AI Penjelasan Hukum Skala: Apakah AGI Lebih Dekat dari yang Kita Bayangkan?

Sudutnya. AI's Kemajuan teknologi mengikuti hukum yang sama seperti hukum fisika lainnya: daya komputasi yang lebih besar, algoritma yang lebih baik, dan data yang lebih banyak menghasilkan keuntungan yang dapat diprediksi, dan durasi tugas yang dapat diselesaikan oleh model mutakhir secara mandiri telah meningkat dua kali lipat kira-kira setiap empat bulan sejak tahun 2023.

AGI bukanlah sebuah tombol yang bisa dinyalakan dalam satu hari. Ini adalah sebuah tangga, dan dalam pekerjaan digital yang terdefinisi dengan baik, kita menaikinya dengan cepat. Namun, dalam pekerjaan baru, terbuka, dan fisik, tangga tersebut masih curam.

Triknya

Mintalah chatbot untuk menulis soneta, memperbaiki kode Anda, atau menjelaskan hasil tes darah Anda, dan rasanya seperti sihir. Trik ini berhasil karena Anda hanya melihat panggungnya. Di balik layar tidak ada penyihir. Yang ada hanyalah tiga tombol putar dan tagihan listrik.

1. Tombol pertama adalah compute: berapa banyak perhitungan yang diperlukan untuk melatih sebuah model.
2. Yang kedua adalah algoritma: seberapa cerdas setiap perhitungan digunakan.
3. Yang ketiga adalah data: seberapa banyak teks, kode, dan video yang dipelajari oleh model tersebut.

Sejak tahun 2024, sebuah parameter keempat telah bergabung: waktu berpikir, yaitu waktu komputasi yang dihabiskan model untuk bernalar sebelum memberikan jawaban. Putar parameter mana pun ke atas dan kinerja akan meningkat dengan cara yang sangat dapat diprediksi.

Prediktabilitas itulah yang menjadi pengungkapan sebenarnya. Isaac Newton memberi kita hukum-hukum yang menjelaskan bagaimana benda-benda bergerak. AI Para peneliti telah menemukan hukum yang menjelaskan bagaimana kecerdasan, setidaknya kecerdasan mesin, meningkat seiring dengan bertambahnya sumber daya. Seperti Newton.'s Hukum-hukum tersebut bekerja dengan indah dalam jangkauannya dan gagal di batas-batasnya. Karya ini membahas keduanya: hukum-hukum tersebut, dan batas-batasnya.

Mojo's Hukum: hukum penskalaan saraf

Pada Januari 2020, sebuah tim di OpenAI dipimpin oleh Jared Kaplan menunjukkan bahwa model bahasa's Kesalahan, atau "kerugiannya", menurun mengikuti hukum pangkat yang halus dari daya komputasi yang digunakan untuk melatihnya. Jika dituliskan, ini hampir terlalu sederhana:

L(C) = \left(\frac{C_c}{C}\right)^{\alpha_C}, \qquad \alpha_C \approx 0.050

L adalah kerugian, C adalah komputasi pelatihan, dan C_c adalah konstanta. Eksponen adalah kunci utamanya. Dengan α sekitar 0.05, mengalikan komputasi dengan 10 hanya mengurangi kerugian sekitar 11%, karena 10 pangkat minus 0.05 adalah sekitar 0.89. Setiap langkah sepuluh kali lipat memberikan peningkatan yang serupa dan sederhana, selamanya, sampai sesuatu yang lain habis. Kaplan's Tim tersebut menemukan hukum pangkat yang cocok untuk ukuran model dan data.

Dua tahun kemudian, makalah Chinchilla dari DeepMind (Hoffmann dan kolega, Maret 2022) memperbaiki resep tersebut. Untuk anggaran tetap, parameter dan token pelatihan harus tumbuh bersama, yang menghasilkan sekitar 20 token data pelatihan per parameter . Chinchilla, dengan 70 miliar parameter yang dilatih pada 1.4 triliun token, mengalahkan model yang ukurannya empat kali lebih besar yang dilatih pada komputasi yang sama.

Dan jumlahnya terus bertambah. Jika komputasi pelatihan terdepan meningkat sekitar 5 kali setahun (Epoch AI) dan algoritma yang lebih baik mengurangi separuh komputasi yang dibutuhkan untuk hasil yang sama setiap 8 bulan atau lebih (Ho dan kolega, 2024), komputasi efektif di balik model terbaik meningkat kira-kira 14 kali setahun, karena 2 pangkat 12/8 adalah sekitar 2.8, dan 5 kali 2.8 adalah 14. Itu adalah perhitungan Mojo, bukan angka terukur, tetapi itu menjelaskan mengapa model setiap tahun terasa seperti spesies yang berbeda.

Apa sebenarnya yang ditunjukkan oleh jarum-jarum tersebut?

Keempat jarum penunjuk masih berputar, tetapi jarum penunjuk data mendekati titik berhentinya.

Menghitung. Jaman AI Diperkirakan bahwa komputasi pelatihan terdepan telah tumbuh sekitar 5 kali lipat per tahun sejak 2020, dengan biaya pelatihan tumbuh sekitar 3.5 kali lipat per tahun. GPT-3 dilatih dengan sekitar 3 × 10^23 operasi pada tahun 2020; GPT-4 dengan sekitar 2 × 10^25 pada tahun 2023.

Jaman's Perkiraan terbesar untuk pengoperasian tahun 2026, OpenAI's GPT-6 Astra, memiliki sekitar 9 × 10^26, dan belum ada uji coba yang dikonfirmasi pada 10^27. Epoch memperkirakan bahwa pelatihan Grok 4 pada tahun 2025 menggunakan sekitar 310 gigawatt-jam listrik dan menelan biaya sekitar $490 juta.

Algoritma. Sebuah studi tahun 2024 oleh Anson Ho dan rekan-rekannya menemukan bahwa daya komputasi yang dibutuhkan untuk mencapai tingkat kinerja model bahasa tertentu berkurang setengahnya kira-kira setiap 8 bulan, meskipun daya komputasi yang lebih besar tetap melakukan lebih banyak pekerjaan.

Data. Ini adalah jarum penunjuk dengan penghenti. Epoch AI memperkirakan stok publik teks yang ditulis manusia Dengan jumlah sekitar 300 triliun token, diperkirakan akan sepenuhnya digunakan untuk pelatihan antara tahun 2026 dan 2032. Kita sekarang berada di dalam rentang waktu tersebut. Laboratorium beralih ke data sintetis, data berlisensi, video, dan jejak penalaran model itu sendiri.

Waktu berpikir. Fitur terbaru. Pada September 2024, o1 dari OpenAI menunjukkan bahwa membiarkan model berpikir lebih lama pada saat menjawab meningkatkan akurasi secara bertahap: pada kompetisi matematika tahun 2024, model ini mencetak 74% dengan satu kali percobaan dan 93% ketika dapat mengambil sampel dan menyusun ulang 1,000 percobaan, dibandingkan dengan 12% untuk GPT-4o. Sebuah studi tahun 2024 menemukan bahwa menggunakan komputasi inferensi dengan bijak memungkinkan model kecil mengalahkan model yang 14 kali lebih besar.

Richard Suton's Esai tahun 2019 berjudul “Pelajaran Pahit” telah melihat hal ini akan terjadi: di berbagai permainan catur, Go, ucapan, dan penglihatan, metode umum yang menggunakan lebih banyak komputasi selalu mengalahkan pengetahuan cerdas yang dibangun secara manual. Enam tahun kemudian, pelajaran itu masih terasa menyakitkan.

Apa yang dikatakan fisika tentang batas-batasnya?

Hukum perangkat lunak di atas berjalan pada perangkat keras, dan perangkat keras menjawab hukum fisika. Tiga angka menjadi kerangka keseluruhan perdebatan.

Chip masih terus berkembang lebih cepat, hanya saja bukan dengan cara lama. Hukum Moore, yaitu penggandaan transistor kira-kira setiap dua tahun, telah melambat; Jensen Huang dari Nvidia menyebutnya sudah mati pada tahun 2022.

Namun Nvidia's Chip pusat data meningkatkan kinerja 16-bit yang padat dari sekitar 125 triliun operasi per detik pada V100 (2017) menjadi sekitar 4,000 triliun pada Rubin (2026), kira-kira 32 kali lipat dalam sembilan tahun, menurut spesifikasinya sendiri. Sebagian besar peningkatan berasal dari desain khusus dan matematika dengan presisi lebih rendah, bukan dari transistor yang lebih kecil.

Jaman AI ukuran perangkat keras pembelajaran mesin menjadi sekitar dua kali lebih hemat biaya setiap 2.1 tahun.

Otak Anda sangat efisien. Otak manusia beroperasi dengan daya sekitar 20 watt, menurut Institut Standar dan Teknologi Nasional AS. Satu kartu grafis Nvidia H100 membutuhkan daya sekitar 700 watt. Perkiraan terbaik Open Philanthropy untuk daya komputasi mentah otak adalah sekitar 10^15 operasi per detik, kira-kira sama dengan yang dihasilkan oleh satu kartu grafis H100. Perbandingan ini seperti membandingkan apel dengan jeruk, tetapi kesenjangan efisiensi itu nyata dan menunjukkan seberapa besar ruang yang masih dimiliki perangkat keras.

Ada batas minimumnya. Prinsip Landauer, yang diusulkan pada tahun 1961 dan dikonfirmasi secara eksperimental pada tahun 2012, menetapkan energi minimum yang dibutuhkan untuk menghapus satu bit informasi pada suhu ruangan: sekitar 3 × 10^-21 joule. Chip saat ini menggunakan energi yang jauh lebih besar dari itu. Fisika belum menjadi batasan yang mengikat. Pembangkit listriklah yang menjadi batasannya.

Badan Energi Internasional's Energi dan tahun 2025 AI Laporan tersebut memperkirakan pusat data menggunakan sekitar 415 terawatt-jam listrik pada tahun 2024, atau sekitar 1.5% dari total penggunaan listrik dunia.'s secara total, dan diproyeksikan sekitar 945 terawatt-jam pada tahun 2030.

Per pertanyaan, angkanya kecil dan terus menurun: Google mengukur median konsumsi daya pesan teks ke Gemini sebesar 0.24 watt-jam pada Mei 2025, sedikit di bawah Epoch AI.'s Perkiraan sekitar 0.3 watt-jam untuk kueri ChatGPT tipikal pada awal tahun itu, dan Google melaporkan penurunan energi per prompt sebanyak 33 kali lipat selama 12 bulan.

Masalahnya terletak pada paradoks Jevons: seiring setiap kueri menjadi lebih murah, kita mengajukan miliaran kueri lagi.

Jam Mojo Horizon: berapa lama lagi AI berfungsi sendiri?

Pada tahun 2019, GPT-2 mengelola tugas sekitar 3 detik. Pada April 2026, METR's perkiraan awal untuk Antropik's Pratinjau Claude Mythos berlangsung lebih dari 16 jam.

Itu kira-kira peningkatan 21,000 kali lipat dalam tujuh tahun. Ketika saya menyesuaikan garis tren untuk setiap rekor baru, cakrawala berlipat ganda kira-kira setiap 6 bulan dari tahun 2019 hingga 2026, dan kira-kira setiap 4.1 bulan sejak 2023. Pembaruan METR sendiri pada Januari 2026 menempatkan waktu penggandaan setelah 2023 sekitar 4.3 bulan, jadi penyesuaian independen kami sesuai.

Jika kita memperpanjang garis setelah tahun 2023, semata-mata sebagai ilustrasi, maka angka tersebut akan melewati minggu kerja 40 jam sekitar akhir tahun 2026 dan bulan kerja 167 jam pada paruh kedua tahun 2027.

Sekarang, beberapa catatan penting, karena ini perlu diperhatikan.

1. Pertama, tingkat keberhasilan 50% bukanlah jaminan keandalan; pada tingkat keberhasilan 80%, prospeknya jauh lebih pendek.
2. Kedua, ini adalah perangkat lunak yang berdiri sendiri dan tugas penelitian, bukan pekerjaan berantakan yang melibatkan kolega, pelanggan, dan benda-benda fisik.
3. Ketiga, alat ukur itu sendiri sudah tidak berfungsi: METR mengatakan perkiraan mereka di atas 16 jam tidak dapat diandalkan, dan mereka berhenti secara aktif memperbarui papan peringkat mereka pada September 2026.

Ketika penggaris habis sebelum benda yang diukur, itu sendiri merupakan sebuah pertanda.

Mengapa tolok ukur terus menurun?

Karena model-modelnya semakin baik, dan karena tolok ukur adalah target. Keduanya benar, dan alasan kedua inilah yang membuat saya memperlakukan setiap papan peringkat dengan hati-hati.

Kasus yang paling mencolok adalah ARC-AGI-3, yang diluncurkan oleh ARC Prize Foundation pada 25 Maret 2026 sebagai serangkaian teka-teki interaktif tanpa instruksi, yang dapat dipecahkan manusia dengan mudah. ​​Pada saat peluncuran, yang terbaik AI memperoleh skor 0.51%. Pada tanggal 3 September 2026, ARC Prize memverifikasi OpenAI.'s GPT-6 Astra mencapai 62.7% pada pengaturan pengujian standarnya. (Klaim viral sebesar 98% hingga 99% berasal dari pengaturan berbeda yang tidak dianggap sebagai standar oleh ARC Prize.) Sebuah tolok ukur yang dirancang untuk bertahan selama bertahun-tahun kehilangan sebagian besar ruang geraknya dalam waktu sekitar enam bulan.

Di tempat lain, pola tersebut berulang. Pengkodean pada SWE-bench Verified meningkat dari 4.4% pada tahun 2023 menjadi sekitar 96% dalam hasil yang dilaporkan penyedia pada tahun 2026, yang berarti hal itu tidak lagi membedakan model terbaik. Pada Juli 2025, Google DeepMind's Gemini Deep Think berhasil memecahkan lima dari enam soal Olimpiade Matematika Internasional, meraih 35 dari 42 poin berdasarkan penilaian resmi, yang merupakan standar medali emas.

Lensa yang digunakan di sini adalah Goodhart.'s Hukumnya: ketika suatu ukuran menjadi target, ukuran tersebut berhenti menjadi ukuran yang baik. Laboratorium melakukan pelatihan menuju tolok ukur terkenal; pertanyaan uji bocor ke dalam data pelatihan. Itu tidak membuat kemajuan menjadi palsu. Itu berarti ukuran yang jujur ​​adalah ukuran yang terlihat seperti pekerjaan nyata, seperti METR.'s cakrawala waktu, dan yang masih sulit bagi mesin dan mudah bagi manusia, seperti ARC-AGI-3 dan Kemanusiaan.'s Ujian terakhir tanpa menggunakan alat bantu, di mana skor resmi terbaik adalah 38.3%.

Jadi seberapa dekatkah AGI (Kecerdasan Buatan Umum) dengan data tersebut?

Lebih dekat di layar daripada di dunia nyata, dan lebih dekat daripada yang diasumsikan kebanyakan orang di luar bidang ini. Tetapi "AGI" memiliki arti yang berbeda bagi setiap orang, dan itulah sebagian alasan mengapa perdebatan ini berputar-putar.

Definisi. Kerangka kerja “Tingkat AGI” Google DeepMind (Morris dan kolega, 2023) menilai sistem berdasarkan dua sumbu, seberapa baik kinerjanya dan seberapa umum sistem tersebut, dan mengklasifikasikan chatbot pada saat itu sebagai AGI “yang sedang berkembang”. Para pemimpin laboratorium berbicara tentang sistem yang dapat melakukan pekerjaan yang paling bernilai ekonomis; Dario Amodei dari Anthropic menggambarkan “sebuah negara yang dihuni para jenius di pusat data”. Para skeptis mendefinisikannya sebagai pembelajaran seperti manusia dari pengalaman, yang tidak dilakukan oleh model saat ini.

Ramalan cuaca.

Para pemimpin laboratorium lebih agresif: pada Januari 2026, Anthropic's Dario Amodei menulis bahwa hal itu sangat berpengaruh. AI Mungkin satu hingga dua tahun lagi. Demis Hassabis mengatakan pada tahun 2023 bahwa itu bisa terwujud dalam satu dekade. Yann LeCun, yang meninggalkan Meta dan mengumpulkan $1.03 miliar untuk laboratorium baru, menyebut model bahasa besar sebagai jalan buntu, dan Richard Sutton berpendapat bahwa model tersebut meniru daripada belajar.

Tiga gerbang Mojo. Alih-alih satu garis finis, saya melacak tiga, masing-masing dengan tes yang terukur.

Gerbang	uji	Status, November 2026	Mojo's Baca baca
1. Otonomi digital	AI menyelesaikan pekerjaan perangkat lunak atau penelitian nyata selama seminggu dengan keandalan tinggi.	Jangkauan 50% melewati 16 jam; jangkauan yang dapat diandalkan jauh lebih pendek; pengukuran terputus.	Masuk akal dalam waktu 1 hingga 3 tahun.
2. Kebaruan	Kemampuan manusia dalam memecahkan teka-teki yang mudah bagi manusia dan baru bagi mesin (ARC-AGI-3)	Terbaik terverifikasi 62.7%; manusia 100%	Proses penutupan berjalan cepat; kemungkinan dalam 1 hingga 2 tahun.
3. Dunia fisik	Robot yang melakukan pekerjaan fisik umum dengan biaya yang kompetitif.	Kompetitif secara biaya untuk sekitar 0.3% tugas fisik (Anthropic, Sep 2026)	Satu dekade atau lebih

Kesimpulan saya: bagian digital dari AGI (Artificial General Intelligence) adalah kemungkinan nyata sebelum tahun 2030. Bagian fisiknya, bagian yang melipat pakaian, memperbaiki boiler, dan merawat orang sakit, masih jauh lebih jauh. Moravec's Paradoksnya masih berlaku: apa yang sulit bagi kita mudah bagi mesin, dan apa yang mudah bagi kita sulit bagi mereka. Siapa pun yang mengatakan bahwa AGI (Artificial General Intelligence) akan tiba pada tanggal tertentu sedang menjual sesuatu.

Cek Klaim

Klaim	Siapa yang membuatnya?	MES	Mojo's Baca baca
Hukum penskalaan masih berlaku	AI laboratorium, Epoch AI	4 Kuat	Kerugian terus menurun seiring dengan komputasi; putaran data adalah risiko yang mengikat.
AI “menabrak tembok”	Para skeptis, secara berkala	0 Tidak bertahan lama	Target dan tolok ukur yang sulit dicapai terus meningkat hingga tahun 2026.
Cakupan tugas berlipat ganda setiap 4 hingga 7 bulan.	metr	4 Kuat	Dikonfirmasi melalui pengukuran kami sendiri; pengukuran berhenti di atas 16 jam.
AI mengalahkan manusia di tingkat olimpiade matematika	Google DeepMind	4 Kuat	Diberi peringkat resmi standar emas, Juli 2025
AGI akan hadir pada tahun 2027.	Beberapa pemimpin laboratorium	1 Klaim	Tergantung pada definisinya; bagian digitalnya akan segera terwujud.
Gelar LLM adalah jalan buntu.	Yann LeCun	1 Klaim	Pandangan minoritas yang serius; belum ada hasil yang menunjukkan batasan yang pasti.
AI Penggunaan energi per kueri sangat kecil.	Google, OpenAI	3 Menjanjikan	Dilaporkan sendiri, tetapi konsisten dengan Epoch AI.'s perkiraan independen
Kita akan kehabisan data pelatihan.	Zaman AI	3 Menjanjikan	Jendela waktu 2026 hingga 2032 telah terbuka; data sintetis adalah pertanyaan yang masih terbuka.

Sudut Balik

Argumen terkuat yang menentang interpretasi saya adalah bahwa saya keliru menganggap tolok ukur sebagai hal itu sendiri. Jangka waktu dan tolok ukur adalah pengujian yang dibangun oleh para peneliti, dan model semakin dilatih untuk lulus pengujian tersebut.

Saya menanggapinya dengan serius, itulah mengapa gerbang saya membutuhkan pekerjaan yang andal selama lebih dari seminggu dan mengapa gerbang fisik tetap berada jauh. Tetapi tren ini telah bertahan melalui beberapa perubahan standar pengukuran selama tujuh tahun. Ketika setiap pengujian baru menunjukkan hasil yang lebih baik daripada yang sebelumnya, penjelasan yang paling mungkin adalah bahwa hal yang diukur memang benar-benar mengalami peningkatan.

Mojo's Ramalan

1. Estimasi yang dipublikasikan dari METR atau evaluator independen yang sebanding menempatkan sebuah model's Jangka waktu 50% di atas 40 jam pada tanggal 31 Desember 2027. Probabilitas: 60%.
2. Skor 85% atau lebih pada ARC-AGI-3's Pengaturan pengujian standar diverifikasi oleh ARC Prize pada tanggal 31 Desember 2027. Probabilitas: 55%.
3. Jaman AI memperkirakan akan ada lebih dari 10^27 operasi yang dijalankan selama pelatihan hingga 31 Desember 2027. Probabilitas: 85%.

Ketiganya akan dimasukkan ke dalam Buku Besar Ramalan Mojo dan akan dinilai secara publik.

Di mana hal ini akan diperdebatkan selanjutnya?

FAQ (Pertanyaan Umum)