Sam Altman Mengklaim Para Skeptis Scaling Menghambat Pengembangan AI

CEO OpenAI Sam Altman semakin mempertegas kekuatan scaling, dengan argumen bahwa generasi peneliti sebelumnya menghambat kemajuan karena meremehkan potensi Large Language Models (LLM). Seiring meningkatnya perdebatan mengenai batas atas arsitektur transformer, Altman menegaskan bahwa bukti empiris sangat mendukung perluasan komputasi dan data secara berkelanjutan.

Biaya dari Dogmatisme Intelektual

Dalam penampilannya baru-baru ini di Stanford, Altman membahas gesekan antara pendukung scaling dan para skeptis, terutama merujuk pada kritikus seperti Yann LeCun dari Meta, yang secara terkenal menyebut LLM sebagai "jalan buntu." Altman menunjukkan bahwa banyak resistensi terhadap hipotesis scaling berasal dari para peneliti yang terlalu percaya diri dengan prediksi mereka tentang apa yang tidak dapat dilakukan oleh AI.

Ia berargumen bahwa beberapa tokoh industri telah mengaitkan identitas profesional mereka dengan sikap teoretis tertentu, sehingga membuat mereka resisten terhadap data baru yang bertentangan dengan keyakinan lama mereka. Sambil mengakui bahwa "world models" sangat penting untuk kemajuan di bidang-bidang seperti robotika, Altman menegaskan bahwa lintasan LLM saat ini bukanlah sebuah penyimpangan, melainkan mesin utama kecerdasan.

Bukti Empiris: Melampaui Pencocokan Pola

Salah satu poin paling signifikan dalam pembelaan Altman terhadap scaling adalah transisi LLM dari sekadar prediktor teks menjadi alat yang mampu melakukan penalaran orisinal. Ia mengutip pencapaian terbaru di mana sebuah model OpenAI berhasil menyanggah sebuah konjektur matematika yang telah lama tidak terpecahkan oleh para ahli manusia.

Perkembangan ini sangat krusial karena menantang narasi bahwa LLM hanyalah "stochastic parrots" yang tidak mampu melakukan penemuan sejati. "Jadi jelas, LLM mampu menemukan pengetahuan baru," ujar Altman, seraya mencatat bahwa komunitas matematika kini sedang aktif bergulat dengan implikasi dari pembuktian berbasis AI. Pergeseran ini menunjukkan bahwa scaling tidak hanya meningkatkan kefasihan; ia memperluas cakrawala kemampuan kognitif.

Garis Depan: Penalaran vs. Tugas Berjangka Panjang

Meskipun optimis, Altman tetap berpijak pada realitas terkait keterbatasan teknologi saat ini. Ia mencatat adanya kesenjangan performa yang nyata dalam hal "long-horizon tasks"—alur kerja kompleks yang membutuhkan penilaian tingkat tinggi yang berkelanjutan dan perencanaan multi-langkah dalam jangka waktu lama. Dalam domain spesifik ini, ia mengakui bahwa LLM masih "tampak jauh lebih buruk daripada manusia."

Bagi lanskap AI yang lebih luas, perbedaan ini menentukan batas baru penelitian. Industri ini sedang beralih dari fase "scaling for knowledge" ke "scaling for reasoning and agency." Seiring perusahaan seperti OpenAI dan Anthropic (yang dipimpin oleh CEO Dario Amodei, yang memiliki keyakinan serupa dengan Altman mengenai penskalaan) terus mengucurkan miliaran dolar ke dalam komputasi, tujuannya adalah untuk menjembatani kesenjangan antara kecerdasan sesaat dan otonomi jangka panjang yang andal.

Poin-Poin Penting

• Penskalaan adalah Penggerak Utama: Altman berpendapat bahwa meremehkan dampak peningkatan komputasi dan data secara historis telah memperlambat laju terobosan AI.
• Penemuan di Atas Peniruan: Kemampuan model OpenAI untuk memecahkan konjektur matematika yang kompleks membuktikan bahwa LLM sedang bergerak menuju penciptaan pengetahuan yang sesungguhnya.
• Hambatan Berikutnya: Meskipun penskalaan menyelesaikan banyak masalah, performa setingkat manusia dalam tugas-tugas berjangka panjang dengan penilaian tinggi tetap menjadi rintangan utama industri selanjutnya.