Kata Kunci：AGI, Model AI Besar, Agen Cerdas, Model Dunia, Memori Permanen Claude, Paradoks Penelitian AI
🔥 Fokus
Pemenang Nobel Hassabis Memprediksi AGI Akan Tiba dalam Lima Tahun: Kuncinya Terletak pada World Model dan Terobosan Agent : Pemimpin Google DeepMind, Demis Hassabis, memberikan jadwal akhir untuk AGI, meyakini bahwa manusia hanya terpaut 1-2 terobosan teknis kunci dari AGI, yang diharapkan dapat tercapai dalam 5 tahun. Ia menunjukkan bahwa meskipun model besar saat ini kuat, mereka termasuk dalam “kecerdasan yang tidak merata”, kurang memiliki pemahaman nyata tentang hukum dunia fisik dan kemampuan perencanaan jangka panjang. Di masa depan, perlu melengkapi “World Model” untuk memahami hukum fisika dan berevolusi menjadi “Sistem Agent” dengan kemampuan “koreksi kognitif”. Dampak dari perubahan ini akan 10 kali lipat lebih besar dari Revolusi Industri, di mana AI akan menjadi alat utama untuk penemuan ilmiah, membuka era emas di bidang pengembangan obat-obatan, energi bersih, dan lainnya. (Sumber: 新智元)
Upgrade Mengejutkan Claude “Permanent Memory”: Knowledge Bases dan Mode Cowork Membentuk Kembali AI Office : Anthropic dilaporkan sedang menyuntikkan fitur “Permanent Memory” ke dalam Claude Cowork melalui “Knowledge Bases” untuk mencapai penyimpanan pengetahuan yang persisten. AI tidak lagi memiliki “ingatan ikan mas”, melainkan dapat secara otomatis mencatat preferensi pengguna, proses pengambilan keputusan, dan ringkasan pengalaman, sehingga semakin sering digunakan semakin memahami pengguna. Selain itu, Cowork akan menjadi pintu masuk utama Claude, mengintegrasikan sidebar Artefacts dan konektor otomatisasi MCP yang lebih kuat. Upgrade ini menandai evolusi asisten AI dari sekadar alat percakapan menjadi “AI Colleague” yang mampu berkolaborasi jangka panjang dan menjalankan tugas kompleks, mengubah paradigma AI Office secara total. (Sumber: 新智元)
ICML 2026 Memperkenalkan Mekanisme “Author Self-Rating”: Menggunakan Game Theory untuk Melawan Krisis Academic Review : Menghadapi lonjakan pengiriman makalah di konferensi puncak seperti NeurIPS yang menyebabkan sistem review kewalahan, ICML 2026 meluncurkan kebijakan “Author Self-Rating” yang revolusioner. Mekanisme ini didasarkan pada “Isotonic Regression” dalam Game Theory, yang mengharuskan penulis yang mengirimkan beberapa makalah untuk mengurutkan karya mereka sendiri. Eksperimen membuktikan bahwa urutan makalah oleh penulis sendiri lebih akurat dalam memprediksi dampak jangka panjang makalah daripada reviewer acak. Langkah ini bertujuan untuk mengubah “ambisi menang” penulis menjadi sinyal kalibrasi, namun juga memicu kekhawatiran keadilan mengenai “pemain besar akademik” yang memanfaatkan arbitrase algoritma, sementara “pemain kecil” terabaikan dalam kebisingan. (Sumber: 新智元)
Makalah Nature dari Tsinghua Mengungkap Paradoks Penelitian AI: Produktivitas Melonjak Namun Batas Sains “Terkunci” : Tim Profesor Xu Fengli dan Li Yong dari Tsinghua University menerbitkan penelitian di Nature, menganalisis 41 juta makalah selama 45 tahun dan menemukan bahwa AI secara signifikan meningkatkan output individu ilmuwan (jumlah makalah naik 3 kali lipat, sitasi naik 4,8 kali lipat), namun menyebabkan luas pengetahuan kolektif turun 4,63%. Panduan AI membuat peneliti secara kolektif berbondong-bondong ke bidang populer yang “kaya data dan masalahnya jelas”, menyebabkan inovasi yang seragam dan pengurangan kolaborasi lintas bidang. Tim tersebut mengusulkan “Sistem Agent Penelitian Ilmiah Full-Process”, mencoba mendorong AI berevolusi dari alat bantu menjadi “AI Scientist” yang mampu secara aktif mengajukan hipotesis dan memperluas wilayah yang tidak diketahui. (Sumber: 新智元)
Google Research Menemukan Trik Prompt: Mengulang Pertanyaan Dapat Meningkatkan Akurasi dari 21% menjadi 97% : Riset Google menemukan bahwa dalam tugas non-penalaran, hanya dengan mengulang pertanyaan input (copy-paste), performa model besar dapat meningkat secara signifikan dengan hampir tanpa tambahan latensi. Trik “repeater” ini meningkatkan akurasi dari 21,33% menjadi 97,33% dalam pengujian NameIndex pada Gemini 2.0 Flash-Lite. Logika ilmiahnya terletak pada pemanfaatan “Causal Blind Spot” dari arsitektur Transformer, memberikan model pandangan “seperti perhatian dua arah” melalui input yang berulang. Temuan ini berarti pengembang dapat menggunakan model kecil yang lebih murah untuk mencapai kemampuan pengambilan dan ekstraksi dari model kelas atas. (Sumber: 新智元)
🎯 Tren
GLM-4.7-Flash Resmi Dirilis: Zhipu AI Meluncurkan Model Ringan Serbaguna Kelas 30B : Zhipu AI (Z.ai) resmi merilis GLM-4.7-Flash, yang diposisikan sebagai asisten coding lokal dan Agent. Model ini menggunakan total parameter 30B dengan parameter aktif sekitar 4B, serta memperkenalkan arsitektur MLA untuk menyeimbangkan performa tinggi dan efisiensi. Dalam uji benchmark, performanya setara atau bahkan lebih baik dari GLM-4.5-Air, terutama dalam pemanggilan alat dan penulisan kreatif. Sebagai pilihan ringan di kelas 30B, model ini sangat cocok untuk deployment lokal dengan VRAM 2x24GB, memberikan basis pengembangan Agent yang cost-effective bagi pengembang. (Sumber: scaling01; Reddit)
DeepSeek Meluncurkan Engram Primitive: Membuka Era Baru Conditional Memory yang Sadar Konteks : DeepSeek merilis conditional memory primitive bernama “Engram”, yang meningkatkan tabel pencarian N-gram statis menjadi memori dinamis yang sadar konteks. Teknologi ini mendukung pengambilan memori skala sangat besar dengan kompleksitas O(1), dan hanya mengaktifkan bagian yang relevan dengan hidden state saat ini. Engram memungkinkan penyimpanan memori di CPU RAM alih-alih GPU HBM yang mahal, sehingga mengurangi biaya secara signifikan. Terobosan ini membuktikan bahwa “Memory Scaling” dapat menggantikan sebagian “Parameter Scaling”, memberikan dukungan tingkat sistem baru untuk konteks jangka panjang dan pembelajaran berkelanjutan. (Sumber: ZhihuFrontier)
Huawei Merilis Lima Sistem Inference Flagship 2025: Menembus HBM Capacity Wall dan Resource Island : Peneliti Huawei Zuo Pengfei mengulas lima terobosan sistem inference tahun 2025: SparseServe menggunakan DRAM offloading untuk cold KV cache guna menembus memory wall; Adrenaline mencapai aliran dinamis antara node Decode dan Prefill melalui resource pooling; arsitektur TaiChi menyeimbangkan TTFT dan TPOT secara adaptif; DualMap mempertimbangkan cache affinity dan load balancing; sementara MemArt menyimpan memori Agent sebagai blok KV yang dapat digunakan kembali. Desain ulang sistem full-stack ini menandai pergeseran inference dari optimasi kernel tunggal ke penjadwalan sadar SLO yang kompleks, meletakkan dasar bagi aliran multimodal skala besar dan Agent jangka panjang. (Sumber: ZhihuFrontier)
Baichuan Intelligence Merilis Baichuan-M3: Bertaruh Penuh pada Jalur AI Medis Serius : Baichuan Intelligence merilis model medis generasi baru Baichuan-M3, mengklaim telah melampaui GPT-5.2 secara komprehensif di bidang medis untuk pertama kalinya. Model ini membangun arsitektur Fact-Aware RL, menurunkan tingkat halusinasi hingga 3,5% tanpa bergantung pada pencarian eksternal. Baichuan-M3 memiliki kemampuan konsultasi aktif SCAN, yang dapat mensimulasikan dokter dalam menanyakan riwayat penyakit. Wang Xiaochuan menyatakan perusahaan telah beralih sepenuhnya ke medis, dengan mempekerjakan tim dokter profesional untuk anotasi data skala besar, berkomitmen untuk menyelesaikan masalah kurangnya sumber daya medis akar rumput di dalam negeri, dan berencana memulai IPO pada tahun 2027. (Sumber: 36氪)
Taruhan Hardware OpenAI: Pena AI Tanpa Layar Mencoba Menghindari Graphical Interface : Rumor menyebutkan OpenAI akan segera meluncurkan produk hardware pertamanya dengan kode nama “Gumdrop” — sebuah pena AI minimalis. Perangkat ini dirancang oleh tim Jony Ive, tanpa layar dan kamera, dengan berat hanya 10-15 gram, menekankan konsep “siap saat dipanggil, tersembunyi setelah digunakan”. Fokusnya bukan pada menulis, melainkan melalui input suara dan tulisan tangan sebagai saluran penangkapan niat. Desain ini mencerminkan upaya OpenAI untuk melewati graphical interface tradisional, membiarkan AI menyatu dengan dunia fisik untuk pencatatan dan interaksi dengan cara yang paling alami, menandai perubahan paradigma interaksi manusia-komputer dari berbasis instruksi menjadi berbasis niat. (Sumber: 36氪)
🧰 Alat
Library Open Source Claude Skills Populer: 48 Paket Skill Pakar Kelas Produksi Membantu Pengembangan Agent : Pengembang alirezarezvani merilis library claude-skills secara open source, berisi 48 paket skill kelas produksi yang mencakup bidang pemasaran, teknik, produk, hukum, dan lainnya. Paket skill ini mengintegrasikan alat analisis Python, kerangka kerja best practice, dan template, mendukung lebih dari 9 jenis AI Agent seperti Claude Code, Cursor, VS Code, dll. Pengguna dapat menginstal dengan cepat melalui perintah /plugin, seperti “Marketing Requirement Gathering”, “System Architecture Design”, dll., yang secara signifikan meningkatkan kemampuan praktis Agent di bidang non-pemrograman, mencapai lompatan dari “aplikasi alat” menjadi “kolaborasi tingkat pakar”. (Sumber: GitHub; dotey)
Ollama Kompatibel dengan Anthropic API: Model Lokal Dapat Langsung Menjalankan Claude Code : Ollama sekarang secara resmi kompatibel dengan Claude Code API dari Anthropic, yang berarti pengguna dapat menggunakan model lokal yang di-host oleh Ollama (seperti Llama 3, Qwen, dll.) di dalam Claude Code, sebuah terminal Agent yang kuat. Saat ini fitur tersebut terutama mendukung model dengan konteks di atas 64K. Pembaruan ini mematahkan batasan bahwa Claude Code harus bergantung pada API tertutup, memberikan lingkungan Vibe Coding lokal dengan biaya lebih rendah dan privasi lebih tinggi bagi pengembang, serta memperluas batas aplikasi model besar lokal. (Sumber: op7418)
Update Besar Coze 2.0: Menghubungkan Seluruh Proses Pembuatan, Distribusi, dan Monetisasi Skills : Coze dari ByteDance merilis versi 2.0, dengan upgrade inti pada integrasi loop tertutup Skills secara komprehensif. Pengguna sekarang dapat membuat Skills menggunakan bahasa alami dalam lingkungan pemrograman Coze, serta melakukan distribusi dan monetisasi secara langsung. Pembaruan ini sangat menurunkan ambang batas bagi non-teknisi untuk mengembangkan plugin AI dan alur kerja otomatisasi. Dikombinasikan dengan kemampuan orkestrasi bahasa alami, Coze mencoba membangun ekosistem skill AI yang mirip dengan App Store, membiarkan setiap tugas otomatisasi yang kompleks dapat dicapai melalui pemanggilan Skill yang sederhana. (Sumber: op7418)
Manus AI Meluncurkan Fitur Publikasi App: Mengunggah ke Google/Apple Store Tanpa Konfigurasi Environment : Manus AI memperbarui alur kerja publikasi App, mendukung pengguna untuk langsung memaketkan dan mempublikasikan App yang dikembangkan ke Google Play (internal testing) dan Apple App Store (TestFlight). Seluruh proses tidak mengharuskan pengguna menginstal Xcode, Android Studio, atau menangani konfigurasi build yang kompleks; Manus akan menangani sertifikat dan pengunggahan secara otomatis. Fitur ini sangat memperpendek jarak dari prototipe AI ke pengujian perangkat seluler nyata, memungkinkan non-pengembang untuk dengan mudah merasakan rantai lengkap dari “Prompt” hingga “App yang dipublikasikan”. (Sumber: hidecloud)
Proyek Open Source Eigent: Alternatif Open Source untuk Anthropic Cowork : Menanggapi rilis Claude Cowork oleh Anthropic, tim startup Eigent memilih untuk menjadikan produk mereka open source. Eigent bertujuan untuk memberikan pengalaman kolaborasi tugas non-teknis yang mirip dengan Cowork, memungkinkan pengguna mengelola alur kerja, file, dan tugas otomatisasi melalui AI. Sifat open source dari proyek ini memberikan referensi bagi tim yang ingin mengimplementasikan fungsi serupa Cowork di lingkungan privat atau platform kustom, mencerminkan persaingan sengit di bidang alat AI di mana “inovasi closed-source memimpin, dan open-source mengikuti dengan cepat”. (Sumber: ClementDelangue)
📚 Belajar
Stanford AI Lab Meluncurkan “AI Bites”: Pembelajaran Audio Terfragmentasi untuk Kursus Inti AI : Stanford AI Lab (SAIL) meluncurkan seri podcast bernama “AI Bites”, yang bertujuan untuk menjembatani kesenjangan antara materi akademik yang mendalam dan pembelajaran terfragmentasi. Saat ini telah tersedia konten kursus inti seperti CS124 (NLP/LLM) dan CS221 (Prinsip Kecerdasan Buatan). Dengan mengubah kuliah akademik yang padat menjadi audio yang mudah dicerna, proyek ini memberikan saluran yang nyaman bagi praktisi dan mahasiswa untuk mempelajari teori AI tingkat atas secara sistematis selama perjalanan atau waktu luang. (Sumber: stanfordnlp)
Berbagi Buku Teks Gratis: Aljabar Linear dalam Computer Vision, Robotika, dan Machine Learning : Komunitas membagikan buku teks komprehensif gratis yang mencakup teori matematika inti dari ruang vektor dasar, matriks, norma hingga eigenvalue, SVD, dan lainnya. Buku ini berfokus pada aplikasi praktis alat matematika tersebut di bidang PCA, teori graf, analisis bentuk gelombang, dan rotasi 3D, menjadikannya sumber daya yang sangat baik bagi praktisi di bidang Computer Vision dan robotika untuk memperkuat dasar matematika mereka. (Sumber: TheTuringPost)
Benchmark MIMIC Dirilis: Analisis Mendalam tentang Kelemahan Pemahaman Multi-Gambar pada Large Multimodal Model : Peneliti memperkenalkan benchmark MIMIC (Multi-Image Model Insights and Challenges), yang khusus mengevaluasi kemampuan LVLM dalam pemahaman dan penalaran multi-gambar. Penelitian menemukan bahwa model yang ada memiliki kelemahan umum dalam agregasi informasi lintas gambar dan pelacakan multi-konsep secara simultan. Tim mengusulkan strategi pembuatan data terprogram dan skema attention mask untuk input multi-gambar, yang secara signifikan meningkatkan performa model dalam tugas multi-gambar yang kompleks. (Sumber: HuggingFace)
Hugging Face Merilis Smol Training Playbook: Berbagi Pengalaman Pelatihan Model Kecil Kelas Dunia : Tim Hugging Face membagikan rekaman presentasi “Smol Training Playbook”, yang merinci cara melatih model dengan jumlah parameter kecil kelas dunia. Kontennya mencakup penyaringan data, optimasi strategi pelatihan, dan trik praktis untuk memeras performa model di bawah keterbatasan daya komputasi. Ini memiliki nilai referensi yang sangat tinggi bagi pengembang yang ingin men-deploy model AI yang efisien di perangkat edge atau bidang vertikal tertentu. (Sumber: _lewtun)
💼 Bisnis
Anthropic Menyumbang $1,5 Juta kepada Python Software Foundation : Anthropic mengumumkan sumbangan sebesar $1,5 juta kepada Python Software Foundation (PSF), yang bertujuan untuk mendukung pengembangan berkelanjutan ekosistem Python. Karena sebagian besar R&D AI dan toolchain saat ini (seperti Claude Code) sangat bergantung pada Python, langkah ini dipandang sebagai investasi jangka panjang raksasa AI dalam komunitas open source yang mendasarinya. Komunitas secara luas menganggap ini mencerminkan rasa hormat perusahaan terhadap fondasi teknologi, bukan sekadar tindakan PR. (Sumber: Reddit)
Startup AI Pertahanan Kanada Dominion Dynamics Mendapatkan Pendanaan $21 Juta : Dominion Dynamics, perusahaan Kanada yang berfokus pada jaringan sensor Arktik dan kemampuan pertahanan, menyelesaikan pendanaan putaran benih (seed round) sebesar $21 juta. Perusahaan ini berkomitmen menggunakan teknologi AI untuk meningkatkan pertahanan wilayah dan kemampuan pemantauan. Pemimpin industri seperti Aidan Gomez memberikan selamat, menganggap ini sebagai langkah penting bagi Kanada di bidang teknologi kedaulatan kritis, terutama di tengah situasi geopolitik Arktik yang semakin kompleks. (Sumber: aidangomez)
Synthesia Masuk dalam Sunday Times 100, Mempertahankan Posisi sebagai Unicorn dengan Pertumbuhan Tercepat di Inggris : Platform pembuatan video AI Synthesia masuk dalam daftar 100 perusahaan teratas Sunday Times dan mempertahankan posisinya sebagai unicorn dengan pertumbuhan tercepat di Inggris. Produk intinya telah merevolusi proses produksi video perusahaan melalui teknologi avatar digital. Perusahaan memberikan teaser bahwa akan ada berita besar dalam waktu dekat, mengisyaratkan terobosan lebih lanjut dalam pembuatan multimodal atau aplikasi tingkat perusahaan. (Sumber: synthesiaIO)
🌟 Komunitas
Tren ChatGPT “Bagaimana Kamu Akan Memperlakukan Saya Jika Mengambil Alih Dunia” Memicu Diskusi Hangat : Tren menanyakan ChatGPT “berdasarkan performa saya baru-baru ini, buatkan gambar tentang bagaimana kamu akan memperlakukan saya setelah mengambil alih dunia” sedang marak di media sosial. Pengguna membagikan berbagai gambar buatan AI yang dramatis, ada yang menunjukkan pengguna diperlakukan sebagai tamu kehormatan, ada juga yang dikurung dalam “ruang pernapasan kognitif”. Fenomena ini mencerminkan mentalitas kompleks publik terhadap antropomorfisme AI dan hubungan manusia-komputer di masa depan, sekaligus menunjukkan kemampuan DALL-E 3 dalam memahami konteks percakapan jangka panjang dan mengubahnya menjadi narasi visual. (Sumber: Yuchenj_UW; Reddit)
Perdebatan Vibe Coding: Revolusi Produktivitas atau “Code Slop”? : Komunitas terlibat dalam perdebatan sengit tentang “Vibe Coding”. Pendukung seperti levelsio berpendapat bahwa melalui alat seperti Claude Code yang menjalankan beberapa Agent secara paralel, pengembangan dapat dilakukan dengan sangat cepat dan mencapai pendapatan jutaan dolar; penentang seperti swyx mengkritik ini sebagai “kesombongan teknis”, menganggap tindakan menumpuk AI tanpa melihat kode menghasilkan “Slop” yang sulit dipelihara. Inti dari perdebatan ini adalah: di era AI, haruskah pengembang fokus pada penyelesaian masalah dan nilai pelanggan, atau terjebak dalam ilusi efisiensi yang dibawa oleh alat. (Sumber: swyx; seo_leaders)
Ujung dari AI adalah Teknisi Listrik: Data Center Memicu Kelangkaan Tenaga Kerja Blue-Collar di AS : Seiring meningkatnya perang AI Scaling, perebutan energi menjadi inti masalah. Biro Statistik Tenaga Kerja AS memprediksi kekurangan teknisi listrik yang besar dalam sepuluh tahun ke depan, dengan pertumbuhan permintaan tahunan jauh di atas rata-rata. Raksasa teknologi seperti Amazon dan Google mengalami lonjakan perekrutan di bidang energi, bahkan mulai saling membajak eksekutif energi nuklir. Elon Musk secara blak-blakan menyatakan “mata uang masa depan adalah Watt”, pasokan listrik akan lebih krusial daripada GPU. Tren ini tidak hanya mendongkrak posisi blue-collar seperti teknisi listrik dan tukang ledeng, tetapi juga membuat saran karier “jadilah tukang ledeng” berubah dari lelucon menjadi saran yang sangat visioner. (Sumber: 36氪)
Diskusi Disinformasi AI yang Dipicu oleh Sengketa Wilayah Greenland : Diskusi baru-baru ini tentang upaya AS untuk membeli atau mengendalikan Greenland telah memicu banyak kontroversi politik di media sosial. Ini melibatkan surat palsu dan ancaman diplomatik, yang sebagian isinya dicurigai sebagai disinformasi atau propaganda politik yang dibantu oleh AI. Diskusi komunitas menunjukkan bahwa potensi AI dalam memperbesar polarisasi politik dan menciptakan kekacauan diplomatik sangat mengkhawatirkan, sekaligus memicu perdebatan sengit tentang stabilitas pemerintah saat ini. Peristiwa ini menyoroti bahwa di era AI, membedakan kebenaran informasi dan mencegah perang kognitif yang didorong oleh algoritma telah menjadi tantangan global. (Sumber: teortaxesTex; halvarflake)
Feedback Praktis Developer terhadap AI Hallucination dan “Causal Blind Spot” : Menanggapi riset Google tentang “pengulangan prompt”, banyak pengembang melakukan pengujian. Beberapa pengguna menemukan bahwa saat menangani pengambilan dokumen panjang, mengulang instruksi memang dapat secara signifikan mengurangi tingkat kegagalan deteksi. Namun, ada juga yang menunjukkan bahwa untuk tugas penalaran yang membutuhkan logika ketat, pengulangan berlebihan justru dapat menyebabkan model menjadi “repeater” atau mengalami patah logika. Diskusi menyimpulkan bahwa arsitektur Transformer saat ini memiliki kelemahan alami “pembacaan satu arah”, dan sebelum solusi tingkat arsitektur muncul, “trik hacker” dalam Prompt Engineering ini adalah kunci untuk meningkatkan produktivitas model kecil. (Sumber: Reddit; Gemini)
💡 Lainnya
TaskExplorer: Alat Manajemen Tugas Windows yang Kuat : Proyek populer di GitHub, TaskExplorer, adalah alat pemantauan sistem yang mendalam, tidak hanya memantau aplikasi yang berjalan tetapi juga memberikan wawasan mendalam tentang perilakunya. Alat ini menyediakan pelacakan thread stack real-time, pengeditan memori, tampilan handle, dan pemantauan koneksi Socket. Dibandingkan dengan Task Manager bawaan sistem, alat ini dapat menampilkan data I/O dan kurva performa GPU yang lebih rinci. Alat ini dikembangkan berbasis Qt dan berencana untuk di-porting ke Linux di masa depan, diharapkan menjadi standar manajemen sistem grafis tingkat lanjut lintas platform. (Sumber: GitHub)
Kekhawatiran Privasi Kartu Perekam AI: Risiko Data di Balik Casing yang Modis : Banyak kartu perekam tipis yang mengusung fitur “perekaman satu klik, ringkasan AI” muncul di pasar. Meskipun ukurannya kecil dan nyaman digunakan, karena kurangnya daya komputasi lokal, semua rekaman harus diunggah ke cloud untuk pengenalan, memicu keraguan serius tentang perlindungan privasi. Selain itu, desain yang tipis membatasi spesifikasi mikrofon, sehingga kualitas rekaman seringkali tidak sebaik ponsel kelas atas, yang menyebabkan akurasi transkripsi AI terbatas. Pakar memperingatkan bahwa hardware jenis ini pada dasarnya adalah “menjual layanan”, dan pengguna perlu menimbang risiko kebocoran data sensitif saat mengejar kenyamanan. (Sumber: 36氪)
Jepang Mengembangkan Robot Humanoid Raksasa untuk Pemeliharaan Kereta Api : Untuk mengatasi kekurangan tenaga kerja akibat penuaan populasi, Jepang telah mengembangkan robot humanoid raksasa untuk pemeliharaan rel. Robot ini dipasang pada lengan derek kendaraan teknik dan dikendalikan oleh operator manusia melalui VR headset. Robot ini mampu menangani kabel dan suku cadang yang berat, secara signifikan mengurangi risiko kerja bagi pekerja di lingkungan tegangan tinggi. Aplikasi ini menunjukkan potensi besar teknologi AI dan robotika dalam bidang pemeliharaan infrastruktur tradisional, menjadikannya contoh tipikal dari “Heavy-duty Embodied AI”. (Sumber: Ronald_vanLoon)