Ketika Formula 1967 Memecahkan Masalah Terbesar AI Modern

Perbaikan Elegan Sutton

Reinforcement learning punya rahasia kotor: melatih model di lingkungan streaming secara fundamental rusak. Algoritma yang bekerja indah di lab bersih runtuh ketika di-deploy di dunia nyata di mana data tiba terus-menerus dan distribusi bergeser.

Richard Sutton, bapak baptis reinforcement learning, baru saja memperbaikinya. Dan solusinya hampir memalukan elegannya: formula dari 1967.

“Intent Update Algorithm” membatasi seberapa banyak output model bisa bergeser dengan setiap data baru. Alih-alih tersentak antara sinyal kontradiktif, model bergerak dengan sengaja.

Hasilnya? Komputasi turun ke 1/140 dari algoritma mainstream. Ini bukan peningkatan marjinal — ini perbedaan antara “butuh pusat data” dan “berjalan di laptop.”

Kenapa Ini Penting

Terobosan Sutton membuka pintu ke reinforcement learning perangkat edge. Bayangkan robot yang belajar terus-menerus dari lingkungannya tanpa menghubungi server farm. Drone yang beradaptasi dengan pola angin secara real-time.

Formula 1967 di jantung ini bukan keingintahuan matematika yang tidak jelas — ini alat statistik yang mengontrol varians dalam pembaruan sekuensial. Ia duduk di tempat terbuka selama 57 tahun, menunggu seseorang mengenali relevansinya dengan era AI.

Rekor Matematika yang Mengejutkan Google

Sementara Sutton memperbaiki RL, Wang Yiping — alumni Universitas Zhejiang — menggunakan alat AI buatannya sendiri untuk melakukan sesuatu yang tidak bisa dilakukan tim riset Google: memecahkan batas bawah bilangan Ramsey, masalah yang telah menolak perbaikan selama 30 tahun.

Menggunakan satu server dan peralatan matematika AI kustomnya, Wang mencapai apa yang tim Google — dengan daya komputasi yang diperkirakan lebih besar — tidak bisa. Proyek ini kini sepenuhnya open source.

Metode Ilmiah Baru

Kedua kisah ini memiliki benang merah: AI bukan lagi sekadar alat untuk membangun produk. Ia menjadi instrumen ilmiah — sama fundamentalnya dengan mikroskop atau teleskop.

Apa yang Terjadi Selanjutnya

Kita memasuki era di mana pembatas laju kemajuan ilmiah bukan komputasi, pendanaan, atau prestise institusional. Ini imajinasi — kemampuan untuk mengajukan pertanyaan yang tepat dan mengenali kapan formula berusia 57 tahun memegang kunci masalah modern.