Co-founder Anthropic Jack Clark menyampaikan Per Jacobsson Lecture dalam pertemuan IMF yang digelar di Bangkok, Thailand, pada 17 Oktober 2026. Ia menyerukan para ekonom dan pembuat kebijakan agar bersiap menghadapi perubahan pesat, dengan alasan AI mulai menghasilkan capaian di garda terdepan sains, seperti matematika, fisika, dan penemuan obat. Clark berpandangan bahwa “singularitas sudah dimulai”, serta membahas perlunya investasi agar manfaatnya dapat dibagi bersama dan pentingnya mengambil keputusan untuk menahan diri.
Dari AI penulis menjadi AI yang masuk ke laboratorium
Banyak orang mungkin membayangkan alat untuk membuat teks atau gambar ketika mendengar istilah AI generatif. Namun, dalam kuliah ini Clark membahas sesuatu yang lebih jauh: penelitian sains. Menurutnya, AI mulai memasuki tahap ketika dapat bekerja berdampingan dengan peneliti manusia untuk menjawab pertanyaan yang belum terpecahkan.
Clark mengangkat konsep “singularitas teknologi” yang diramalkan oleh penulis fiksi ilmiah Vernor Vinge pada 1993. Konsep ini merujuk pada keadaan ketika kecerdasan yang melampaui manusia mendorong kemajuan, lalu kemajuan itu sendiri menciptakan entitas yang semakin cerdas dalam waktu yang semakin singkat. Clark mengatakan bahwa pada 2026 telah terkumpul bukti meyakinkan yang menunjukkan awal proses tersebut. Tentu saja, “singularitas telah tiba” merupakan pandangan Clark sendiri, dan ia mengakui masih ada ruang untuk memperdebatkan rinciannya. Namun, fakta bahwa ia membawa istilah ini ke forum Dana Moneter Internasional (IMF) menunjukkan bahwa pembahasan AI kini meluas ke luar industri teknologi.
Akankah AI menjadi “tangan” para peneliti?
Dalam kuliah itu, Clark menyebutkan contoh dari beberapa bidang. Di bidang matematika, AI digunakan untuk mengusulkan solusi bagi masalah yang belum terpecahkan selama bertahun-tahun. Ia juga menyebut contoh ketika AI menghasilkan wawasan penting. Di bidang biologi, AI digunakan untuk merancang virus dan mengidentifikasi kandidat obat baru. Obat yang dirancang dengan keterlibatan besar AI bahkan sudah memasuki uji klinis. Di bidang robotika, AI mulai mengoperasikan peralatan eksperimen dari jarak jauh secara mandiri dan mendorong otomatisasi eksperimen di bidang seperti pengembangan baterai dan sel bahan bakar.
Clark menekankan bahwa semua ini bukanlah teknologi yang terpisah-pisah. Dalam banyak penerapan, model mutakhir yang sama digunakan. Menurutnya, sistem seperti Claude, ChatGPT, dan Gemini kini mampu menangani pekerjaan di garda depan berbagai bidang sains.
Clark juga menyampaikan pandangan bahwa perubahan yang lebih dahulu terjadi dalam pengembangan perangkat lunak akan meluas ke sains dan robotika. Menurutnya, jumlah kode yang ditulis para peneliti Anthropic di dalam perusahaan kini sekitar 10 kali lipat dibandingkan selama empat tahun pertama sejak perusahaan berdiri. Namun, peningkatan kemampuan coding juga memperkuat kemampuan serangan siber, sehingga memicu persaingan antara pihak yang bertahan dan menyerang. Manfaat dan risiko muncul bersamaan dan tak dapat dipisahkan. Clark menyebutnya sebagai “cuplikan awal dari apa yang akan terjadi”.
Kurva tajam yang tampak dari skor dan pengalaman para fisikawan
Untuk menunjukkan peningkatan kemampuan, Clark mengutip hasil dari dua tes. Pada Humanity’s Last Exam, ujian yang berisi soal-soal sulit, skor tertinggi mencapai 8% saat dirilis pada Januari 2025, lalu naik menjadi 67,7% pada pekan kuliah tersebut. Pada FrontierMath, kumpulan soal yang disusun oleh matematikawan, ia mengatakan skor meningkat dari 2% saat dirilis pada November 2024 menjadi 94%. Angka-angka ini disampaikan Clark dalam kuliahnya.
Ada kisah menarik seputar TheoPhysEval, evaluasi baru untuk fisika teoretis. Ketika AI diminta mengerjakan 50 soal yang belum dipublikasikan dan dikumpulkan oleh para fisikawan dari seluruh dunia, AI tidak hanya meraih nilai tinggi, tetapi juga menyatakan bahwa jawaban acuan para ahli keliru. Setelah ditinjau kembali, ditemukan beberapa kesalahan halus dalam perhitungan para ahli. Setiap kali kesalahan diperbaiki, skor AI meningkat, hingga akhirnya mencapai 98% (49 dari 50 soal). Kisah ini disampaikan sebagai komentar Suvrat Raju, salah satu kontributor makalah tersebut.
Clark mengibaratkan momen itu dengan adegan dalam film ketika murid membuktikan kemampuannya kepada sang guru. Inilah saat pihak yang mengajar berbalik menjadi pihak yang belajar. Menurut Clark, kisah ini penting karena sains mutakhir menjadi ajang untuk menguji “kreativitas”. Ia berpendapat bahwa jika AI mampu memecahkan masalah secara kreatif dalam sains, kemampuan itu juga dapat meluas ke banyak bidang, termasuk penelitian AI itu sendiri.
Akankah pertumbuhan berubah di dunia dengan seratus kali lebih banyak peneliti?
Ketika membahas pertumbuhan ekonomi, argumen Clark menjadi semakin berani. Selama setengah abad terakhir, jumlah peneliti di banyak negara meningkat, tetapi produktivitas penelitian justru menurun. Inilah masalah yang kerap disebut sebagai “ide bagus semakin sulit ditemukan”. Situasinya mungkin berubah jika AI dapat digunakan sebagai “peneliti virtual”. Clark mengajukan pertanyaan berdasarkan pengalamannya sendiri: apa yang akan terjadi jika dirinya—yang membutuhkan sekitar 40 tahun untuk berkembang—dapat bekerja secara serentak dalam ratusan atau ribuan salinan?
Melatih seorang peneliti manusia membutuhkan waktu 10 hingga 15 tahun dan biaya jutaan dolar. Sementara itu, AI dapat tersedia seketika dalam jumlah berapa pun, asalkan sumber daya komputasi mencukupi. Clark mengatakan bahwa akibatnya, peran setiap ilmuwan manusia akan menjadi lebih penting, karena mereka akan mengawasi ratusan hingga ribuan pakar virtual.
Dalam simulasi Anthropic sendiri yang ia paparkan, jika diasumsikan bahwa model mampu menjalankan beragam pekerjaan secara mandiri dan menyebar dengan cepat ke perekonomian, PDB AS berpotensi mencapai US$44 triliun pada 2030. Ia sendiri mengakui angka itu “terdengar fantastis”, tetapi menilainya sebagai konsekuensi yang akan terjadi jika teknologi terus berkembang. Ini merupakan estimasi berdasarkan sejumlah asumsi, bukan prediksi pasti.
Penemuan makin banyak, tetapi tanpa kapasitas untuk menampungnya, semua itu tak akan membuahkan hasil
Ia menyebut fasilitas eksperimen dan robot sebagai infrastruktur berikutnya yang perlu dibangun setelah sumber daya komputasi. Selama 10 tahun terakhir, ia mendorong pemerintah di berbagai negara untuk membangun pasokan listrik dan pusat data, tetapi, katanya, tidak banyak pembuat kebijakan yang mendengarkan. Kini, kapasitas pusat data terus bertambah di AS, China, dan Timur Tengah, sementara ketatnya rantai pasok mendorong harga naik.
Tahap berikutnya adalah memperluas jangkauan ke dunia fisik. Menurut perkiraan UNESCO, jumlah ilmuwan di dunia sekitar 10 juta orang. Ia menilai jumlah itu saja sudah kekurangan pengawas penelitian, fasilitas analisis ilmu material, laboratorium biologi untuk menguji obat baru, serta perangkat eksperimen berskala besar di luar angkasa maupun di Bumi. Apa yang akan terjadi ketika jumlah ilmuwan virtual meningkat menjadi 1 miliar, lalu 10 miliar? Pertanyaan yang ia ajukan sangat konkret.
Yang patut diperhatikan di sini adalah peringatannya tentang “kemacetan penemuan”. Jika kandidat obat baru bermunculan seperti air bah, tetapi hanya segelintir yang bisa diuji, manfaatnya akan terbatas. Ia mendesak para pembuat kebijakan agar membangun sistem yang mempercepat alih hasil penelitian dari laboratorium ke uji klinis, pabrik, dan lapangan. Sekalipun AI mempercepat “penciptaan gagasan”, jika validasi dan penerapannya tetap mengikuti kecepatan masyarakat manusia, hambatannya hanya akan bergeser ke tahap berikutnya.
Ia menerapkan gambaran ini pada posisi masing-masing negara. Negara maju dengan basis sains yang kuat dapat meningkatkan produktivitas peneliti. Sementara itu, negara berkembang yang memasok bahan mentah dan komoditas lain berpeluang melakukan lompatan dengan membangun fasilitas pengujian dan mengembangkan komunitas ilmiah, sehingga meningkatkan nilai mereka dalam rantai pasok.
Apa yang kita serahkan kepada AI, dan apa yang perlu kita pahami
Paruh kedua ceramah beralih dari harapan ke pilihan. Fakta bahwa AI mampu melakukan penelitian ilmiah bukan berarti kita boleh menyerahkan semuanya kepadanya. Ia terlebih dahulu mencontohkan penelitian biologi, yang menurutnya memerlukan pengawasan manusia dan transparansi dengan standar paling ketat. Hal serupa berlaku untuk penelitian AI itu sendiri: seberapa jauh pengawasan perlu diterapkan pada penelitian yang dipimpin AI merupakan persoalan yang harus diputuskan lembaga seperti Anthropic. Ia mengatakan bahwa AI dapat mempercepat kemajuan, tetapi juga berisiko membuat kita kehilangan kendali, sehingga pengembangannya harus dilakukan dengan hati-hati. Menurutnya, aturan juga perlu disusun.
Ia juga menceritakan pengalamannya bertemu seorang mahasiswa jurusan fisika di sebuah universitas di Tokyo. Saat AI mulai menangani banyak eksperimen, bagaimana cara membedakan eksperimen yang sebaiknya dilakukan sendiri dari eksperimen yang diserahkan kepada AI? Ia mengaku belum punya jawabannya, tetapi menyebutnya sebagai pertanyaan yang harus dijawab oleh masing-masing bidang.
Pilihan kedua adalah sejauh mana kita perlu memahami hasil kerja AI. Di bidang matematika, hasil yang dibuat AI sudah begitu orisinal sehingga perlu diuraikan oleh manusia. Dalam beberapa tahun lagi, kita bahkan mungkin memasuki tahap ketika AI menciptakan perangkat eksperimen baru yang disesuaikan dengan cara kerjanya sendiri. Apakah manusia perlu memahami perangkat tersebut? Ia mengatakan bahwa ini juga merupakan pilihan yang harus kita tentukan.
Membedakan antara “apa yang bisa dilakukan” dan “apa yang seharusnya dilakukan”
Clark mengenang bahwa saat masih remaja, ia takut pertumbuhan penduduk, perubahan iklim, dan pemborosan sumber daya akan membawa umat manusia menuju kehancuran. Namun, ia kemudian menyaksikan panel surya menjadi lebih murah lebih cepat dari perkiraan, pemahaman tentang tubuh manusia berkembang dan menghasilkan pengobatan untuk penyakit, AI mulai digunakan untuk menguraikan suara hewan, serta roket mendarat dan digunakan kembali. Semua itu membuatnya merasa bahwa teknologi dapat mengubah pandangan tentang masa depan. Menurutnya, itulah salah satu alasan ia berkecimpung di bidang AI.
Di sisi lain, risiko sudah melekat pada AI. Ia menyerukan penyusunan aturan yang serius dan belum pernah ada sebelumnya untuk teknologi ini beserta perusahaan-perusahaan pengembangnya, serta “menahan diri”—salah satu sifat manusia yang paling sulit. Menurutnya, infrastruktur tetap perlu dibangun, tetapi pengembangan teknologi itu sendiri harus diatur kecepatannya dan dilakukan dengan hati-hati.
Sebagai penutup, ia mengutip bagian dari “Pale Blue Dot” karya Carl Sagan. Gagasan kutipan itu adalah bahwa manusia yang kelak mencapai bintang lain akan “sangat mirip dengan kita, tetapi memiliki lebih banyak kelebihan dan lebih sedikit kelemahan”. Pertumbuhan yang menurut Sagan akan memakan waktu ratusan ribu tahun itu, kata Clark, “harus kita capai dalam beberapa tahun”. Tantangannya adalah apakah kita mampu mengembangkan sekaligus kekuatan untuk mempercepat penelitian dan kebijaksanaan untuk berhenti sejenak.
コメント