Nested Learning: Cara Baru AI Belajar Berlapis untuk Masa Depan Pintar

Dalam artikel ini, penulis memberikan gambaran tentang bagaimana manusia belajar berbagai lapisan pengetahuan, menggunakan contoh belajar tentang olahraga baseball. Mulai dari aturan dasar, strategi, sampai melatih pelatih baseball, belajar berlangsung secara bertingkat dan berlapis. Pendekatan pembelajaran manusia ini menjadi analogi untuk pengembangan AI yang lebih canggih. AI generasi saat ini, seperti LLM, dibuat dengan cara memindai sejumlah besar data dari internet, namun model ini bersifat statis setelah pelatihan awal dan tidak dapat memperbarui pengetahuannya secara otomatis dalam interaksi sehari-hari. Hal ini membatasi kemampuan AI untuk berkembang secara real-time dan mempelajari hal-hal baru yang berada di luar data awalnya. Google Research mengajukan konsep Nested Learning sebagai solusi untuk masalah tersebut. Nested Learning mengusulkan arsitektur AI yang berlapis dan saling terhubung, memungkinkan AI untuk belajar dan mengoptimalkan dirinya secara berkelanjutan di berbagai tingkat secara simultan. Prototype bernama Hope dikembangkan untuk menguji ide ini. Pendekatan baru ini memperkenalkan sistem memori kontinu jangka panjang yang dapat menyimpan dan memperbarui pengetahuan secara terus-menerus, mirip seperti ingatan manusia. Selain itu, sistem ini dirancang hati-hati agar pembelajaran bersifat selektif, sehingga mencegah penyebaran informasi palsu atau salah yang dapat menyesatkan AI. Penulis menekankan bahwa meskipun konsep ini masih dalam tahap awal dan perlu diuji lebih lanjut, ini merupakan sebuah langkah berani dalam merancang arsitektur AI masa depan yang tidak hanya mengandalkan kekuatan hardware lebih besar, tapi merevolusi cara AI belajar dan berkembang. Nested Learning berpotensi menjadi fondasi penting menuju kecerdasan buatan umum (AGI).