Pendiri ARC Prize: Investasi Buta pada LLM Bikin Kemajuan AGI Mundur 5–10 Tahun

Pendiri ARC Prize, François Chollet, melontarkan kritik tajam terhadap arah riset kecerdasan artifisial global. Dalam wawancara dengan Dwarkesh Podcast, ia menegaskan bahwa ketergantungan berlebihan pada model bahasa besar (LLM) telah memperlambat perjalanan menuju artificial general intelligence (AGI) hingga 5–10 tahun. Pernyataan ini menjadi pukulan bagi narasi industri yang selama ini mengklaim LLM sebagai fondasi utama menuju kecerdasan setara manusia.

Chollet, yang juga dikenal sebagai pencipta tolok ukur ARC-AGI, menilai LLM berbasis jaringan saraf memang masih bisa ditingkatkan—lebih otonom, lebih kuat, dan lebih berguna bagi bisnis. Namun, peningkatan performa itu tidak lantas membawa kita lebih dekat ke AGI. Menurutnya, definisi AGI sendiri sering kabur: kemampuan bernalar seperti manusia dan mempelajari hal baru di luar data pelatihan. Sayangnya, sebagian besar pengembang dan laboratorium frontier justru mengukur kemajuan dengan metrik yang salah.

Dampak dari salah arah ini bukan sekadar akademis. Chollet menyoroti bagaimana aliran pendanaan yang deras ke LLM telah mengeringkan sumber daya untuk pendekatan atau arsitektur alternatif. "Dengan mencurahkan dana ke LLM dan mengabaikan jalur lain, kita mengabaikan jalan menuju AGI sejati," ujarnya. Ia memperkirakan, kemajuan yang seharusnya bisa dicapai dalam beberapa tahun ke depan malah tertunda hingga satu dekade.

Kritik Chollet juga menyentuh sisi komersial. Ia menyoroti gelombang pengungkapan insiden keamanan siber oleh OpenAI dan Anthropic menjelang IPO mereka yang belum jelas kapan. Menurutnya, narasi yang menakut-nakuti tentang ancaman AI terhadap manusia sering kali hanya alat pemasaran untuk membesar-besarkan kemampuan teknologi yang ada. Publik pun dibuat bingung antara inovasi nyata dan gimmick korporat.

"LLM adalah jalan buntu untuk mencapai AGI. Kita perlu berinvestasi pada arsitektur yang benar-benar bisa bernalar dan belajar di luar data pelatihan," tegas Chollet.

Bagi Indonesia, perdebatan ini bukan sekadar wacana akademis. Pemerintah dan pelaku industri dalam negeri tengah gencar membangun ekosistem AI, dari pusat data hingga talenta digital. Jika arah global didominasi LLM yang dianggap buntu, ada risiko Indonesia ikut mengejar teknologi yang salah dan mengabaikan pendekatan yang lebih relevan dengan kebutuhan lokal—seperti AI untuk pertanian, kesehatan, atau birokrasi. Investasi pada riset dasar dan arsitektur alternatif bisa jadi lebih strategis ketimbang sekadar mengadopsi model bahasa besar yang mahal dan boros energi.

Chollet tidak menutup mata pada kemajuan LLM di tolok ukur ARC-AGI. Namun, ia menegaskan bahwa tidak ada satu pun yang mendekati skor yang diharapkan. Ini menjadi sinyal bahwa kita masih jauh dari AGI sejati. Pertanyaannya, apakah industri akan mendengarkan atau tetap menggelontorkan miliaran dolar ke jalur yang sama? Jika tidak ada perubahan haluan, prediksi Chollet tentang kemunduran satu dekade bisa menjadi kenyataan pahit.