Ilmu komputer
Bahasa yang tidak memengaruhi cara Anda berpikir tentang pemrograman tidak layak dipelajari.
— (1982)
Developer berpengalaman merasa lebih cepat dengan AI saat secara terukur justru lebih lambat — itulah temuan sebenarnya, bukan vonis atas coding dengan AI
Dalam randomized controlled trial, METR meminta enam belas developer open-source berpengalaman mengerjakan 246 tugas nyata pada codebase yang mereka kenal baik, dengan alat AI awal 2025 (Cursor Pro plus Claude 3.5/3.7 Sonnet) diizinkan pada separuh tugas secara acak. Mereka memperkirakan AI akan memangkas waktu tugas sekitar 24%; sebaliknya, waktu penyelesaian naik 19% — dan setelahnya mereka masih percaya AI telah mempercepat mereka sekitar 20%. Kesenjangan persepsi itulah inti studi yang tajam dan cukup kokoh. Namun ini enam belas developer, satu konteks sempit, dan potret alat awal 2025: penulis tegas bahwa hasil ini tidak menunjukkan AI gagal membantu sebagian besar developer, dan tindak lanjut mereka sendiri pada 2026 sudah condong ke arah percepatan, dengan keterbatasannya sendiri.
Sebuah bukti kriptografis dapat menyembunyikan rahasianya dengan membuat ketiadaan simulator sulit dibuktikan
Zero-knowledge proofs memungkinkan seseorang membuktikan sebuah pernyataan tanpa mengungkap witness. Teori klasik mengatakan kita tidak dapat memiliki itu, dalam arti penuh, dengan satu pesan, tanpa trusted setup, dan perfect soundness. Makalah Rahul Ilango tidak membuat ketidakmungkinan itu lenyap. Ia mengubah target: alih-alih mensyaratkan simulator benar-benar ada, ia meminta agar tidak ada proof system pilihan yang dapat secara efisien membuktikan bahwa simulator tidak ada. Di bawah asumsi besar dari proof complexity dan kriptografi, hal itu cukup untuk memulihkan konsekuensi zero-knowledge yang falsifiable dan berbasis game, sifat demi sifat. Intinya bukan primitif internet siap pasang. Ini adalah cara proof-theoretic untuk mengubah ketidakdapatdibuktian matematis menjadi perlindungan kriptografis.
AI medis bisa privat secara rata-rata tetapi tetap mengekspos pasien tertentu — terutama yang kurang terwakili
Model AI medis yang disebut “menjaga privasi” biasanya bertumpu pada satu angka rata-rata. Studi ini berargumen bahwa itu tes yang salah. Dengan mempelajari membership inference attack — yang mengungkap apakah rekam seseorang berada dalam data pelatihan model dan dengan demikian dapat membocorkan bahwa ia memiliki penyakit tertentu — para penulis mengukur risiko per pasien, bukan secara agregat, pada tujuh dataset medis (pencitraan, ECG, rekam elektronik) dan banyak model. Polanya: model yang tampak aman secara rata-rata masih dapat membuat penyerang mengidentifikasi individu tertentu hampir sempurna (attack AUC ≥ 0,95); yang terekspos secara sistematis berasal dari kelompok kurang terwakili (etnis minoritas, penyakit langka, pencitraan tidak biasa); dan masalah memburuk saat model membesar. Para penulis tidak mengatakan tinggalkan AI medis — mereka meminta privasi diukur per pasien, akses model dikendalikan, dan differential privacy digunakan. Inti yang tidak nyaman: “privat secara rata-rata” bukan jaminan privasi, dan gagal terutama pada pasien yang sudah paling kurang terlindungi.
Mengajari AI penggambar untuk melihat kanvasnya
Language model yang menghasilkan grafik vektor bekerja secara buta — menulis perintah gambar tanpa pernah melihat hasilnya. Metode baru membuat model melihat kanvasnya sendiri terisi, goresan demi goresan, dan bagian jujurnya adalah bahwa sekadar memberinya “mata” justru membuat hasil lebih buruk: model harus dilatih ulang untuk menggunakannya. Hasil akhirnya adalah model yang menyamai atau sedikit melampaui pesaing yang dilatih dengan hingga dua puluh kali lebih banyak data — hasil nyata dan hati-hati pada satu benchmark, bukan revolusi.
Agen AI menangani seluruh kasus pasien sendiri — dalam simulator, pada rekam medis lama
MIRA adalah jenis baru AI medis: alih-alih menjawab satu pertanyaan, ia menangani seluruh kasus di dalam rekam medis rumah sakit yang disimulasikan — mengambil riwayat, memesan dan membaca tes, mencapai diagnosis, lalu menulis perintah. Pada 574 kasus retrospektif dari basis data publik, mencakup delapan diagnosis yang telah dipilih, para penulis melaporkan MIRA mengungguli dokter dalam akurasi diagnosis dan membuat keputusan yang sebagian besar selaras dengan pedoman serta aman dari sisi obat. Setiap kualifikasi dalam kalimat itu penting: ia berjalan di sandbox pada rekam medis lama, hanya lewat teks; sebagian besar keunggulannya datang dari kondisi dengan hasil tes yang tegas; ia memesan sekitar dua kali lebih banyak tes darah daripada dokter; dan beberapa outcome dinilai terhadap apa yang tercatat di chart asli. Kemajuan yang sebenarnya adalah agen yang bertindak di seluruh alur kerja — bukan bukti bahwa mesin kini mendiagnosis lebih baik daripada dokter. Para penulis mengatakannya sendiri: generalisasi, keamanan, dan tata kelola masih membutuhkan studi prospektif di dunia nyata.
Apakah ‘foundation model’ robot besar benar-benar bekerja lebih baik? Jawaban hati-hati: sedikit ya, dan kebanyakan studi sulit mengetahuinya
Toyota Research Institute melatih ‘large behavior models’ — kebijakan robot yang dipretrain pada ~1.700 jam data manipulasi beragam — lalu mengujinya terhadap kebijakan satu tugas from-scratch dengan ketelitian tidak biasa: percobaan buta, acak, dan bersampel besar (~1.800 dunia nyata, 47.000+ simulasi) dengan statistik sungguhan. Setelah finetuning per tugas, model besar rata-rata lebih baik, membutuhkan kira-kira 3–5× lebih sedikit data khusus tugas, dan lebih tahan ketika kondisi berubah; performa naik halus dengan lebih banyak data pretraining. Namun tanpa finetuning mereka tidak secara konsisten mengalahkan model satu tugas, beberapa efek begitu kecil hingga hanya terlihat dengan sampel besar, dan pilihan normalisasi data biasa lebih penting daripada arsitektur. Ini dukungan terukur bagi arah foundation model robot — bukan robot serbaguna, bukan generalis zero-shot, bukan ‘lompatan emergen’ — sekaligus peringatan bahwa banyak penelitian robotika mungkin sedang mengukur derau.
Mengapa model bahasa berhalusinasi — dan mengapa cara kita menilainya membuat hal itu terus terjadi
Kepalsuan yang diucapkan dengan percaya diri dan kita sebut ‘halusinasi’ bukan gangguan misterius: sebagian merupakan produk sampingan statistik dari pelatihan, dan terus bertahan karena benchmark arus utama memberi keuntungan pada tebakan yakin dibanding ‘saya tidak tahu’ yang jujur. Studi kasus empat model frontier menunjukkan bahwa menyatakan aturan skor di dalam prompt (‘open rubric’) dapat membalik insentif tersebut.