Kecerdasan buatan · Artikel
Demis Hassabis Sekarang Mengatakan AGI Bisa Tiba Dalam Dua hingga Tiga Tahun
Terbit:

Singkatnya
Demis Hassabis dari Google DeepMind mengatakan kepada WSJ Magazine bahwa dia sekarang mengharapkan kecerdasan umum buatan (AGI) dalam dua hingga tiga tahun, menurun dari jendela tiga hingga lima tahun yang dia kutip lebih awal di 2026. Dia mendefinisikan AGI melalui "tes Einstein" dan mengatakan perkiraannya terus bergeser lebih dekat ke waktu sekarang.
Versi ini adalah terjemahan mesin dari naskah asli (English). Baca naskah asli
Demis Hassabis, pendiri bersama dan kepala eksekutif Google DeepMind, mengatakan kepada The Wall Street Journal Magazine bahwa dia sekarang mengharapkan kecerdasan umum buatan (AGI) tiba dalam dua hingga tiga tahun. Wawancara tersebut diterbitkan pada 21 Oktober 2026, sebagai bagian dari paket penghargaan "Innovator in Tech" majalah, di mana Hassabis dinamai penerima kehormatan 2026 dalam teknologi.
Ketika ditanya tentang garis waktu, Hassabis mengatakan itu akan datang segera dan bahwa perkiraannya terus bergeser lebih dekat ke waktu sekarang, menurut profil. Jendela baru menandai pengetatan dari kisaran tiga hingga lima tahun yang telah dia kutip secara terbuka lebih awal di 2026.
Apa yang Hassabis maksud dengan AGI
Hassabis mendefinisikan AGI sebagai kognisi tingkat manusia dan telah menggambarkan tolok ukur khusus yang disebut "tes Einstein." Dalam tes ini, sistem akan memenuhi syarat sebagai AGI jika, dilatih hanya pada pengetahuan manusia yang tersedia hingga 1901, ia dapat secara independen menghasilkan jenis terobosan yang dibuat Albert Einstein dalam makalah "annus mirabilis" 1905-nya — mencakup efek fotolistrik, gerak Brown, relativitas khusus, dan kesetaraan massa-energi.
Dalam profil WSJ Magazine, Hassabis juga menggambarkan misinya yang lebih luas dalam dua langkah: pertama memecahkan kecerdasan itu sendiri, kemudian menggunakan kecerdasan itu untuk mengatasi masalah ilmiah besar lainnya. Dia menunjuk ke penelitian fisika dan pengobatan kanker sebagai aplikasi awal yang dia harapkan untuk mengejar setelah sistem AI yang lebih canggih tersedia.
Garis waktu yang bergerak selama 2026
Pernyataan publik Hassabis tentang kedatangan AGI bergeser selama 2026. Pada konferensi pengembang I/O Google pada 20 Mei 2026, dia mengatakan AI telah mencapai apa yang dia sebut "kaki lereng singularitas," memperjelas bahwa dia berarti era saat ini daripada momen tunggal transformasi. Pada acara itu dia juga mengatakan agen dan alat pengkodean telah mulai bekerja secara efektif sepanjang tahun, menggambarkannya sebagai tahap awal penggunaan AI praktis.
| Kapan | Pernyataan garis waktu / framing yang dinyatakan | Konteks |
|---|---|---|
| Awal 2026 | Tiga hingga lima tahun | Estimasi publik yang dikutip sebelum wawancara WSJ Magazine |
| 20 Mei 2026 | "Kaki lereng singularitas" | Keterangan penutup Google I/O |
| 21 Oktober 2026 | Dua hingga tiga tahun | Profil "Innovator in Tech" WSJ Magazine |
Isomorphic Labs dan perdebatan regulasi
Profil WSJ Magazine juga menyentuh Isomorphic Labs, perusahaan penemuan obat yang didirikan oleh Hassabis yang menerapkan model AI gaya AlphaFold untuk penemuan obat. Perusahaan dilaporkan sedang dalam diskusi untuk mengumpulkan lebih dari $2 miliar dalam pendanaan dengan valuasi sekitar $40 miliar hingga $50 miliar.
Dalam hal pengawasan AI, profil menggambarkan Hassabis berpendapat menentang regulasi prematur teknologi, posisi yang konsisten dengan dorongannya selama 2026 bagi pengembangan industri untuk terus berlanjut sementara kerangka kerja tata kelola dikerjakan bersama dengannya.
Mengapa pandangan Hassabis memiliki bobot
Hassabis memimpin penelitian AI Google DeepMind. Pada Oktober 2024, dia dan rekan DeepMind John Jumper berbagi setengah dari Hadiah Nobel Kimia untuk AlphaFold, model AI yang memprediksi struktur protein tiga dimensi dari urutan genetik; setengah lainnya dari hadiah itu pergi ke David Baker. Komite Nobel pada saat itu menggambarkan pencapaian tersebut sebagai memenuhi tujuan yang telah lama dikejar dalam ilmu protein.
Saya memperbarui lebih dekat dan lebih dekat.
Karena AGI tidak memiliki definisi ilmiah tunggal yang disepakati, garis waktu Hassabis mencerminkan tolok ukur miliknya sendiri — tes Einstein — daripada standar seluruh industri. Pemimpin AI lain telah menawarkan definisi dan garis waktu yang berbeda, yang sumber yang ditinjau untuk artikel ini tidak merinci dalam istilah yang sebanding.
Pertanyaan
- Apa yang Demis Hassabis katakan tentang kedatangan AGI?
- Dia mengatakan kepada WSJ Magazine, diterbitkan 21 Oktober 2026, bahwa dia mengharapkan kecerdasan umum buatan dalam dua hingga tiga tahun, mengatakan perkiraannya terus bergeser lebih dekat ke waktu sekarang.
- Bagaimana Hassabis mendefinisikan AGI?
- Dia menggunakan "tes Einstein": apakah sistem yang dilatih hanya pada pengetahuan yang tersedia sebelum 1901 dapat secara independen menghasilkan terobosan 1905 Einstein, termasuk relativitas khusus dan efek fotolistrik.
- Apakah garis waktu AGI Hassabis berubah selama 2026?
- Ya. Lebih awal di 2026 dia mengutip jendela tiga hingga lima tahun; pada Mei 2026 dia mengatakan AI berada di "kaki lereng singularitas"; pada Oktober 2026 dia mempersempit estimasi menjadi dua hingga tiga tahun.
- Apa itu Isomorphic Labs dan mengapa itu disebutkan?
- Isomorphic Labs adalah perusahaan penemuan obat yang didirikan oleh Hassabis yang menerapkan AI gaya AlphaFold untuk penemuan obat; profil WSJ Magazine melaporkan itu mencari lebih dari $2 miliar pendanaan pada valuasi $40–50 miliar.
- Apa yang Hassabis dikenal selain prediksi ini?
- Dia memimpin penelitian AI Google DeepMind dan pada 2024 berbagi Hadiah Nobel Kimia dengan John Jumper untuk AlphaFold, sistem AI yang memprediksi struktur protein.
Sumber
- t2online — Demis Hassabis expects AGI within two to three years
- AIWeekly — Hassabis trims AGI window to two-to-three years in WSJ profile
- Semafor — Google exec Demis Hassabis predicts we're 'at the foothills of the singularity'
- TechCrunch — DeepMind's Demis Hassabis and John Jumper scoop Nobel Prize in Chemistry for AlphaFold
Tulisan ini disiapkan dengan kecerdasan buatan dan lolos pemeriksaan sumber otomatis sebelum terbit. Jika Anda melihat kesalahan, ajukan koreksi. Ajukan koreksi atau hak jawab · Cara kami bekerja
Terkait

Kecerdasan buatanArtikel
Bagaimana Chatbot AI seperti ChatGPT dan Claude Benar-Benar Bekerja - Penjelasan
Chatbot AI dibangun di atas model bahasa besar (LLM), jaringan saraf yang dilatih untuk memprediksi 'token' berikutnya dalam urutan teks. Mereka mengubah kata-kata menjadi angka, menggunakan mekanisme perhatian untuk menimbang bagaimana kata-kata berhubungan satu sama lain, dan kemudian disempurnakan dengan umpan balik manusia untuk berperilaku seperti asisten yang membantu daripada prediktor teks mentah.
Kecerdasan buatanArtikel
Bagaimana Algoritma Rekomendasi AI Menentukan Apa yang Anda Lihat dan Beli Online
Sistem rekomendasi AI mempersonalisasi feed dan saran produk dengan menganalisis apa yang diklik, ditonton, dinilai, dan dibeli pengguna, kemudian mencocokkan perilaku tersebut dengan pola dari pengguna serupa. Platform seperti Netflix, YouTube, dan Amazon mengatakan mereka menggunakan sinyal keterlibatan dan kontekstual — dalam beberapa kasus, bukan data demografis — sementara regulator di AS dan UE telah mengangkat kekhawatiran tentang transparansi dan pengumpulan data di balik sistem ini.
Kecerdasan buatanArtikel
Mengapa Model Bahasa AI Mengalami Halusinasi: Penelitian di Balik Jawaban Salah
"Halusinasi" AI terjadi karena model bahasa dilatih untuk memprediksi kata plausibel berikutnya, bukan untuk memverifikasi kebenaran, dan karena tes yang digunakan untuk menilai mereka memberi penghargaan pada tebakan percaya diri daripada mengakui ketidakpastian. Peneliti OpenAI berpendapat bahwa masalahnya sebagian adalah konsekuensi matematis dari bagaimana model dilatih dan sebagian merupakan hasil dari bagaimana industri AI memperskor mereka.
Kecerdasan buatanPanduan
Cara Mengenali Deepfake dan Gambar yang Dihasilkan AI: Panduan Langkah demi Langkah
Mengidentifikasi deepfake atau gambar yang dihasilkan AI secara andal memerlukan menggabungkan pemeriksaan visual, alat provenance seperti Content Credentials atau SynthID, dan pencarian gambar terbalik — tidak ada metode tunggal yang menangkap setiap pemalsuan. Para peneliti deteksi memperingatkan bahwa alat otomatis dapat ditipu oleh pengeditan sederhana seperti pemotongan atau kompresi, jadi verifikasi konteks tetap penting.