berita

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Mantan CEO Google Eric Schmidt (Sumber gambar: medium)

Mantan CEO Google mencabut komentar sebelumnya yang mengkritik perusahaan lamanya karena “tidak cukup baik” dan mengkritik kerja jarak jauh karena merusak Google.

Baru-baru ini, mantan CEO dan Ketua Eksekutif Google Eric Schmidt mengatakan dalam pidatonya di Universitas Stanford bahwa Google akan kalah dari perusahaan rintisan seperti OpenAI dalam persaingan AI (kecerdasan buatan) karena kemampuan jarak jauh Google Office mengakibatkan karyawan tidak dapat bekerja dengan baik bekerja cukup keras.

"Google percaya bahwa keseimbangan kehidupan kerja, pulang kerja lebih awal, dan bekerja dari rumah lebih penting daripada kemenangan. Namun alasan kesuksesan startup adalah karena orang-orang bekerja keras." Schmidt dengan blak-blakan mengatakan bahwa karyawan Google sekarang juga "menikmati" pekerjaan- keseimbangan hidup, namun akibatnya, perusahaan kehilangan fokus dan kalah dari OpenAI. Metode kerja jarak jauh yang diterapkan Google saat ini menjadi biang keladinya. Para karyawan menganggap pulang lebih awal untuk menghabiskan waktu bersama keluarga lebih penting dibandingkan meraih prestasi kerja. “Saya minta maaf karena berterus terang, tetapi ketika Anda lulus kuliah dan memulai bisnis, Anda memahami bahwa Anda tidak mengizinkan karyawan datang ke perusahaan hanya satu hari dalam seminggu.”

Schmidt menekankan bahwa startup AI pertama-tama dapat "meniru" karya matang orang lain, dan kemudian "menyewa sejumlah besar pengacara untuk membereskan kekacauan tersebut" setelah produk tersebut menjadi populer.

Namun, sehari setelah video tersebut dirilis, Schmidt meminta maaf atas ucapannya.

Pada tanggal 15 Agustus, Schmidt mengatakan dalam email ke Wall Street Journal, "Saya membuat kesalahan dalam komentar saya tentang Google dan jam kerjanya, dan saya menyesali kesalahan saya."

Informasi publik menunjukkan bahwa Schmidt menjabat sebagai CEO Google pada tahun 2001 hingga 2011 dan menjabat sebagai dewan direksi hingga tahun 2019. Selanjutnya, Schmidt meninggalkan dewan direksi perusahaan induk Google, Alphabet.

Tapi sampai sekarang,Schmidt tetap menjadi pemegang saham Alphabet, memegang sekitar 147 juta saham Alphabet, hampir 1% dari saham, senilai sekitar $24 miliar. Schmidt memiliki kekayaan $31,4 miliar.

Pernyataan Schmidt yang terlalu lugas kali ini menuai kontroversi. Beberapa pihak menyambut baik, sementara beberapa netizen mengkritik manajemen Google sebagai masalah terbesar perusahaan. Di antara mereka, serikat pekerja Alphabet memposting tentang Kurangnya eksekusi adalah hal yang memperlambat Googler setiap hari.”

Hanya satu hari setelah Schmidt membuat pernyataan ini, dia segera meminta maaf secara terbuka, dan video terkait tersebut ditetapkan sebagai video pribadi oleh Universitas Stanford.Sebelumnya, video Schmidt telah ditonton lebih dari 400.000 kali.

Perlu dicatat bahwa banyak pengusaha terkenal Amerika sebenarnya memiliki pandangan serupa dengan Schmidt. Misalnya, CEO Tesla Elon Musk dan CEO JPMorgan Chase Jamie Dimon secara terbuka mengeluhkan kebijakan kerja jarak jauh. Dimon pernah menulis dalam surat pemegang saham tahunannya bahwa manajer perusahaan tidak bisa memimpin timnya hanya dengan duduk di depan layar.

"Lihat Musk, lihat TSMC. Alasan mengapa perusahaan-perusahaan ini sukses adalah karena mereka dapat merekrut karyawan. Anda harus mendorong karyawan Anda cukup keras untuk menang. TSMC akan membiarkan Ph.D. fisika bekerja di pabrik pada tahun pertama." Bisakah Anda Bayangkan mahasiswa PhD Amerika pergi ke jalur perakitan?" kata Schmidt.

Selain itu, Schmidt juga menyampaikan beberapa nasihat investasi tentang Nvidia, dengan mengatakan bahwa ia telah melihat tren yang jelas di pasar saham, yaitu perusahaan teknologi besar berencana untuk melakukan investasi yang semakin besar di Nvidia. “Saya sedang berbicara dengan perusahaan-perusahaan besar, dan mereka mengatakan kepada saya bahwa mereka membutuhkan $20 miliar, $50 miliar, $100 miliar — sangat, sangat mendesak,” tambah Schmidt, CEO OpenAI Sam Alter, "Teman dekat" Sam Altman.

Schmidt percaya bahwa meskipun Nvidia tidak akan menjadi satu-satunya pemenang di bidang AI, tidak banyak pilihan lain. Dalam pandangannya, perusahaan besar yang dapat berinvestasi lebih banyak pada chip dan pusat data Nvidia akan lebih unggul secara teknologi dibandingkan pesaingnya yang lebih kecil.

“Hanya ada tiga model mutakhir, dan kesenjangan antara model-model tersebut dan model lainnya tampaknya semakin lebar. Enam bulan yang lalu, saya yakin kesenjangan tersebut semakin dekat, jadi saya menaruh banyak uang ke perusahaan-perusahaan kecil. Sekarang , saya tidak begitu yakin, ”kata Schmidt. “Dulu saya mengira CUDA NVIDIA adalah bahasa pemrograman yang bodoh, tetapi sekarang CUDA adalah parit paling kuat dari NVIDIA. Semua model besar harus berjalan di CUDA, dan hanya GPU NVIDIA yang mendukung CUDA. Ini adalah sesuatu yang tidak dapat digoyahkan oleh kombinasi chip lain.”

Schmidt menekankan bahwa perusahaan teknologi yang dominan sering kali mengalami kesulitan beradaptasi dengan gelombang industri baru, dan ide-ide inovatif serta kehadiran kantor yang kuat sangat penting bagi Silicon Valley.

Oleh karena itu, perspektif Schmidt menimbulkan pertanyaan yang lebih luas: Bagaimana menyeimbangkan kebutuhan akan inovasi dan kesejahteraan karyawan di era AI yang berkembang pesat?

Perkataan mantan CEO Google Schmidt mungkin mewakili tantangan yang dihadapi seluruh industri teknologi. Dengan pesatnya perkembangan teknologi AI, bagaimana perusahaan besar menemukan keseimbangan antara tetap kompetitif dan menjaga kepuasan karyawan? Ini bukan hanya tentang keberhasilan perusahaan, tetapi juga tentang arah pengembangan masa depan seluruh industri.

Hingga berita ini dimuat, harga saham Google-A (NASDAQ: GOOGL) naik 1,54% menjadi US$163,77 per saham, dengan total nilai pasar US$2,02 triliun. Sejak awal tahun 2024, harga saham Google telah meningkat sekitar 16%.

Berikut ini adalah ringkasan singkat dari pidato Schmidt, yang telah diedit dan diringkas:

Moderator: Tamu hari ini tidak perlu diperkenalkan lagi. Saya pertama kali bertemu Eric sekitar 25 tahun yang lalu ketika dia datang ke Stanford GSB sebagai CEO Novell. Sejak itu, beliau menjabat posisi kunci di Google, mulai tahun 2001, dan bergabung dengan Schmidt Futures pada tahun 2017. Selain itu, ia juga telah berpartisipasi dalam banyak proyek lainnya, dan Anda dapat memeriksa informasi yang relevan. Jadi Eric, kalau boleh, saya akan mulai dengan itu. Pertama-tama, menurut Anda ke mana arah kecerdasan buatan dalam jangka pendek? Saya pikir Anda mendefinisikannya sebagai satu atau dua tahun ke depan.

Schmidt: Segalanya berubah begitu cepat sehingga saya merasa setiap enam bulan saya perlu memberikan pidato baru tentang apa yang akan terjadi. Saya memiliki banyak mahasiswa ilmu komputer di sini, adakah yang bisa menjelaskan kepada seluruh kelas apa itu "jendela konteks satu juta token"? Silakan beri nama dan beri tahu kami fungsinya.

Pengikut: Pada dasarnya, ini memungkinkan Anda untuk meminta dengan sejuta token atau sejuta kata.

Schmidt: Jadi Anda bisa mengajukan pertanyaan sejuta kata. Anthropic itu 200.000 token, sampai 1 juta, dan seterusnya. Anda bisa membayangkan OpenAI memiliki tujuan serupa. Adakah yang bisa memberikan definisi teknis tentang agen AI? Sekali lagi, ilmu komputer.

Siswa: Agen AI mungkin adalah sesuatu yang berperilaku dengan cara tertentu. Mungkin memanggil sesuatu di web untuk mencari informasi atas nama Anda. Mungkin ada banyak hal yang berbeda dalam hal ini. Ada banyak hal yang terjadi dalam suatu proses.

Schmidt: Jadi agen adalah sesuatu yang melakukan suatu tugas. Definisi lainnya adalah LLM, keadaan dan memori. Selanjutnya, ilmuwan komputer, adakah di antara Anda yang dapat mendefinisikan "text to action"?

Siswa: Daripada mengubah teks menjadi lebih banyak teks, biarkan AI memicu tindakan berdasarkan ini.

Schmidt: Definisi lainnya adalah bahasa Python. Saya tidak pernah ingin melihat bahasa pemrograman bertahan. Segala sesuatu di AI dilakukan dengan Python. Sebuah bahasa baru baru saja muncul bernama Mojo, dan sepertinya mereka akhirnya memecahkan masalah pemrograman AI, tapi kita akan lihat apakah bahasa tersebut benar-benar dapat bertahan dari dominasi Python. Ada juga masalah teknis. Mengapa NVIDIA bernilai $2 triliun sementara perusahaan lain kesulitan?

Siswa: Jawaban teknisnya adalah sebagian besar kode harus dijalankan menggunakan pengoptimalan CUDA yang saat ini hanya didukung oleh GPU NVIDIA, sehingga perusahaan lain dapat melakukan apa pun yang mereka inginkan, tetapi kecuali mereka memiliki pengalaman perangkat lunak selama 10 tahun, Anda tidak akan memiliki Pembelajaran mesin optimasi.

Schmidt: Saya suka menganggap CUDA sebagai bahasa pemrograman C untuk GPU, dan saya merasa nyaman dengan gagasan itu. CUDA didirikan pada tahun 2008. Meskipun saya selalu menganggap itu bahasa yang buruk, bahasa itu sudah diambil alih. Wawasan lain yang perlu diperhatikan: Ada serangkaian perpustakaan sumber terbuka yang sangat dioptimalkan untuk CUDA yang tidak dimiliki perpustakaan lain. Semua orang yang membangun tumpukan teknologi ini sama sekali melewatkan poin diskusi ini. Pustaka ini secara teknis disebut VLLM, dan ada banyak pustaka serupa yang juga sangat dioptimalkan untuk CUDA, sehingga sulit ditiru oleh pesaing.

Jadi apa maksudnya semua ini? Tahun depan, Anda akan melihat jendela konteks, agen, dan aplikasi text-to-action yang sangat besar. Ketika teknologi ini diterapkan dalam skala besar, dampaknya akan sangat besar terhadap dunia, jauh melampaui dampak media sosial. Inilah alasannya: Di jendela konteks, Anda dapat menggunakannya sebagai memori jangka pendek, dan saya terkejut melihat berapa lama jendela konteks itu. Alasan teknis berkaitan dengan kesulitan layanan dan komputasi. Hal yang menarik tentang memori jangka pendek adalah ketika Anda memasukkan informasi dan mengajukan pertanyaan, katakanlah membaca 20 buku dan menggunakan teks buku tersebut sebagai pertanyaan lalu menanyakan isinya, ia lupa bagian tengahnya, mirip dengan bagaimana otak manusia bekerja.

Mengenai agen, sekarang ada orang yang membangun agen LLM dengan membaca dan memahami hal-hal di bidang seperti kimia lalu mengujinya dan menambahkannya kembali ke dalam pemahaman mereka. Ini sangat ampuh. Aspek ketiga adalah text-to-action. Izinkan saya memberi Anda sebuah contoh: Katakanlah pemerintah mencoba melarang TikTok. Jika TikTok dilarang, saya sarankan Anda mengucapkan hal berikut ke LLM Anda: Salin TikTok untuk saya, masukkan preferensi saya di dalamnya, buat aplikasi ini dan publikasikan dalam 30 detik berikutnya, dan dalam satu jam, jika tidak populer , lakukan saja hal seperti itu. Itu perintahnya. Anda dapat melihat betapa kuatnya hal ini.

Jika Anda dapat menerjemahkan dari bahasa apa pun ke perintah numerik apa pun, itu pada dasarnya adalah Python dalam skenario ini. Bayangkan bahwa setiap orang di dunia ini mempunyai pemrogramnya sendiri yang benar-benar melakukan apa yang ingin mereka lakukan, dibandingkan dengan pemrogram yang tidak bekerja sesuai kebutuhan. Para programmer di sini tahu apa yang saya bicarakan. Bayangkan seorang programmer yang tidak sombong yang benar-benar melakukan apa yang Anda inginkan tanpa Anda harus membayar mahal. Dan persediaan programmer ini tidak terbatas.

Host: Akankah semua ini terjadi dalam satu atau dua tahun ke depan?

Schmidt: Sangat cepat. Ketiga hal di atas saya yakin akan terjadi secara bersamaan pada gelombang berikutnya. Jadi Anda bertanya apa lagi yang akan terjadi. Saya fluktuasi setiap enam bulan, jadi kita berada pada osilasi ganjil genap. Saat ini, kesenjangan antara model terdepan (sekarang hanya ada tiga) dan model lainnya tampaknya semakin besar. Enam bulan yang lalu, saya yakin bahwa kesenjangan tersebut sudah semakin dekat, jadi saya berinvestasi besar-besaran di beberapa perusahaan kecil. Namun, sekarang aku tidak begitu yakin akan hal itu.

Saya berbincang dengan beberapa perusahaan besar dan mereka mengatakan bahwa mereka membutuhkan $10 miliar, $20 miliar, $50 miliar, bahkan $100 miliar. Proyek Stargate membutuhkan $100 miliar dan sangat sulit. Teman baik saya, Sam Altman, berpendapat bahwa hal ini bisa memakan waktu sekitar $300 miliar, atau mungkin lebih. Saya tunjukkan kepadanya bahwa saya telah menghitung energi yang dibutuhkan.

Demi kepentingan pengungkapan penuh, saya pergi ke Gedung Putih pada hari Jumat dan mengatakan kepada mereka bahwa kita perlu berteman baik dengan Kanada. Karena orang Kanada adalah orang yang sangat baik, mereka membantu menciptakan kecerdasan buatan, dan mereka memiliki banyak pembangkit listrik tenaga air. Karena kita sebagai negara tidak memiliki kekuatan yang cukup untuk mencapai tujuan tersebut. Pilihan lainnya adalah negara-negara Arab mendanai proyek tersebut. Saya pribadi menyukai orang Arab dan saya menghabiskan banyak waktu di sana, tapi mereka mungkin tidak mengikuti aturan keamanan nasional kita. Kanada dan Amerika Serikat adalah salah satu dari tiga negara besar yang kita semua sepakati.

Jadi, di pusat data ini, yang bernilai $100 miliar hingga $300 miliar, listrik mulai menjadi sumber daya yang langka.

Ngomong-ngomong, jika mengikuti alasan ini, Anda mungkin bertanya mengapa saya membahas CUDA dan NVIDIA? Jika seluruh $300 miliar masuk ke NVIDIA, Anda pasti tahu apa yang harus dilakukan di pasar saham. Namun, ini bukan rekomendasi saham dan saya bukan pemberi lisensi.

Host: Sebagian karena kita akan membutuhkan lebih banyak chip, namun Intel mendapat banyak uang dari pemerintah AS. AMD sedang mencoba membangun yang hebat di Korea Selatan.

Schmidt: Angkat tangan Anda jika Anda memiliki chip Intel di perangkat komputasi Anda. Begitu banyak monopoli.

Profesor: Tapi itulah intinya. Mereka pernah memonopoli, dan sekarang NVIDIA memiliki monopoli. Jadi, apakah ini hambatan untuk masuk? Ngomong-ngomong soal CUDA, apakah ada pilihan lain? Saya sedang berbicara dengan Percy Lange beberapa hari yang lalu. Dia beralih antara chip TPU dan NVIDIA, tergantung pada apa yang dapat dia akses. Ini karena dia tidak punya pilihan.

Schmidt: Jika dia memiliki dana tidak terbatas, dia akan memilih arsitektur NVIDIA B200 saat ini karena lebih cepat. Saya tidak menyarankan hal itu - persaingan adalah hal yang baik. Saya mengobrol panjang lebar dengan Lisa Su dari AMD. Mereka telah membangun sesuatu yang dapat mengubah arsitektur CUDA menjadi milik mereka, yang disebut Rokam. Ini belum berfungsi sepenuhnya, tetapi mereka sedang mengerjakannya.

Moderator: Anda sudah lama bekerja di Google, dan mereka menemukan arsitektur Transformer. Terima kasih kepada orang-orang hebat di sana, seperti Peter, Jeff Dean, dan semuanya. Saat ini, OpenAI sepertinya sudah kehilangan inisiatif. Dalam peringkat terbaru yang saya lihat, Claude dari Anthropic menduduki puncak daftar. Aku bertanya pada Sundar, tapi dia tidak memberikan jawaban yang jelas. Mungkin Anda memiliki penjelasan yang lebih jelas atau obyektif tentang apa yang terjadi di sana.

Schmidt: Saya bukan lagi karyawan Google. Fokus Google pada keseimbangan kehidupan kerja lebih pada membiarkan karyawan pulang lebih awal dan bekerja dari rumah, dibandingkan mengejar kemenangan secara membabi buta. Sebaliknya, startup sukses karena karyawannya bekerja keras. Meskipun hal ini mungkin agak blak-blakan, kenyataannya adalah jika Anda memulai sebuah perusahaan setelah lulus kuliah dan ingin bersaing dengan startup lain, Anda tidak bisa mendapatkan karyawan yang datang hanya satu hari dalam seminggu.

Moderator: Pada masa awal Google, hal yang sama juga terjadi pada Microsoft.

Schmidt: Tampaknya dalam industri kita, sejak lama, perusahaan selalu menang dengan menjadi sangat kreatif dan mendominasi suatu ruang dibandingkan melakukan transformasi berikutnya. Hal ini didokumentasikan dengan baik. Menurut saya, para pendiri adalah orang yang spesial dan mereka harus memegang kendali, meskipun mereka mungkin sulit diajak bekerja sama karena mereka memberikan banyak tekanan pada karyawannya. Meskipun kita tidak menyukai tindakan pribadi Elon, lihatlah apa yang dia dapatkan dari karyawannya. Saya pernah makan malam dengannya dan dia terbang. Saya berada di Montana, dan dia berada dalam penerbangan pukul 10 malam itu untuk pertemuan tengah malam dengan x.ai. Pikirkan tentang hal ini.

Tempat yang berbeda memiliki budaya yang berbeda. Saya terkesan dengan TSMC. Mereka memiliki peraturan bahwa mahasiswa Ph.D. yang baru lulus, ahli fisika yang baik, harus bekerja di ruang bawah tanah pabrik. Dapatkah Anda membayangkan seorang Ph.D. di bidang fisika asal Amerika melakukan hal ini? Tidak mungkin. Ini adalah etos kerja yang berbeda.

Ketelitian yang saya gunakan adalah karena sistem ini memiliki efek jaringan, jadi waktu adalah hal yang sangat penting. Dan di sebagian besar bisnis, waktu tidak begitu penting, Anda punya banyak waktu. Coca-Cola dan Pepsi-Cola akan tetap ada, dan persaingan di antara keduanya akan terus berlanjut, dan segalanya akan menjadi sedingin es. Ketika saya berurusan dengan perusahaan telekomunikasi, penandatanganan kesepakatan biasanya membutuhkan waktu 18 bulan. Tidak ada alasan untuk mengambil waktu 18 bulan untuk melakukan apapun, hal itu harus dilakukan sesegera mungkin. Kita sedang berada dalam masa pertumbuhan dan pemaksimalan pendapatan, namun hal ini juga membutuhkan ide-ide gila.

Misalnya, ketika Microsoft membuat kesepakatan dengan OpenAI, saya pikir itu adalah ide paling bodoh yang pernah saya dengar. Alihkan kepemimpinan AI Anda ke OpenAI dan Sam serta timnya? Ini gila. Tidak ada seorang pun di Microsoft atau di mana pun yang melakukan hal itu. Namun saat ini, mereka menjadi perusahaan yang paling bernilai, tentu saja saling bersaing dengan Apple. Apple tidak memiliki solusi AI yang bagus, namun sepertinya mereka berhasil.

Sponsor: Bagaimana AI akan berperan dalam keamanan nasional atau kepentingan geopolitik, terutama dalam persaingan dengan Tiongkok?

Schmidt: Sebagai ketua komite kecerdasan buatan, saya mempelajari hal ini secara mendalam. Kami menulis laporan setebal 752 halaman dan merangkumnya sebagai berikut: Saat ini kami berada dalam posisi terdepan dan perlu mempertahankan keunggulan ini, yang memerlukan dukungan finansial yang signifikan. Klien utama kami adalah Senat dan Dewan Perwakilan Rakyat, yang mengarah pada diperkenalkannya UU CHIPS dan kebijakan serupa lainnya.

Jika model mutakhir dan beberapa model open source terus berkembang, hanya sedikit perusahaan yang mampu bersaing di bidang ini. Negara manakah yang mempunyai kemampuan seperti itu? Negara-negara ini harus memiliki pendanaan yang baik, berbakat, dengan sistem pendidikan yang kuat dan keinginan untuk menang. Amerika Serikat dan Tiongkok adalah dua negara besar. Mengenai apakah negara lain bisa berpartisipasi, saya tidak yakin. Namun yang pasti di masa depan, persaingan hegemoni intelektual antara Amerika Serikat dan Tiongkok akan menjadi pertarungan besar.

Pemerintah AS pada dasarnya telah melarang ekspor chip Nvidia ke Tiongkok, meskipun mereka tidak mengakuinya secara terbuka. Kami memiliki keunggulan teknologi selama sekitar 10 tahun pada chip DUV, yaitu chip 5 nanometer. Keuntungan ini menempatkan kita beberapa tahun lebih maju dibandingkan Tiongkok, yang membuat Tiongkok sangat tidak senang. Kebijakan ini dikembangkan oleh pemerintahan Trump dan didukung oleh pemerintahan Biden.

Host: Akankah Kongres menerima saran Anda dan melakukan investasi besar-besaran, jelas UU CHIPS adalah salah satu contohnya.

Schmidt: Selain itu, kita juga perlu membangun sistem kecerdasan buatan yang besar. Saya memimpin kelompok orang dalam industri umum yang bersifat informal, ad hoc, dan non-hukum. Tahun lalu, para anggota ini mengajukan rancangan undang-undang kecerdasan buatan (AI) yang dikeluarkan pemerintahan Biden, yang merupakan arahan presiden terpanjang dalam sejarah.

Kita pernah membahas pertanyaan inti: Bagaimana cara mendeteksi bahaya pada sistem yang sudah dipelajari tetapi tidak tahu harus bertanya apa? Dengan kata lain, sistem mungkin telah mempelajari sesuatu yang buruk, tetapi Anda tidak tahu bagaimana cara menanyakannya. Misalnya, ia mungkin telah mempelajari cara mencampur bahan kimia dengan cara baru, namun Anda tidak tahu cara menanyakannya. Untuk mengatasi masalah ini, kami mengusulkan dalam sebuah memo kepada pemerintah untuk menetapkan ambang batas yang kami sebut 10 pangkat 26, yang merupakan ukuran perhitungan teknis. Di atas ambang batas ini, dunia usaha harus melaporkan aktivitasnya kepada pemerintah. Untuk memastikan bahwa keduanya berbeda, Uni Eropa menetapkan 10 pangkat 25 sebagai 10. Namun angka-angka ini cukup mendekati. Saya pikir semua perbedaan ini akan hilang karena teknologi yang ada akan menjadi usang. Istilah teknisnya disebut latihan bersama, yang pada dasarnya berarti potongan-potongan itu dapat digabungkan menjadi satu. Jadi kita mungkin tidak bisa melindungi orang dari hal-hal baru ini.

Moderator: Selanjutnya, saya ingin membahas pertanyaan yang agak filosofis. Tahun lalu, Anda ikut menulis artikel bersama Henry Kissinger dan Dan Huttenloch tentang sifat pengetahuan dan bagaimana pengetahuan berkembang. Saya juga membahas masalah ini beberapa malam yang lalu. Sepanjang sejarah, pemahaman umat manusia tentang alam semesta masih misterius, hingga munculnya Revolusi Ilmiah dan Pencerahan. Dalam artikel Anda, Anda menyebutkan bahwa model saat ini telah menjadi begitu kompleks dan sulit dipahami sehingga kita benar-benar tidak tahu apa yang terjadi di dalamnya. Saya mengutip Richard Feynman: “Apa yang tidak dapat saya ciptakan, saya tidak mengerti.” Saya menemukan kutipan ini beberapa hari yang lalu. Tapi sekarang orang-orang menciptakan apa yang mereka bisa tanpa benar-benar memahami cara kerja di dalamnya. Apakah sifat pengetahuan telah berubah? Apakah kita harus mulai menerima model-model ini begitu saja, yang tidak dapat mereka jelaskan kepada kita?

Schmidt: Saya ingin memberi Anda sebuah contoh tentang seorang remaja. Jika Anda memiliki seorang remaja, Anda tahu bahwa mereka adalah manusia, tetapi Anda tidak dapat memahami apa yang mereka pikirkan. Namun kita sebagai masyarakat telah berhasil beradaptasi dengan keberadaan remaja dan pada akhirnya mereka akan tumbuh darinya. Ini adalah pertanyaan yang serius. Jadi kita mungkin memiliki sistem pengetahuan yang tidak dapat kita jelaskan sepenuhnya, namun kita memahami batasannya dan batasan kemampuan mereka, dan mungkin itulah yang terbaik yang bisa kita dapatkan. Apakah menurut Anda kami akan memahami keterbatasan ini? Jika kita bisa melakukan itu, itu bagus.

Konsensus dalam pertemuan mingguan kelompok saya adalah bahwa pada akhirnya akan ada apa yang disebut AI adversarial, di mana sebenarnya akan ada perusahaan yang mempekerjakan dan membayar Anda untuk merusak sistem AI Anda. Sama seperti tim merah. Tidak seperti tim manusia merah saat ini, Anda akan memiliki seluruh perusahaan dan seluruh industri sistem AI yang tugasnya mengganggu sistem AI yang ada dan menemukan kerentanan di dalamnya, terutama yang tidak dapat kita pecahkan. Ini masuk akal bagi saya. Ini juga merupakan program yang bagus untuk Stanford. Jika Anda memiliki mahasiswa pascasarjana yang harus memikirkan cara menyerang salah satu model besar ini dan memahami fungsinya, itu akan menjadi keterampilan penting untuk membangun generasi berikutnya. Jadi masuk akal untuk menggabungkan keduanya.

Moderator: Sekarang, mari kita jawab beberapa pertanyaan siswa. Ada teman sekelas di belakangku, tolong sebutkan namamu.

Siswa: Anda telah menyebutkan sebelumnya, dan ini terkait dengan komentar sekarang, tentang membuat AI benar-benar melakukan apa yang Anda inginkan. Anda baru saja menyebutkan AI yang bermusuhan, dan saya ingin tahu apakah Anda bisa menguraikannya lebih detail. Tampaknya, terlepas dari peningkatan nyata dalam daya komputasi, Anda bisa mendapatkan model dengan performa lebih tinggi, namun pertanyaan untuk membuat mereka melakukan apa yang Anda inginkan, tampaknya sebagian belum terjawab.

Schmidt: Ya, Anda harus berasumsi bahwa masalah halusinasi saat ini akan berkurang, seiring dengan kemajuan teknologi dan seterusnya. Saya tidak mengatakan hal itu akan hilang. Dan kemudian Anda juga harus berasumsi bahwa ada uji kemanjurannya, jadi harus ada cara untuk mengetahui apakah hal ini berhasil. Dalam contoh yang saya sebutkan tentang pesaing TikTok, saya tidak menyarankan untuk mencuri musik orang lain secara ilegal. Apa yang akan Anda lakukan jika Anda seorang pengusaha di Silicon Valley? Saya harap Anda semua adalah pengusaha Silicon Valley. Jika produk Anda berhasil, Anda akan menyewa sekumpulan pengacara untuk menangani akibatnya. Namun jika tidak ada yang menggunakan produk Anda, tidak masalah jika Anda mencuri semuanya. Tentu saja, jangan mengutip saya tentang hal itu.

Silicon Valley biasanya melakukan pengujian ini dan menangani pertanyaan lanjutan. Ini adalah praktik umum. Saya pikir Anda akan melihat semakin banyak sistem kinerja dan pengujian yang lebih baik dan akhirnya pengujian permusuhan, yang akan menjaganya tetap dalam kerangka kerja. Istilah profesional ini disebut penalaran rantai pemikiran. Dipercaya bahwa dalam beberapa tahun ke depan Anda akan mampu menghasilkan rantai penalaran seribu langkah, seperti halnya membuat resep. Anda dapat menjalankannya dan benar-benar menguji apakah hasilnya benar, begitulah cara sistem bekerja.

Siswa: Secara keseluruhan, Anda sangat optimis terhadap potensi kemajuan dalam kecerdasan buatan. Saya penasaran, apa yang mendorong kemajuan ini? Apakah daya komputasinya lebih besar? Apakah ini lebih banyak data? Apakah ini merupakan perubahan mendasar atau nyata?

Schmidt: Jawabannya adalah semua hal di atas. Jumlah uang yang diinvestasikan sungguh luar biasa. Saya pada dasarnya menginvestasikan segalanya karena saya tidak tahu siapa yang akan menang dan jumlah uang yang saya ikuti sangat besar. Salah satu alasannya adalah uang awal telah dihasilkan, dan mereka yang tidak tahu banyak tentangnya harus memiliki komponen AI. Semuanya sekarang adalah investasi AI dan mereka tidak dapat membedakannya.

Saya mendefinisikan kecerdasan buatan sebagai sistem pembelajaran, sistem yang benar-benar belajar. Saya pikir ini salah satunya. Poin kedua adalah sekarang ada beberapa algoritma baru yang sangat kompleks yang mirip dengan pasca-Transformer. Seorang teman saya, yang juga merupakan kolaborator lama, menemukan arsitektur non-Transformer baru. Kelompok yang saya danai di Paris mengaku juga melakukan hal yang sama. Ada banyak penemuan di luar sana, dan ada banyak penelitian di Stanford. Poin terakhirnya adalah pasar percaya bahwa penemuan cerdas mempunyai keuntungan yang tidak terbatas. Katakanlah Anda memasukkan $50 miliar ke sebuah perusahaan, Anda harus menghasilkan banyak uang dari intelijen untuk membayarnya kembali. Kita bisa saja mempunyai gelembung investasi yang besar dan kemudian akan teratasi dengan sendirinya. Hal ini selalu terjadi dan mungkin terjadi sekarang.

Profesor: Anda telah menyebutkan sebelumnya bahwa para pemimpin menciptakan jarak dari orang lain.

Schmidt: Sekarang, ada sebuah perusahaan di Perancis bernama Mistral, dan mereka melakukan pekerjaannya dengan sangat baik. Saya jelas seorang investor. Mereka sudah membuat versi kedua, dan model ketiga mereka kemungkinan besar akan ditutup karena terlalu mahal. Mereka membutuhkan pendapatan dan tidak dapat memberikan modelnya secara gratis. Perdebatan open source versus close source terus berlangsung di industri kita. Seluruh karir saya dibangun atas kemauan orang-orang untuk berbagi perangkat lunak secara open source. Semua yang saya lakukan didasarkan pada open source. Sebagian besar fondasi Google juga dibangun berdasarkan sumber terbuka. Pekerjaan yang saya lakukan terutama di bidang teknis. Namun, biaya modal yang besar dapat mengubah cara perangkat lunak dibangun secara mendasar.

Pandangan saya terhadap pemrogram perangkat lunak adalah bahwa produktivitas mereka setidaknya akan berlipat ganda. Ada tiga atau empat perusahaan perangkat lunak yang saat ini mencoba melakukan hal ini, dan saya telah berinvestasi pada semuanya selama ini. Mereka semua berusaha membuat pemrogram perangkat lunak lebih produktif. Saya baru-baru ini menemukan perusahaan yang sangat menarik bernama Augment. Saya sering memikirkan programmer yang mengatakan ini bukanlah tujuannya. Target kami adalah tim pemrograman perangkat lunak yang beranggotakan 100 orang dengan jutaan baris kode dan tidak ada yang tahu apa yang terjadi. Ini adalah penerapan kecerdasan buatan yang sangat bagus. Akankah mereka menghasilkan uang? Saya harap demikian, tetapi ada banyak masalah di sini.

Siswa: Sejak awal, Anda menyebutkan bahwa kombinasi ekstensi jendela konteks, proxy, dan text-to-action akan memberikan dampak yang luar biasa. Pertama, mengapa kombinasi ini penting? Kedua, saya tahu Anda bukan seorang nabi dan tidak dapat meramalkan masa depan, tetapi menurut Anda mengapa hal itu berada di luar imajinasi kita?

Schmidt: Saya pikir terutama karena jendela konteks memungkinkan Anda memecahkan masalah kekinian. Model-model saat ini membutuhkan waktu sekitar 18 bulan untuk dilatih, termasuk enam bulan persiapan, enam bulan pelatihan, dan enam bulan penyesuaian, sehingga model-model tersebut selalu ketinggalan jaman. Dan dengan jendela konteks, Anda dapat mengetik kejadian terkini dan mengajukan pertanyaan tentang perang Hamas-Israel dalam konteksnya, yang sangat kuat dan menjadikannya sama mutakhirnya dengan Google.

Dalam hal agensi, saya bisa memberi Anda sebuah contoh. Saya memulai sebuah yayasan untuk menyediakan dana bagi organisasi nirlaba. Saya tidak tahu banyak tentang kimia, tapi ada alat bernama ChatCrow, yang merupakan sistem berdasarkan model bahasa besar yang dapat mempelajari kimia. Mereka menjalankan sistem untuk menghasilkan hipotesis kimia tentang protein, kemudian laboratorium mengujinya dalam semalam, dan sistem mempelajarinya. Ini adalah akselerator besar bagi bidang-bidang seperti kimia dan ilmu material. Ini adalah model agensi.

Saya kira kalau saja ada banyak programmer murahan, konsep text-to-action bisa dipahami. Saya rasa kita tidak mengerti apa yang terjadi jika setiap orang memiliki programmernya sendiri. Ini juga merupakan bidang keahlian Anda. Saya tidak berbicara tentang tugas sederhana seperti menyalakan dan mematikan lampu. Saya bayangkan contoh lain, misalkan Anda tidak menyukai Google, bisa dibilang, jadikan saya pesaing Google. Ya, Anda secara pribadi dapat melakukan ini. Jadikan saya pesaing Google yang menelusuri web, membuat antarmuka pengguna, membuat salinan yang bagus, dan menambahkan AI generatif dengan cara yang menarik. Lakukan dalam 30 detik dan lihat apakah berhasil. Banyak yang percaya bahwa perusahaan lama, termasuk Google, rentan terhadap serangan semacam itu.

Host: Sekarang, mari kita lihat. Slido mengirimkan banyak pertanyaan, beberapa di antaranya sudah diunggah. Tahun lalu kita membahas cara menghentikan AI mempengaruhi opini publik dan menyebarkan informasi yang salah, terutama selama pemilu mendatang.

Schmidt: Kita perlu memikirkan solusi jangka pendek dan jangka panjang. Dalam pemilu global mendatang, sebagian besar misinformasi akan muncul di media sosial, dan kemampuan organisasi perusahaan media sosial saat ini tidak cukup untuk mengawasi informasi tersebut secara efektif. TikTok, misalnya, dituduh mendukung disinformasi tertentu, meski saya tidak punya bukti. Saya pikir kita sedang dalam kekacauan.

Negara ini perlu belajar berpikir kritis, yang mungkin merupakan tantangan sulit bagi Amerika Serikat. Hanya karena seseorang memberi tahu Anda sesuatu, bukan berarti itu benar.

Host: Apakah kita akan bertindak sejauh ini sehingga tak seorang pun akan mempercayai beberapa hal yang benar lagi? Ada yang menyebutnya sebagai krisis epistemologis. Sekarang, Elon Musk bilang dia tidak pernah melakukan sesuatu, tapi bagaimana membuktikannya?

Schmidt: Kita bisa menggunakan contoh Donald Trump. Saya pikir kita mempunyai masalah kepercayaan dalam masyarakat kita dan demokrasi mungkin gagal karenanya. Ancaman terbesar terhadap demokrasi adalah misinformasi, karena kita sudah sangat pandai dalam hal itu.

Saat saya mengelola YouTube, masalah terbesar yang kami alami adalah orang-orang mengunggah video palsu yang mengakibatkan banyak orang meninggal. Kita mempunyai kebijakan tanpa kematian dan upaya untuk mengatasi masalah ini sungguh mengejutkan dan mengerikan. Ini terjadi sebelum munculnya kecerdasan buatan generatif.

Siswa: Saya ingin tahu apakah Anda sudah menjelajahi pengaturan terdistribusi. Saya menanyakan pertanyaan ini karena, tentu saja, membuat cluster besar itu sulit, tetapi MacBook sangat kuat. Ada banyak mesin kecil di seluruh dunia. Jadi menurut Anda apakah melipat di rumah atau semacamnya dapat diterapkan untuk melatih sistem ini?

Schmidt: Ya, kami telah melihat masalah ini dengan sangat hati-hati. Jadi cara kerja algoritmanya adalah Anda memiliki matriks yang sangat besar dan pada dasarnya Anda memiliki fungsi perkalian. Jadi anggap saja itu sebagai bolak-balik. Dan sistem ini sepenuhnya dibatasi oleh kecepatan memori CPU atau GPU. Faktanya, chip NVIDIA generasi berikutnya telah mengintegrasikan semua fungsi ini ke dalam satu chip. Keripiknya sekarang sangat besar sehingga saling menempel. Faktanya, paket tersebut sangat sensitif sehingga paket dan chip itu sendiri dirakit di ruangan yang bersih. Jadi jawabannya sepertinya superkomputer dan kecepatan cahaya, terutama interkoneksi memori, benar-benar lebih unggul. Saya pikir segmentasi model bahasa besar (LLM) tidak mungkin dilakukan untuk saat ini.

Moderator: Di bidang AI, sepertinya ada beberapa perusahaan besar yang mendominasi pasar terkait antimonopoli.

Schmidt: Saya telah berpartisipasi dalam pembubaran Microsoft dalam karier saya, tetapi pada akhirnya tidak berhasil; saya juga bekerja keras untuk mencegah pembubaran Google, tetapi juga gagal. Oleh karena itu, menurut saya tren ini tidak boleh terpecah belah. Selama perusahaan-perusahaan ini tidak menjadi monopoli seperti John D. Rockefeller, tindakan pemerintah tidak mungkin dilakukan.

Perusahaan-perusahaan besar ini mendominasi karena hanya mereka yang punya modal untuk membangun data center. Saya mempunyai teman Reed dan Mustafa yang membuat keputusan untuk memisahkan bisnis mereka ke Microsoft karena mereka tidak dapat mengumpulkan puluhan miliar dolar. Mengenai angka pastinya, Anda mungkin harus meminta Reid memberi tahu Anda.

Siswa: Yang terakhir, saya bertanya-tanya apa dampak perkembangan ini terhadap negara-negara yang tidak terlibat dalam pengembangan dan perhitungan model mutakhir.

Schmidt: Negara-negara kaya akan semakin kaya, sementara negara-negara miskin hanya bisa melakukan yang terbaik yang mereka bisa. Ini sebenarnya merupakan permainan bagi negara-negara kaya, yang membutuhkan modal besar, bakat teknis, dan dukungan pemerintah yang kuat. Secara global, banyak negara menghadapi berbagai permasalahan, terutama ketika sumber daya terbatas. Mereka perlu mencari mitra dan bekerja sama dengan pihak lain untuk memecahkan masalah ini.

Moderator: Saya ingat terakhir kali kita bertemu, Anda sedang mengikuti hackathon di AGI House. Saya tahu Anda menghabiskan banyak waktu dan bersemangat membantu kaum muda menciptakan kekayaan. Apakah Anda punya saran untuk orang-orang yang sedang menulis rencana bisnis untuk kursus atau menulis proposal kebijakan atau proposal penelitian dalam karier mereka?

Schmidt: Saya mengajarkan kursus ini di sekolah bisnis, dan Anda harus datang dan mendengarkannya. Saya terkejut melihat betapa cepatnya Anda menyajikan ide-ide baru.

Dalam salah satu hackathon yang saya ikuti, tim pemenang ditugaskan untuk menerbangkan drone di antara dua menara. Mereka menggunakan Python untuk menghasilkan kode di ruang drone virtual dan berhasil menyelesaikan tugas di simulator. Mungkin diperlukan waktu satu atau dua minggu bagi programmer profesional yang baik untuk melakukan ini. Saya pikir kemampuan membuat prototipe dengan cepat sangatlah penting karena salah satu masalah yang dihadapi pengusaha adalah kecepatan. Jika Anda tidak dapat membuat prototipe dalam sehari dengan alat ini, Anda perlu mempertimbangkan kembali karena itulah yang dilakukan pesaing Anda.

Jadi saran terbesar saya adalah ketika Anda mulai berpikir untuk memulai sebuah perusahaan, tidak masalah untuk menulis rencana bisnis. Sebenarnya, Anda boleh meminta komputer menuliskannya untuk Anda, selama itu legal. Penting untuk menggunakan alat-alat ini untuk membuat prototipe ide Anda secepat mungkin karena mungkin ada seseorang yang melakukan hal yang sama di perusahaan lain, universitas, atau di tempat yang belum pernah Anda kunjungi.

Moderator: Terima kasih banyak Schmidt. (Bagian singkatannya berasal dari akun Web3 Sky City)

(Artikel ini pertama kali diterbitkan di Aplikasi Titanium Media, penulis｜Lin Zhijia, editor｜Hu Runfeng)