Komunitas kecerdasan buatan sedang terlibat dalam perdebatan sengit tentang jalur menuju Artificial General Intelligence ( AGI ). Sementara beberapa pihak berargumen bahwa model bahasa besar saat ini hanya membutuhkan rekayasa yang lebih baik dan arsitektur sistem, yang lain percaya bahwa terobosan ilmiah fundamental masih belum ada.
Perpecahan Rekayasa vs Sains
Sebuah artikel terbaru yang mengusulkan bahwa AGI pada dasarnya adalah masalah rekayasa telah memicu diskusi intens di antara para pengembang dan peneliti. Artikel tersebut berargumen bahwa model-model saat ini seperti GPT-5 dan Claude mengalami hambatan kinerja, dan solusinya terletak pada membangun sistem yang lebih baik di sekitar mereka daripada melatih model yang lebih besar. Namun, anggota komunitas terpecah dalam pendekatan ini.
Banyak pengembang berpengalaman menunjuk pada pelajaran pahit - sebuah prinsip yang menyarankan bahwa metode umum yang memanfaatkan lebih banyak komputasi pada akhirnya terbukti paling efektif. Mereka berargumen bahwa solusi rekayasa yang kompleks sering kali digantikan oleh pendekatan yang lebih sederhana dengan lebih banyak data dan kekuatan komputasi. Skeptisisme ini berasal dari pengamatan pola serupa selama puluhan tahun penelitian AI, di mana sistem buatan tangan yang rumit akhirnya dikalahkan oleh metode statistik yang diperbesar.
Komponen Sistem AGI yang Diusulkan:
- Context Management Service: Graf pengetahuan yang persisten dan dapat dikueri
- Memory Service: Memori episodik dan semantik dengan konsolidasi yang dipelajari
- Workflow Engine: Orkestrasi deterministik dari komponen probabilistik
- Agent Coordination Layer: Sistem multi-agen dengan resolusi konflik
- Specialized Model Controls: Model khusus domain dengan antarmuka yang terstandarisasi
Masalah Bagian yang Hilang
Diskusi ini mengungkapkan ketidakpastian mendalam tentang apa yang sebenarnya hilang dari sistem AI saat ini. Beberapa anggota komunitas percaya bahwa kesenjangan tersebut bersifat filosofis daripada teknis, mempertanyakan apakah kita benar-benar memahami kesadaran atau kecerdasan dengan cukup baik untuk merekayasanya. Yang lain fokus pada keterbatasan praktis, mencatat bahwa bahkan tugas dasar seperti penghitungan yang dapat diandalkan atau mempertahankan memori yang konsisten di seluruh sesi tetap menantang bagi model saat ini.
Kecerdasan manusia berevolusi dari organisme yang jauh lebih tidak cerdas daripada LLM dan tidak ada filosofi yang dibutuhkan. Hanya trial and error dan kompetisi.
Perspektif ini menyoroti pertanyaan fundamental: bisakah kita memotong jutaan tahun evolusi melalui rekayasa yang cerdas, atau apakah kita perlu memahami prinsip-prinsip yang mendasarinya terlebih dahulu?
Kemampuan Saat Ini vs Kecerdasan Sejati
Komunitas menunjukkan perasaan campur aduk tentang kemampuan AI saat ini. Beberapa menunjukkan bahwa alat seperti Claude Code sudah mendemonstrasikan apa yang akan dianggap banyak orang sebagai AGI dasar hanya beberapa tahun yang lalu - mereka dapat merencanakan, menjalankan tugas kompleks, dan mempertahankan konteks di seluruh interaksi. Namun, yang lain berargumen bahwa sistem-sistem ini adalah pencocokan pola yang canggih daripada agen yang benar-benar cerdas.
Perdebatan meluas ke apakah model bahasa saat ini dapat berfungsi sebagai blok bangunan untuk AGI atau mewakili pendekatan yang secara fundamental berbeda yang tidak akan berkembang menjadi kecerdasan umum. Kritikus mencatat bahwa otak biologis tidak memerlukan data pelatihan skala internet untuk mengembangkan kecerdasan, menunjukkan bahwa metode saat ini mungkin tidak efisien atau kehilangan wawasan kunci.
Keterbatasan Model AI Saat Ini yang Teridentifikasi:
- Manajemen konteks terbatas pada ribuan token dibandingkan dengan pengalaman manusia selama bertahun-tahun
- Kurangnya memori persisten antar sesi
- Ketidakmampuan untuk memperbarui keyakinan ketika dibantah oleh bukti
- Performa buruk pada manipulasi simbolik dan kalkulasi eksak
- Penalaran multi-langkah yang tidak dapat diandalkan karena sifat stokastik
Tantangan Definisi
Tema yang berulang dalam diskusi adalah kurangnya definisi yang jelas untuk AGI itu sendiri. Tanpa kriteria yang disepakati, menjadi sulit untuk menilai kemajuan atau menentukan kapan tujuan telah tercapai. Beberapa menyarankan AGI harus didefinisikan sebagai apa pun yang mampu menggantikan pekerja manusia, sementara yang lain membayangkan kemampuan yang lebih terinspirasi fiksi ilmiah seperti kesadaran atau kesadaran diri.
Ketidakpastian definitif ini memperumit perdebatan rekayasa versus sains. Jika kita tidak tahu persis apa yang sedang kita bangun, bagaimana kita dapat menentukan apakah itu masalah rekayasa atau memerlukan terobosan penelitian fundamental? Komunitas tetap terpecah tentang apakah pendekatan saat ini pada akhirnya akan berhasil melalui perbaikan bertahap atau apakah penemuan yang sama sekali baru diperlukan.
Referensi: AGI is an Engineering Problem