Dunia AI menjadi ‘gila’
Pada hari Jumat, pencipta Claude Code Boris Cherny muncul di konferensi @Scale Meta dan, yang mengejutkan, pertanyaan pertama dari penonton adalah tentang loop. “Apakah loop merupakan siklus hype berikutnya,” tanya si penanya, “atau apakah itu nyata?” Jawaban Cherny dengan tegas “ya, itu nyata,” katanya. “Dua tahun lalu, kami menulis kode sumber dengan tangan. Kami mulai melakukan transisi sehingga agen menulis kode tersebut. Dan sekarang kami beralih ke titik di mana agen meminta agen untuk kemudian menulis kode tersebut,” lanjutnya. “Sebesar apa pun langkah dari kode sumber ke agen, loop sama pentingnya dan merupakan langkah besar.” Kemudian dalam pembicaraan tersebut (sekitar pukul 32:00 dalam video YouTube yang diposting di atas), Cherny menjelaskan secara spesifik tentang loop yang terus dia jalankan dalam karyanya sendiri. Satu agen terus mencari cara untuk meningkatkan arsitektur kode, sementara agen lainnya mencari duplikat abstraksi yang dapat disatukan. Mereka mengirimkan permintaan penarikan seperti pembuat kode lainnya, dan karena kode terus berubah, mereka tidak pernah berhenti berjalan. Ini adalah ide yang kuat, terutama dengan sosok penting seperti Cherny di belakangnya. Dengan peralihan ke AI agen, fokus sebagian besar pengguna adalah mengelola agen mereka sebaik mungkin: menetapkan tujuan yang jelas, memeriksa unit kemajuan yang terpisah, dan tidak membiarkan mereka menyimpang terlalu jauh dari yang diharapkan. Loop ini mengambil langkah lebih jauh dengan mengizinkan segerombolan agen untuk bekerja terus menerus di latar belakang, tanpa henti. AI memang sangat dipercaya — namun dengan semakin cepatnya kemajuan model, hal ini bisa menjadi langkah selanjutnya dalam menjadikan AI mampu menangani pekerjaan nyata. Hal pertama yang harus disadari adalah bahwa ini bukanlah hal yang sepenuhnya baru. Perulangan rekursif — fungsi yang memanggil dirinya sendiri untuk mengulangi suatu tindakan, bersama dengan kondisi yang menghentikan perulangan — adalah andalan dalam kursus pengantar ilmu komputer. Perulangan ini mengikuti logika non-deterministik — yaitu, sub-agen yang memilih kapan harus menghentikan perulangan, bukan kondisi yang jelas — namun pendekatan dasar yang sama juga diterapkan. Segera setelah pemrogram mulai menggunakan AI untuk menyelesaikan tugas, beberapa versi loop rekursif, dengan AI yang mengawasi AI, pasti akan muncul. Tidak seperti komputasi klasik, loop agen bisa sangat sederhana. Salah satu trik paling populer adalah Ralph Loop (dinamai dari Ralph Wiggum), yang pada dasarnya merangkum semua pekerjaan yang telah dilakukan model dan menanyakan apakah tujuannya telah tercapai. Ini adalah cara untuk mengatasi model AI yang hilang karena berjalan terlalu lama — pada dasarnya membuat model tersebut memantul-mantul hingga tugasnya selesai. Cara lain untuk memikirkan loop adalah sebagai bagian dari dorongan umum untuk komputasi waktu pengujian yang lebih banyak. Seperti yang diamati oleh peneliti OpenAI, Noam Brown awal bulan ini, model kontemporer dapat memecahkan hampir semua masalah jika Anda memberikan komputasi yang cukup pada model tersebut. Artinya, salah satu cara untuk memastikan suatu masalah terselesaikan adalah dengan terus melakukan komputasi sampai masalah tersebut selesai. Hal ini terutama berlaku untuk masalah pendakian bukit seperti peningkatan basis kode, di mana model dapat terus melakukan peningkatan bertahap hingga mencapai ambang batas tertentu. Atau, seperti pada contoh Cherny, ia dapat terus melakukan peningkatan bertahap selama masih ada komputasi yang digunakan untuk itu. Jika kedengarannya mahal, memang seharusnya demikian. Seperti AI agen sebelumnya, loop AI membakar token jauh lebih cepat daripada chatbot Tanya Jawab sederhana — dan karena tujuannya adalah untuk menjaga loop tetap berjalan sepanjang waktu, tidak ada batasan berapa banyak yang dapat Anda belanjakan. Itu bagus untuk Anthropic, yang pada akhirnya bergerak dalam bisnis penjualan token, tetapi bagi semua orang, ini mungkin cara yang mahal untuk bekerja. Namun, bergantung pada masalah yang ingin dipecahkan oleh agentic loop, dan pengaturan yang tepat yang memungkinkan pengawasan terhadap pembelanjaan token, drift, dan masalah AI klasik lainnya, manfaat yang didapat bisa sangat besar dibandingkan biayanya. Saat Anda membeli melalui tautan di artikel kami, kami mungkin mendapat komisi kecil. Hal ini tidak mempengaruhi independensi editorial kami.
Diterbitkan : 2026-06-22 20:53:00
sumber : techcrunch.com
