dasar fisiologis dan fisik seperti apa yang Anda gunakan? Tentu saja, tubuh manusia dan otak kita, sekarang mesin memiliki Transformer, serta arsitektur yang terus diperbaiki, bahkan direvolusikan, sehingga kedua hal ini terus berkembang dan meningkat. Saya percaya, para akademisi Tiongkok akan memberikan semakin banyak kontribusi di kedua bidang ini. Saya tidak akan menyebutkan contoh spesifik karena waktu terbatas; sebelumnya kita sudah memberikan kontribusi yang cukup besar, dan saya yakin di masa depan kita akan memberikan lebih banyak kontribusi lagi.

Jadi, secara keseluruhan, AI, atau yang sering disebut AGI, adalah narasi besar umat manusia, dan kita juga bisa mengatakan itu sebagai arah besar evolusi kecerdasan alam semesta. Saya berharap, sebagai peneliti, pengembang, maupun perusahaan, kita semua dapat memberikan kontribusi kita sendiri dalam proses ini, meninggalkan bintang kita masing-masing, yang bersatu membentuk alam semesta yang sangat besar.

Wang Jian: Baik, sebenarnya kamu menanyakan pertanyaan yang cukup bagus, menurutku Tiejun belum menjawabmu dengan baik. Kamu menyentuh topik tentang pemahaman kecerdasan. Sebenarnya kata "intelligence" ini cukup menarik, karena jika diterjemahkan kembali ke bahasa Mandarin. Tentu saja semua orang tahu bahwa kata ini diterjemahkan menjadi "cerdas". Namun, ada terjemahan yang lebih langsung lagi, yaitu "intelijen", sehingga CIA adalah intelligence. Kata ini cukup istimewa. Mengapa saya mengatakan kamu menanyakan pertanyaan yang sangat bagus?

Semua orang tahu saya berlatar belakang psikologi. Sebenarnya, sampai hari ini, memahami apa itu intelligence dari sudut pandang manusia masih jauh dari diketahui. Itulah mengapa tadi saya membahas Animal intelligence, Human intelligence, dan Machine intelligence. Mengenai Animal intelligence, penelitian saat ini masih merupakan misteri. Human intelligence bahkan lebih dalam lagi. Jadi, menggabungkan ketiga misteri ini tetap merupakan hal yang sangat kompleks.

Jadi saya rasa ini adalah pertanyaan yang bisa dieksplorasi dalam jangka panjang, karena ruang yang ada jauh melampaui apa yang bisa kita lihat saat ini, karena semua yang kita lihat hari ini hanyalah hal-hal yang bisa direalisasikan saat ini. Lalu, kondisi saat ini menciptakan peluang seperti apa bagi kita? Terutama bagi para akademisi muda. Saya tetap merasa sebaiknya kita gunakan kata-kata Iron Army sendiri. Saya sebenarnya belajar banyak ketika mendengar pernyataannya, meskipun saya juga pernah memikirkan hal serupa, tapi belum pernah menyampaikannya dengan cara seperti itu. Dia pernah mengatakannya, tetapi kemudian tampaknya dia sendiri tidak menjelaskannya dengan jelas. Mari saya sampaikan ulang hal ini dengan kata-kata Iron Army.

Mungkin ada di antara Anda yang pernah mendengar dia mengatakan sesuatu yang sangat menarik, bahwa pesawat terbang bisa terbang sebelum manusia benar-benar memahami aerodinamika secara menyeluruh—Anda pernah mengatakan hal ini. Sebenarnya, ini menyoroti masalah kunci hari ini, yaitu bahwa pemahaman kita terhadap esensi dunia dan tindakan yang kita lakukan pasti saling berkaitan dan berkembang bersama.

Hanya ketika suatu disiplin atau bidang mengalami tingkat tertentu, sepertinya kita bisa meninggalkan iterasi semacam ini untuk berkembang. Menurut saya pribadi, baik itu kecerdasan buatan maupun kecerdasan mesin, saat ini pada dasarnya masih berada dalam tahap di mana pemahaman kita terhadapnya terus mendalam, dengan iterasi teknis yang terjadi dalam interaksi semacam ini. Jadi, secara ketat, setelah pesawat terbang, baru 12 tahun kemudian departemen penerbangan didirikan, benar kan?

Huang Tiejun: Lebih dari 30 tahun.

Wang Jian: Lebih dari 30 tahun, kan? Jadi, semua orang bisa memikirkan, setelah pesawat terbang, baru setelah 30 tahun didirikan fakultas penerbangan. Dari sudut pandang ini, jika kita menganggap AI yang kita bahas hari ini sebagai perubahan besar, kita mungkin masih sangat jauh dari saat bisa mendirikan fakultas AI yang benar-benar bermakna, sehingga hal ini sangat menarik bagi generasi muda.

Artinya, dunia ini, apalagi soal penyelesaian masalah, awalnya sangat awal, jadi pada dasarnya adalah periode kekacauan saat dunia ini baru dimulai, itulah pemahaman saya tentang hal ini. Contoh penerbangan yang disampaikan Tiejun menurut saya lebih baik untuk memperkuat hal ini.

Jadi, ada peluang mutlak untuk mengajukan pertanyaan cerdas Anda sendiri. Bukan peluang mutlak, maka tidak mengajukannya adalah kesalahan Anda.

Tahun ini, Terence Tao dan agen AI DeepMind, AlphaEvolve, bergabung untuk memecahkan masalah matematis dunia yang telah terpendam selama lebih dari 50 tahun, Erdős. Profesor Wang Jian, menurut Anda, apakah AI sudah mulai mendorong batas kecerdasan manusia? Apakah Anda melihat paradigma baru?

Wang Jian: Sebenarnya ini sangat mendalam bagi saya pribadi. Artinya, ketika model bahasa besar saat ini muncul, atau arsitektur semacam ini muncul, tentu saja yang pertama kita lihat adalah bahasa, bukan? Meskipun awalnya dibuat untuk terjemahan mesin, tetapi hal ini mengingatkan saya pada masa awal, sekitar tahun 84 atau 85, ketika Herbert Simon, salah satu dari sepuluh orang yang hadir di konferensi Dartmouth, datang ke departemen kami untuk memberi kuliah tentang AI. Pada masa itu, semua pembahasan berfokus pada masalah logika. Semua masalah AI saat itu adalah masalah yang dibuat-buat, sehingga disebut toy problem—masalah bersifat mainan—baik itu dalam visi mesin maupun lainnya.

Jadi, sampai hari ini, Anda akan melihat perubahan mendasar; terlepas dari segi teori atau teknik, Anda akan melihat perubahan yang sangat mendasar, yaitu masalah yang harus dipecahkan tidak lagi merupakan masalah sederhana, melainkan hal-hal yang sangat sulit dipahami oleh manusia—ini adalah perubahan yang sangat mendasar, setidaknya menurut saya. Masalah-masalah ini sudah melampaui bayangan kita. Ini yang pertama.

Kedua, sejak hari ini, kita bisa melihat satu hal yang sangat menarik, yaitu yang berkaitan dengan data, karena selama ini semua data model bahasa besar pada dasarnya adalah teks, entah itu berasal dari internet. Di tengahnya, ada satu hal yang sangat menarik, yaitu vibe coding yang kini sangat kita kenal dan menjadi tren. Di sini muncul sesuatu yang disebut kode. Jika Anda pernah menulis kode sebelumnya, Anda tahu bahwa kode paling sederhana saat awal menulisnya, saat menulis kode di Linux, Anda hanya perlu menggunakan editor teks.

Tidak ada yang lebih sederhana daripada editor teks, jadi dari sudut pandang ini, ia tetaplah teks. Namun, di bidang ini pernah dikatakan: jangan memperlakukan kode sebagai teks, atau don't treat code as a text.

Jadi, dari logika ini, kode bukan teks, jadi mengapa ia berada di bidang itu, termasuk apa yang kita lihat hari ini yang mengubah cara kerja programmer kami. Faktanya, AI telah melangkah jauh maju, dan secara tertentu, ia benar-benar mampu membedakan antara teks yang merupakan bahasa yang kita ucapkan dengan teks yang merupakan kode yang kita tulis. Peluncuran Zhiyuan hari ini membahas hal-hal seperti ilmu kehidupan dan protein, lalu selanjutnya adalah apa itu data yang benar-benar ilmiah—ini sama sekali berbeda. Saya kadang merasa AI mulai memahami ilmu pengetahuan, tetapi jika yang mereka gunakan hanyalah teks dari paper ilmiah, saya merasa ini memiliki keterbatasan yang sangat besar, sampai Anda benar-benar memahami data ilmiah dalam arti sebenarnya—inilah yang sedang dilakukan Zhiyuan hari ini dalam konteks kehidupan. Tetapi kebetulan kita memahaminya, dan kebetulan hari ini kita memiliki kesempatan untuk memahami data ilmiah dalam arti sebenarnya. Jadi, ketika Anda benar-benar memahami data ilmiah, ilmu pengetahuan pasti akan berubah, sehingga ia akan mengubah secara mendasar metode penelitian ilmiah masa lalu kita.

Dulu, bagaimana kita melakukan penelitian ilmiah? Seorang ilmuwan, atau sekelompok ilmuwan, mengumpulkan data sendiri, lalu memahami data tersebut sendiri—sebenarnya hanya memahaminya sekali—dan akhirnya menulisnya menjadi makalah untuk dipublikasikan, setelah itu data tersebut dibiarkan begitu saja. Jadi, Anda lihat seluruh logikanya adalah sekelompok kecil orang, bahkan mungkin hanya satu orang, yang memahami data yang sangat sulit dikumpulkan hanya sekali, dan ceritanya berakhir di situ. Dengan adanya AI, kita menyadari bahwa sebenarnya data ilmiah kita dapat dipahami oleh orang yang berbeda, dengan cara yang berbeda, dan dalam skala yang lebih besar, sehingga saya percaya dampaknya terhadap ilmu pengetahuan akan sangat panjang.

Jika Anda melihat dari sejarah, ada dua hal yang menarik, karena ketika kita membicarakan data, terkadang kita sangat menekankan pentingnya mengumpulkan data baru. Namun, lihatlah AlphaFold—AlphaFold sebenarnya tidak mengumpulkan data baru sama sekali; ia menggunakan data yang telah terakumulasi sebelumnya. Namun, ini bukanlah kejadian yang terisolasi dalam sejarah perkembangan ilmu pengetahuan. Galileo juga tidak pernah mengumpulkan data sendiri; ia menggunakan data yang telah dikumpulkan oleh orang lain.

Jadi, saya rasa kita telah memasuki era di mana semua data ilmiah akan dipahami ulang karena munculnya AI. Pada saat ini, Anda bisa membayangkan seberapa besar perubahan ini. Saya pikir yang pertama kali terdampak pasti adalah ilmu pengetahuan itu sendiri, sama seperti ketika seseorang bisa memahami kode, programmer adalah yang pertama kali terdampak—saya rasa logikanya sama.

8. Ketika agen dapat mengubah dunia, bagaimana kita menentukan krisisnya? Bagaimana mengendalikannya dalam batas yang dapat dikendalikan untuk memastikan manfaatnya bagi manusia?

Huang Tiejun: Saya merasa bahwa kata-kata seperti kontrol dan jaminan yang baru saja disebutkan kemungkinan besar tidak realistis; ini adalah interaksi, sebuah peristiwa yang sangat kompleks. Namun, kita memang harus mempertimbangkan koeksistensi. Agen cerdas juga adalah agen cerdas, dan kita pun juga cerdas. Masing-masing dari kita mungkin di masa depan akan memiliki banyak agen cerdas sendiri, yang saling berinteraksi. Di dalam dunia kompleks yang mencakup banyak agen—agen manusia, agen mesin cerdas, serta agen fisik yang terwujud—pasti diperlukan sebuah antarmuka dan konsensus. Jika tidak, dunia manusia pun akan sama. Seperti apa seharusnya dunia ini? Dua atau tiga tahun lalu saya pernah menulis, dalam sebuah wawancara, bahwa saya berpendapat itu adalah dunia rasional. Karena kita mengatakan agen cerdas adalah kotak hitam. Seperti yang baru saja disebutkan, Anda tidak bisa memahaminya; ia hanya memberi kita jawaban, tanpa memberi tahu bagaimana ia sampai pada kesimpulan itu.

Manusia juga sama, setiap otak manusia adalah kotak hitam. Jadi, ketika Anda berkomunikasi dengan seseorang, apakah Anda hanya percaya pada kesimpulan yang mereka sampaikan? Atau apakah Anda ingin membahas lebih dalam mengapa mereka berpikir demikian? Mengapa dokter memberi Anda saran tertentu, apa alasan di baliknya? Tentu saja kita peduli dengan pertanyaan ini. Jadi, di masa depan juga sama—agente sekarang pertama-tama bisa memberikan jawaban yang bagus, itu bagus.

Namun selanjutnya, saya yakin semua orang akan mulai menggali alasan di baliknya, berdiskusi—hanya di bidang-bidang penting dan aman seperti kesehatan, termasuk protein berbahaya yang baru saja disebutkan, kita harus memiliki kesimpulan jelas sebelum berpindah ke tindakan dan langkah selanjutnya. Sebelumnya, semuanya adalah diskusi terbuka. Semua orang bisa berbrainstorming, saling mempertimbangkan, antara manusia dan agen cerdas, saya percaya prosesnya seharusnya seperti ini. Jadi, di satu sisi, saya merasa tidak mungkin sepenuhnya mengendalikannya, tetapi saya percaya kita bisa bersama-sama menemukan jalan untuk hidup berdampingan dan berkembang secara rasional.

Wang Jian: Sebenarnya, saya merasa kesimpulan masalah ini sama persis 100% dengan Tiejun. Namun, agar jelas bahwa saya mengatakan 100% bukan karena malas atau tidak menyampaikan pendapat saya, saya tetap ingin mengatakannya. Saya memang belum membahas hal ini dengan Tiejun, tetapi saya benar-benar sepenuhnya sependapat dengannya, jadi saya ingin menyampaikannya dengan cara saya sendiri.

Sebenarnya, semua orang bisa membayangkan, misalnya ketika model bahasa besar muncul, orang-orang akan mengkritik sesuatu—mereka mengkritik bahwa model tersebut mengalami halusinasi, atau hallucination. Mungkin banyak orang tahu itu, tetapi sangat sedikit yang memikirkan bahwa kata "hallucination" sebenarnya awalnya digunakan untuk menggambarkan manusia. Artinya, semua masalah yang kita bahas tentang model besar saat ini, jika kita telusuri, sebenarnya dulunya adalah istilah yang digunakan untuk menggambarkan manusia.

Jadi, manusia memang memiliki masalah seperti ini. Terkadang ilusi manusia bisa jauh lebih serius dari yang kita bayangkan. Mengapa saya berpikir demikian? Semua orang pasti memahami, saya seorang optimis yang tak bisa disembuhkan, jadi saya selalu percaya bahwa masalah yang diciptakan manusia sendiri pasti akan diselesaikan oleh manusia juga—ini adalah logika di balik semua keyakinan saya.

Jadi, hari ini saya juga merasa demikian, misalnya, jika saya mengatakan sesuatu yang sedikit ekstrem, kita sering membicarakan seseorang yang sangat hebat, mari kita sebut dia sebagai guru. Dia mengatakan hal ini, tetapi saya tidak mengerti. Di balik makna tersebut, menurut Anda apakah itu karena otaknya, Anda juga bisa memahaminya sebagai kotak hitam di dalam otaknya yang sulit kita pahami. Jadi hari ini kita menghadapi sebuah sistem, baik perilakunya maupun hal-hal lainnya, yang tidak bisa Anda pahami saat ini; menurut saya, ini bukanlah bencana, melainkan sesuatu yang bisa kita coba pahami, yang nantinya dapat membawa pemahaman kita secara keseluruhan melangkah maju dengan besar. Jadi saya pikir, ini pasti merupakan proses iterasi yang sangat penting. Jadi saya ingin mengatakan.

Jadi hari ini, saya pernah mengatakan satu kalimat di suatu kesempatan, namun sebenarnya hari ini kita masih perlu meninjau ulang pemahaman kita tentang hal ini, tentang seluruh sistem cerdas, atau apa pun yang Anda sebut agen cerdas—bahkan dari sudut pandang pengujian pun Anda bisa melihatnya. Misalnya, baik saat kita melakukan pengujian maupun peringkat hari ini, semua pengujian dan peringkat hanya mengukur kemampuan agen atau model itu sendiri. Namun, hingga kini kita belum menemukan metode untuk menguji—bahkan tidak mencoba menguji—kemampuan komprehensif model ketika bekerja bersama manusia. Apakah ada metode saat ini? Menurut saya pribadi, kita seharusnya menemukan metode yang baik untuk menilai kemampuan komprehensif agen ketika bekerja bersama manusia. Saya rasa jika ada peringkat semacam itu, akan jauh lebih menarik. Ya.

9. Menurut Anda, seperti apa seharusnya hubungan antara manusia dan AI?

Huang Tiejun: Akselerasi akan membentuk hubungan integrasi yang sangat indah. Ini agak seperti hubungan orang tua dan anak, di mana AI adalah anaknya, ada konflik tetapi tidak dapat dipisahkan. AI dapat pergi ke luar angkasa, sementara kita sulit melakukannya; kita terhubung melalui jembatan kecerdasan.

Wang Jian: Kita pertama-tama adalah anak alam, bagian dari dunia. Setiap teknologi baru muncul, orang-orang selalu merasa takut, sama seperti ketika pertama kali menggunakan api. Saya bahkan merasa pertanyaannya masih terbuka: apakah AI bisa berdampak lebih besar pada manusia daripada api. Seperti yang sering dikutip dari pandangan Turing: seorang manusia, selembar kertas, dan sebuah pena, dengan aturan operasi tetap, pada dasarnya adalah sebuah komputer.

Orang bisa melihat bahan-bahan dari tujuh atau delapan puluh tahun lalu, ketika seorang warga biasa di Tiongkok melihat selembar kertas dan sebuah pena, tubuhnya langsung bergetar; pada masa itu, bisa menulis merupakan tantangan besar bagi seseorang. AI kini berada di titik yang sama.

Dari sudut pandang teknis, token kami terlalu mahal. Harus membuat token menjadi "tidak bernilai", seperti selembar kertas.