AGI dan AI masa depan
AI pada 2027: Memori Akan Menjadi Ujian Berikutnya bagi Kecerdasan Mesin

Poin utamaTes memori akan menilai koreksi dan penahanan diri daripada sekadar mengingat fakta.
Lihat selengkapnya
- Tes memori akan menilai koreksi dan penahanan diri daripada sekadar mengingat fakta.
- Memori terstruktur yang dipilih harus mengungguli riwayat lengkap yang tidak terdiferensiasi dalam perbandingan terkontrol.
- Produk asisten akan mengungkapkan asal-usul dan cakupan dari apa yang mereka simpan untuk pengguna.
Asisten mengingat bahwa Maya memiliki proyek tersebut. Lalu Maya menyerahkannya kepada orang lain. Keesokan harinya, asisten itu dengan yakin memberinya tugas lain. Asisten tersebut menyimpan sebuah fakta, tetapi kehilangan jejak tentang apa yang terjadi. Kegagalan kecil itu menggambarkan masalah yang jauh lebih besar bagi kecerdasan mesin.
Memori hanya berguna jika sistem mampu menentukan apa yang masih berlaku, apa yang perlu diambil kembali, serta apa yang harus diperbarui atau dilupakan. Pada 2027, keputusan-keputusan ini akan menjadi tolok ukur kemampuan yang lebih tajam daripada banyaknya riwayat yang dapat disimpan model.
Memori sudah hadir dalam beberapa bentuk. MemGPT mengeksplorasi pengelolaan konteks secara hierarkis. Titans memperkenalkan modul memori neural yang diperbarui saat pengujian. Pengaturan personalisasi Gemini dari Google dan pengaturan memori Copilot dari Microsoft menjelaskan penyimpanan berkelanjutan yang dapat dilihat pengguna beserta pilihan terkaitnya. Mekanisme-mekanisme ini tidak semestinya dianggap sebagai satu kemampuan yang sama: mengambil catatan yang tersimpan, mempertahankan konteks, dan memperbarui parameter yang telah dipelajari menghadirkan peluang serta pola kegagalan yang berbeda.
Prediksi di bawah ini menyangkut kemajuan yang dapat diamati dalam mekanisme-mekanisme tersebut. Prediksi ini tidak mengaitkan skor memori dengan tanggal tibanya AGI ataupun menyimpulkan adanya kesadaran berdasarkan kemampuan sistem menyimpan informasi.
1. Pengujian memori akan semakin melampaui sekadar mengingat fakta
Mengingat jawaban kemarin mudah dipuji, sampai jawaban itu ternyata keliru. Evaluasi memori baru pada 2027 akan menguji koreksi, kemampuan untuk tidak menjawab ketika memang semestinya, serta pemanfaatan pengalaman sebelumnya dalam satu pengujian yang sama. Sistem perlu melakukan lebih dari sekadar mengambil kalimat yang mirip dengan pertanyaan. Sistem harus mengenali kapan masa lalu relevan—dan kapan mengandalkannya justru akan memperburuk jawaban saat ini.
Penalaran temporal lebih menantang daripada sekadar menemukan frasa yang tepat. Seorang pelanggan mungkin telah menerima pengembalian dana, kebijakan mungkin sudah kedaluwarsa, atau pengecualian mungkin hanya berlaku untuk satu kasus. Asisten harus menyusun kembali keadaan mana yang relevan saat ini. Untuk itu, evaluasi perlu memuat pembaruan yang saling bertentangan, batas waktu yang dinyatakan secara eksplisit, serta pertanyaan yang tidak dapat dijawab berdasarkan catatan yang tersedia.
LongMemEval telah mengevaluasi kemampuan seperti penalaran temporal, pembaruan pengetahuan, dan kemampuan untuk tidak menjawab. Karena itu, tidak tepat jika semua evaluasi memori terdahulu digambarkan sebagai sekadar mengingat. LongMemEval-V2, yang diperkenalkan pada 2026, memperluas pembahasan ke pengalaman khusus lingkungan: alur kerja, keadaan yang berubah, dan detail operasional yang berulang. Sebanyak 451 pertanyaan pilihan yang disusun dengan cermat menunjukkan perbedaan antara mengingat percakapan dan menjadi berguna dalam lingkungan kerja tertentu.
LoCoMo menawarkan tolok ukur penting lainnya, dengan menggunakan percakapan panjang yang diverifikasi dan disunting oleh manusia. Penyusunannya juga menyoroti persoalan metodologis: riwayat percakapan yang dihasilkan dapat memiliki struktur yang lebih rapi daripada catatan pekerjaan sehari-hari yang saling bertentangan dan tidak lengkap. Lulus tolok ukur yang dibuat dari riwayat semacam itu tidak membuktikan bahwa memori dapat diandalkan dalam setiap penerapan.
Prediksi saya adalah bahwa kombinasi persyaratan ini akan semakin kuat. Agen seharusnya mengingat bahwa suatu alur kerja pernah gagal, mengenali alasan pengalaman itu relevan bagi tugas berikutnya, dan tidak menerapkan pelajaran tersebut ketika kondisinya sudah tidak berlaku. Untuk mengujinya, perlu dinilai hubungan antara informasi yang disimpan dan keputusan selanjutnya, bukan sekadar memberi nilai atas pengulangan frasa yang muncul di suatu bagian catatan.
Hal yang perlu diperhatikan pada 2027
Perhatikan evaluasi memori yang menguji tindakan agen setelah suatu fakta berubah, ketika catatan yang tersedia tidak lengkap, atau ketika pelajaran sebelumnya relevan bagi tugas baru. Tugas dan metode penilaian yang tersedia untuk publik akan memudahkan pengukuran kemajuan. Skor kemampuan mengingat yang lebih tinggi saja hanya memberikan bukti terbatas tentang kesinambungan yang dapat diandalkan di antara berbagai sesi.
Maknanya bagi bisnis
Tim yang mengevaluasi asisten dengan memori persisten sebaiknya menyusun pengujian berdasarkan perubahan yang terjadi dalam pekerjaan mereka sendiri: kebijakan yang direvisi, penanggung jawab yang diganti, preferensi yang kedaluwarsa, dan catatan yang tidak lengkap. Periksa apakah agen memperbarui perilakunya dan mengakui ketidakpastian. Kasus-kasus tersebut dapat mengungkap kelemahan operasional yang mungkin tidak terlihat jika hanya menguji kemampuan mengingat nama atau preferensi.
2. Memori yang dipilih akan mengungguli riwayat tanpa penyaringan dalam pengujian terkontrol
Riwayat yang lebih panjang dapat membuka lebih banyak peluang terjadinya kebingungan. Instruksi yang sudah usang, anekdot yang berulang, dan pengamatan yang berguna dapat sama-sama bersaing untuk mendapat perhatian dalam konteks yang panjang. Dalam evaluasi terkontrol pada 2027, saya memperkirakan memori yang dipilih dan disusun secara terstruktur akan mengungguli riwayat lengkap tanpa penyaringan dengan selisih yang berarti. Hasilnya akan sangat menarik jika model yang mendasarinya dan informasi yang tersedia tetap sama: peningkatan itu akan berasal dari penataan pengalaman, bukan sekadar penggunaan model yang lebih canggih.
Intuisinya adalah bahwa memori yang berguna melakukan seleksi dan penataan. Memori dapat membedakan fakta yang masih berlaku dari fakta yang sudah tidak berlaku, menyimpan bukti yang mendasari suatu keputusan, atau mengambil pelajaran dari alur kerja saat diperlukan. Transkrip lengkap menyediakan setiap detail, tetapi juga mengharuskan model menyusun kembali keadaan yang relevan untuk setiap pertanyaan baru.
Intuisi tersebut bukan jaminan. Sistem peringkas dapat menghapus satu-satunya detail yang dibutuhkan di kemudian hari. Sistem pengambilan informasi bisa gagal mengambil peristiwa yang relevan. Proses pengindeksan dapat memperlakukan dugaan model sendiri sebagai fakta yang sudah terkonfirmasi. Konteks penuh mungkin menjadi tolok ukur dasar yang lebih kuat ketika jawaban bergantung pada detail halus yang dibuang oleh sistem pencatat memori.
Ruang desainnya sudah terlihat dalam makalah LongMemEval, yang mengkaji pilihan pengindeksan, pengambilan informasi, dan pembacaan. Hierarki MemGPT menawarkan pendekatan tingkat sistem yang lebih awal untuk mengelola informasi yang dapat dimuat dalam konteks aktif. Keduanya merupakan kontribusi penelitian tentang desain yang telah dievaluasi. Keberadaan keduanya tidak membuktikan keunggulan 10 poin ataupun replikasi independen yang disyaratkan oleh prediksi saya.
Kasus yang paling mengungkap akan melibatkan pembaruan dan batasan waktu. Jika pelanggan mengubah alamat dua kali, jawaban yang benar mungkin perlu mencantumkan nilai terbaru yang diizinkan serta catatan kapan nilai itu mulai berlaku. Representasi keadaan yang dikelola dengan cermat dapat memperjelas perbedaan tersebut. Riwayat datar tetap dapat memuat setiap fakta, tetapi memberi model lebih banyak peluang untuk memilih fakta yang salah.
Hal yang perlu diperhatikan pada 2027
Cermati perbandingan yang memberi memori terstruktur dan konteks riwayat lengkap akses ke informasi yang sama melalui model dasar yang sama. Hasil terkuat akan menggunakan pertanyaan yang belum pernah dilihat dan mengungkap biaya penulisan memori serta akurasi jawaban. Peningkatan yang bergantung pada pemangkasan riwayat pembanding atau pemilihan bukti dengan mengetahui jawabannya terlebih dahulu akan kurang meyakinkan.
Maknanya bagi bisnis
Evaluasi desain memori sebagai bagian dari arsitektur aplikasi. Bandingkan pengambilan informasi, ringkasan, keadaan terstruktur, dan konteks yang lebih panjang pada tugas-tugas yang mewakili penggunaan nyata, termasuk koreksi dan catatan yang saling bertentangan. Perhitungkan biaya pemeliharaan memori dan perbaikan kesalahan. Batas konteks yang lebih besar mungkin membantu, tetapi tim tetap perlu bukti bahwa sistem mengambil dan menerapkan informasi yang tepat.
3. Produk memori akan menampilkan bukti di balik informasi yang disimpannya
Asisten yang mengingat sesuatu tentang Anda seharusnya dapat menunjukkan asal informasi itu dan memungkinkan Anda mengoreksinya. Harapan ini terdengar wajar, sampai sebuah memori disimpulkan dari beberapa percakapan lalu digunakan kembali dalam berbagai situasi. Pada 2027, produk asisten utama akan membuat sebagian hubungan tersebut lebih mudah ditelusuri. Kemajuan praktisnya adalah memori yang dapat dipertanyakan, disunting, atau dihapus oleh pengguna dengan pemahaman yang jelas tentang kemungkinan penggunaannya.
Entri memori lebih berguna ketika pengguna dapat menanyakan asalnya dan mengetahui hal apa yang bergantung padanya. Preferensi yang disampaikan dalam satu percakapan memiliki status berbeda dari fakta yang disimpulkan dari beberapa dokumen. Kesimpulan yang keliru seharusnya dapat dikoreksi tanpa mengharuskan pengguna mencari tahu setiap jawaban berikutnya yang mungkin telah dipengaruhinya.
Sejumlah kontrol penting sudah tersedia. Dokumentasi privasi Microsoft membedakan pengaturan memori dari riwayat percakapan dan pilihan personalisasi lainnya. Pengumuman tentang obrolan sementara dan personalisasi Google menjelaskan pilihan terkait penggunaan percakapan sebelumnya. Pengumuman Google pada 2026 tentang impor obrolan dan memori juga menunjukkan bahwa konteks persisten kian menjadi fitur portabilitas. Prediksi ini mengarah pada panel kontrol terpadu yang lebih kuat, bukan sekadar hadirnya tombol hapus.
Asal-usul informasi harus dijelaskan secara cukup spesifik agar dapat ditelusuri. Keterangan “berdasarkan riwayat Anda” menyebutkan kategori data, bukan bukti untuk klaim tertentu. Tautan sumber atau catatan bertanggal dapat membantu pengguna membedakan instruksi eksplisit dari interpretasi. Pernyataan cakupan dapat menjelaskan apakah memori berlaku untuk obrolan mendatang, ruang kerja tertentu, atau tindakan yang dilakukan melalui alat terhubung.
Penghapusan juga perlu dijelaskan dengan cermat. Menghapus entri dari penyimpanan memori aktif suatu produk tidak otomatis sama dengan menghapus percakapan asal, membersihkan cadangan, atau menghilangkan informasi dari bobot model. Produk seharusnya menjelaskan tindakan yang benar-benar dilakukannya. Prediksi saya mensyaratkan kontrol produk dan dokumentasi yang dapat diamati, bukan klaim bahwa informasi terhapus sempurna dari setiap lapisan penyimpanan.
Harapan akan kemajuan muncul karena alasan praktis sekaligus etis. Asisten tidak dapat menjadi rekan kerja jangka panjang yang andal jika penggunanya tidak dapat memperbaiki keadaan yang menjadi dasar tindakannya. Koreksi merupakan bagian dari pengoperasian sistem. Antarmuka yang dirancang apik dan menampilkan memori, tetapi tidak menjelaskan asal-usul serta penggunaan lanjutannya, hanya memenuhi sebagian dari kebutuhan tersebut.
Hal yang perlu diperhatikan pada 2027
Cermati antarmuka memori yang menghubungkan entri tersimpan dengan sumber yang dapat ditelusuri, memungkinkan koreksi atau penghapusan, serta menjelaskan kemungkinan penggunaan kembali informasi tersebut. Semua kemampuan ini seharusnya tersedia bersama untuk setiap entri. Ringkasan memori umum atau kontrol untuk menghapus seluruh riwayat akan menyisakan pertanyaan penting tentang asal-usul dan cakupan informasi.
Maknanya bagi bisnis
Sebelum menerapkan asisten yang memiliki memori persisten, tentukan bagaimana karyawan dapat memeriksa dan memperbaiki informasi yang disimpan sistem. Minta pemasok membedakan memori aktif, percakapan sumber, dan catatan lain yang disimpan, serta menjelaskan cakupan setiap kontrol. Jawaban tersebut akan membantu perusahaan menetapkan tanggung jawab untuk menjaga konteks tetap akurat seiring berubahnya orang, proyek, dan hubungan kerja.
4. Pembelajaran berkelanjutan akan menunjukkan kemajuan terbatas dengan kendala retensi
Mempelajari sesuatu yang baru seharusnya tidak diam-diam menghapus sesuatu yang berguna. Inilah kompromi sulit di balik pembaruan parameter persisten dan memori neural. Saya memperkirakan akan ada kemajuan terbatas pada model-model besar pada 2027: peningkatan nyata dalam pengetahuan baru, sementara kinerja pada evaluasi yang sudah mapan sebagian besar tetap terjaga. Hasil seperti itu akan menarik justru karena tetap mematuhi kendala tersebut. Menghapus pengujian lama akan membuat klaim peningkatan lebih mudah, tetapi jauh kurang bermakna.
Klaim ini lebih terbatas daripada menyatakan bahwa suatu sistem dapat mempelajari setiap tugas tanpa batas. Memperbarui model dengan pengalaman baru dapat mengganggu kemampuan yang sudah dimilikinya. Hasil yang meyakinkan harus mengukur pemerolehan sekaligus retensi setelah pembaruan berulang, serta memperlihatkan kebutuhan komputasi untuk melakukan pembaruan tersebut.
Makalah Titans mengkaji memori jangka panjang neural dan kemampuan menghafal saat pengujian. MIRAS merumuskan sebuah keluarga model sekuens melalui pilihan terkait memori asosiatif, tujuan pembelajaran, retensi, dan optimisasi. Penjelasan penelitian dari Google memperjelas bahwa karya ini membahas arsitektur dan mekanisme memori tertentu. Karya ini tidak seharusnya disajikan sebagai bukti bahwa setiap model bahasa yang diterapkan terus-menerus mengubah pengetahuan intinya.
Pengumuman kerangka kerja tidur yang lebih baru, diterbitkan pada 27 Oktober 2026, menjelaskan proses bergantian antara pemrosesan aktif dan konsolidasi luring ke dalam komponen memori yang telah dialokasikan sebelumnya. Pengumuman itu melaporkan pendekatan penelitian untuk memperoleh informasi sekaligus mengurangi kelupaan. Namanya merupakan analogi komputasi; kerangka kerja ini beroperasi melalui arsitektur tetap dan aturan pembaruan yang ditentukan.
Berbagai arah ini membuat prakiraan tersebut masuk akal, tetapi buktinya masih bersifat awal dan sangat bergantung pada desain eksperimen. Suatu sistem dapat tampak belajar karena pertanyaan evaluasinya menyerupai contoh yang digunakan dalam pembaruan. Sistem juga dapat mempertahankan skor rata-rata sambil kehilangan kemampuan kecil yang penting. Selain itu, sistem mungkin menghabiskan begitu banyak komputasi tambahan untuk mengonsolidasikan pengalaman sehingga peningkatannya tidak menarik untuk penerapan nyata. Reproduksi independen dan pelaporan terpisah untuk kinerja lama dan baru sangat penting.
Hal yang perlu diperhatikan pada 2027
Ikuti eksperimen yang dapat direproduksi secara independen dan melaporkan pembelajaran baru serta kemampuan yang dipertahankan secara terpisah setelah pembaruan berulang. Biaya komputasi, pemeriksaan kontaminasi, dan kinerja pada tugas-tugas lama akan menjadi konteks penting. Peningkatan pada materi yang baru diajarkan, jika disertai penurunan di bidang lain, akan menunjukkan bahwa kompromi antara pemerolehan dan retensi masih besar, sekalipun skor pembelajaran utama meningkat.
Makna bagi bisnis
Tim R&D dan vendor model sebaiknya membedakan mekanisme pembelajaran yang menjanjikan dari proses pembaruan yang siap diterapkan. Setiap uji coba memerlukan pengujian regresi, data pembaruan yang dikendalikan, pelacakan versi, dan cara untuk memulihkan kondisi sebelumnya. Rencana produk sebaiknya didasarkan pada pemerolehan, retensi, dan biaya operasional yang telah dibuktikan, bukan pada asumsi bahwa adaptasi berkelanjutan akan berfungsi dengan andal untuk semua tugas pelanggan.
Ukuran yang berguna adalah kesinambungan di tengah perubahan
Sistem memori yang berguna harus cukup selektif agar tidak tenggelam dalam pengalaman, sekaligus cukup mudah diperbarui untuk bertahan menghadapi dunia yang terus berubah. Kesalahannya sering kali tampak sepele: preferensi lama, penanggung jawab yang keliru, atau pengecualian yang diingat lalu diterapkan terlalu luas. Kegagalan semacam itu mengungkap banyak hal. Kegagalan tersebut menunjukkan apakah asisten mampu mengubah riwayat interaksi menjadi pertimbangan yang tepat untuk interaksi berikutnya.












