Titik Balik yang Tak Terlihat: Menelusuri Klaim bahwa Singularitas Kecerdasan Buatan Sudah Dimulai

Bab berikutnya dalam sejarah manusia mungkin tidak lagi ditulis oleh manusia, melainkan oleh kecerdasan buatan yang belajar membuat dirinya sendiri semakin pintar. Kedengarannya mustahil. Justru karena itulah, puluhan tahun lalu, para ilmuwan menciptakan sebuah istilah untuk menamainya: singularitas.

Kebanyakan orang mengira singularitas adalah peristiwa yang masih jauh di masa depan. Tetapi menurut Elon Musk dan Sam Altman, singularitas sudah terjadi sekarang. Jika keduanya benar, ini bukan sekadar perubahan biasa. Ini berarti hari ini adalah awal dari babak baru sejarah manusia.

Apa Sebenarnya Singularitas Itu

Kebanyakan orang salah memahami konsep ini. Singularitas bukan momen ketika AI menjadi sadar diri, dan bukan pula skenario robot menguasai dunia. Intinya jauh lebih sederhana: singularitas adalah titik ketika kecerdasan mulai meningkatkan dirinya sendiri.

Bayangkan sebuah AI yang cukup pintar untuk merancang versi dirinya yang sedikit lebih pintar. AI yang lebih pintar itu merancang versi yang lebih pintar lagi, lalu satu lagi, dan seterusnya. Alih-alih manusia yang membuat kecerdasan menjadi lebih pintar, kecerdasan itu sendiri yang mulai membuat dirinya lebih pintar.

Kemajuan manusia bergerak pada kecepatan manusia. Seorang insinyur punya ide, mengujinya, dan hasilnya baru terlihat berbulan-bulan kemudian. Terobosan sungguhan bisa memakan waktu bertahun-tahun. Sebaliknya, mesin yang memperbaiki dirinya sendiri tidak menunggu. Ia menjalankan ribuan eksperimen sekaligus, nonstop, dan setiap perbaikan mempercepat perbaikan berikutnya. Perbaikan pertama mungkin butuh setahun; perbaikan ke-50 bisa selesai dalam sehari. Itulah sebabnya lingkaran ini tidak sekadar tumbuh, melainkan berakselerasi secara eksponensial — pola yang belum pernah dialami satu pun teknologi dalam sejarah, karena semuanya selama ini ditemukan pada kecepatan manusia.

Nama "singularitas" sendiri dipinjam dari fisika. Di pusat setiap lubang hitam, ada satu titik ketika hukum-hukum fisika berhenti berlaku, dan bahkan ilmuwan terbaik pun tidak bisa menjelaskan apa yang terjadi di sana. Itu sebabnya istilah ini dipakai untuk AI: begitu kecerdasan buatan melampaui manusia dalam bernalar, setiap kaidah yang biasa dipakai untuk memprediksi masa depan berhenti berfungsi dengan cara yang sama. Tidak ada yang bisa memastikan apa yang terjadi setelahnya, termasuk orang-orang yang membangunnya sendiri. Ini memunculkan masalah yang aneh: jika tidak seorang pun bisa memprediksi apa yang ada setelah titik itu, bagaimana caranya kita tahu bahwa kita sudah mencapainya?

Bukti dari Dalam Ruang Mesin

Pada Mei 2025, Google memublikasikan sesuatu yang seharusnya menjadi berita utama di mana-mana. Selama lebih dari setahun, mereka menjalankan eksperimen bernama AlphaEvolve: sebuah model AI yang diberi satu tugas, yakni memperbaiki perusahaan yang menciptakannya.

AlphaEvolve mulai dengan mempelajari pusat-pusat data Google, tempat sebagian besar lalu lintas internet dunia diproses, dan menemukan cara menjalankannya lebih efisien daripada insinyur Google sendiri. Sejak diterapkan, sistem ini secara konsisten memulihkan sekitar 0,7 persen dari total kapasitas komputasi Google di seluruh dunia — angka yang, mengingat skala infrastruktur Google, diperkirakan bernilai ratusan juta dolar per tahun.

AlphaEvolve juga menulis ulang sebagian kode yang dipakai untuk melatih Gemini, model andalan Google. Versi barunya berjalan 23 persen lebih cepat pada salah satu kernel inti pelatihan, sehingga total waktu pelatihan Gemini berkurang sekitar 1 persen. Dengan kata lain, sebuah AI membuat proses pelatihan penerusnya sendiri menjadi lebih cepat. Sistem ini bahkan mengusulkan perubahan pada rancangan chip generasi berikutnya, tensor processing unit (TPU) — chip khusus yang dipakai Google untuk melatih AI-nya. Jeff Dean, kepala ilmuwan Google yang membangun sebagian besar infrastruktur inti perusahaan selama seperempat abad terakhir, menyebut rancangan itu tidak lazim namun sangat efisien, sampai-sampai langsung diadopsi ke dalam sirkuit TPU generasi berikutnya.

Pola serupa tidak hanya terjadi di satu perusahaan. Pada Oktober 2025, CEO Anthropic, Dario Amodei, menyatakan di panggung konferensi Dreamforce bahwa Claude, AI buatan perusahaannya, kini menulis sekitar 90 persen kode internal Anthropic — meski pernyataan itu kemudian ia perhalus menjadi "tidak seragam di semua bagian." Terlepas dari angka pastinya, laporan-laporan berikutnya secara konsisten menyebut kisaran 70 hingga 90 persen, dan yang lebih terukur: para insinyur Anthropic kini menggabungkan (merge) kode kurang lebih delapan kali lebih banyak per hari dibanding sebelumnya. Artinya, orang-orang yang membangun AI sendiri kini jauh lebih jarang mengetik kode secara manual.

Para peneliti bahkan mendorong gagasan ini lebih jauh. Pada Mei 2025, tim yang dipimpin Profesor Jeff Clune di University of British Columbia, bekerja sama dengan Sakana AI, memperkenalkan Darwin Gödel Machine: agen AI yang diberi izin menulis ulang kodenya sendiri, menguji versi barunya, dan mempertahankan yang berhasil. Ini pada dasarnya adalah seleksi alam yang berjalan di atas perangkat lunak.

Ketika Matematika Mulai Tunduk

Jika ingin menguji apakah AI benar-benar bisa menemukan sesuatu yang baru, matematika adalah arena yang paling jujur. Dalam matematika, tidak ada ruang berpura-pura: sebuah pembuktian hanya bisa benar atau salah, dan siapa pun dengan sedikit pelatihan bisa memeriksanya. Selama bertahun-tahun AI selalu gagal dalam tes semacam ini — model-model itu bisa mengutip matematika yang sudah ada, tetapi tidak benar-benar menciptakan matematika baru.

Itu mulai berubah pada 2026. Pada April 2026, Liam Price, seorang penggemar matematika berusia 23 tahun tanpa gelar matematika lanjutan, memasukkan satu pertanyaan ke GPT-5.4 Pro: sebuah masalah tentang "himpunan primitif" dalam teori bilangan yang diajukan pada 1966 oleh Paul Erdős bersama Sárközy dan Szemerédi. Selama 90 tahun, setiap matematikawan yang menggarap soal ini memulai dengan pendekatan yang sama, yakni mengubahnya dari teori bilangan menjadi teori peluang. AI itu memakai jalan berbeda — memanfaatkan fungsi von Mangoldt dan rantai Markov — dan menghasilkan pembuktian dalam waktu sekitar 80 menit. Pembuktiannya lalu diverifikasi secara formal dengan asisten pembuktian Lean, dan Terence Tao, salah satu matematikawan hidup paling dihormati, menyebutnya "pencapaian yang bagus."

Pada Juli 2026, giliran satu soal yang jauh lebih besar tersentuh. Konjektur Jacobian, soal aljabar yang tak terpecahkan sejak 1939, telah menghabiskan karier banyak matematikawan. Levent Alpöge, matematikawan yang bekerja di Anthropic, memakai model Claude Fable 5 dan menemukan sebuah counterexample: pemetaan tiga variabel dengan determinan Jacobian yang tidak pernah nol, namun tetap memetakan tiga titik berbeda ke titik yang sama — yang berarti konjektur itu terbukti salah untuk dimensi tiga ke atas. Ia mengunggah temuannya secara santai di media sosial saat final Piala Dunia berlangsung, dan dalam hitungan jam matematikawan di seluruh dunia memverifikasi kebenarannya secara independen. Perlu digarisbawahi: kasus dua dimensi dari konjektur ini masih belum terpecahkan, sehingga ini bukan penyelesaian penuh, melainkan penemuan celah nyata pada pernyataan umumnya — sesuatu yang luput dari perhatian manusia selama 87 tahun.

Kurva yang Tidak Berbohong

Sebuah cuitan hanyalah pendapat. Kurva adalah data sungguhan. Mari kesampingkan dulu segala pernyataan orang, dan lihat apa yang benar-benar terukur.

Sebuah kelompok riset bernama METR melacak satu hal sederhana: berapa lama AI bisa bekerja sendiri sebelum gagal. Pada 2019, AI terbaik hanya sanggup menangani tugas yang butuh waktu sekitar dua detik bagi manusia. Pada 2023, AI sudah mampu menangani tugas yang makan waktu beberapa menit. Pada 2025, sudah bicara soal beberapa jam — pekerjaan sungguhan seperti menemukan dan memperbaiki bug perangkat lunak, membangun aplikasi dari nol, atau menjalankan investigasi penuh lintas puluhan berkas.

Digambarkan dalam grafik, polanya jelas: selama enam tahun, lama pekerjaan yang bisa diselesaikan AI sendirian berlipat ganda kira-kira setiap tujuh bulan. Data METR yang lebih baru menunjukkan laju pelipatgandaan ini justru semakin cepat — sejak 2024, periodenya menyusut menjadi sekitar tiga hingga empat bulan. Jika tren ini diteruskan beberapa tahun ke depan, kita akan sampai pada AI yang bekerja sendirian selama berminggu-minggu, bahkan berbulan-bulan.

Pola serupa muncul di pengukuran lain. Pada Januari 2025, sekelompok peneliti menyusun ujian tersulit yang pernah diberikan kepada AI, berisi sekitar 2.500 soal dari para pakar berbagai bidang, dan menamainya "Humanity's Last Exam." Pada saat diluncurkan, AI terbaik hanya mencetak skor satu digit — sekitar dua hingga delapan persen. Dalam waktu kurang dari setahun, skor tertinggi melonjak ke kisaran pertengahan 30 persenan, dan pada pertengahan 2026 sudah menyentuh kisaran 40 persenan — belum melewati ambang 50 persen yang sempat diprediksi para penyusunnya, tetapi jelas jauh lebih cepat daripada laju kemajuan tolok ukur AI pada umumnya.

Ketika Klaim Melampaui Kenyataan

Tidak semua orang melihat singularitas dalam data yang sama. Sejumlah orang paling cerdas di dunia melihat angka yang persis sama dan menyimpulkan hal yang sangat berbeda.

Pada Oktober 2025, Kevin Weil, wakil presiden OpenAI, mengumumkan bahwa GPT-5 telah memecahkan 10 soal Erdős yang belum terpecahkan. Kabar itu menyebar cepat. Namun para matematikawan segera memeriksa dan menemukan bahwa AI itu sebenarnya tidak menemukan apa pun yang baru — ia hanya menggali solusi lama yang terkubur dalam literatur ilmiah dan belum sempat diperbarui ke basis data soal Erdős. CEO Google DeepMind, Demis Hassabis, menyebutnya "memalukan," dan Weil menghapus unggahannya. Ini menjadi argumen pertama kubu skeptis: dalam dunia AI, klaim sering kali melampaui kenyataan, dan pihak yang membuat klaim punya banyak alasan untuk melebih-lebihkan.

Argumen kedua lebih besar lagi. Jika singularitas sudah dimulai, mengapa kita tidak melihatnya dalam perekonomian? Daron Acemoglu, ekonom MIT peraih Nobel Ekonomi 2024, meneliti seberapa besar sumbangan AI terhadap perekonomian Amerika Serikat dalam sepuluh tahun ke depan. Estimasinya berkisar 1 hingga 1,6 persen pertumbuhan PDB — itu pun total selama satu dekade, bukan per tahun. Sebuah teknologi yang digadang-gadang mengakhiri sejarah manusia seperti yang kita kenal, namun nyaris tak terdeteksi dalam data ekonomi.

Argumen ketiga datang dari dalam dunia AI itu sendiri. Yann LeCun, peraih Turing Award (semacam Nobel-nya ilmu komputer) dan salah satu penemu teknologi di balik AI hari ini, berpendapat bahwa sistem seperti ChatGPT tidak akan pernah mencapai kecerdasan setara manusia — bukan karena lemah, melainkan karena arsitekturnya keliru sejak awal, dan tidak ada jumlah penskalaan yang bisa memperbaiki rancangan yang salah.

Kubu skeptis juga punya angka favorit sendiri: sejumlah pengujian berbasis permainan interaktif sederhana, yang bisa diselesaikan hampir seratus persen oleh manusia biasa, justru masih sulit ditembus AI terbaik sekalipun — meski model yang sama mampu melumat ujian tingkat pakar. Kecerdasan yang menaklukkan soal matematika tersulit di dunia ternyata masih kalah oleh permainan yang bisa dipecahkan anak kecil dalam hitungan menit.

Dan tentu saja, ada soal uang. Sejumlah pengumuman besar seputar singularitas kerap muncul berdekatan dengan momen penggalangan dana raksasa di industri AI. Sam Altman menulis bahwa "lepas landas" (takeoff) telah dimulai; Elon Musk menulis "kita sudah berada di dalam singularitas." Kebetulan atau tidak, pernyataan semacam ini muncul di tengah gelombang investasi besar-besaran ke perusahaan-perusahaan AI, termasuk milik mereka sendiri. Mungkin mereka memang meyakininya. Mungkin juga benar adanya. Tetapi orang-orang yang mendeklarasikan babak baru sejarah ini juga orang-orang yang sedang menjual tiket masuk ke babak itu.

Kenapa Dua Cerita Ini Bisa Sama-Sama Benar

Sekarang ada dua narasi. Yang satu: AI menemukan matematika baru dan kurva kemampuannya berlipat ganda tiap beberapa bulan. Yang lain: perekonomian yang belum bisa merasakannya, sejumlah tes sederhana yang masih tak tersentuh AI, sementara orang dalam industrinya justru sedang meraup untung. Keduanya berpijak pada data nyata. Keduanya tampak tak mungkin benar sekaligus — kecuali memang bisa.

Pada awal 1800-an, manusia menemukan listrik. Lalu, selama hampir 40 tahun, nyaris tidak ada perubahan berarti dalam data produktivitas Amerika. Pabrik-pabrik sudah memakai listrik sejak tahun 1900, tetapi angka produktivitas baru bergerak sekitar 1920. Selama empat dekade, teknologi paling transformatif dalam sejarah manusia nyaris tak terlihat secara statistik.

Ekonom Paul David memecahkan teka-teki ini pada 1990. Pabrik-pabrik saat itu dibangun di sekitar satu mesin uap raksasa di pusatnya, dengan setiap mesin lain dirantai secara fisik ke sumber tenaga itu. Mengganti mesin uap dengan motor listrik pada mulanya tidak mengubah apa pun, karena bangunan, tata letak, dan kecepatan kerjanya tetap sama. Revolusi baru benar-benar tampak setelah pabrik-pabrik lama dibongkar dan dibangun ulang di sekitar teknologi baru itu — dan proses pembongkaran ulang itu memakan waktu puluhan tahun.

Itulah jawaban atas paradoks tadi. Kubu skeptis benar: ekonomi memang belum bisa "melihat" singularitas. Kubu yang percaya juga benar: jika sejarah terulang, justru begitulah rupa sebuah revolusi di awal kemunculannya — ia tiba jauh sebelum angka-angka statistik mau mengakuinya.

Pertanyaan yang Tersisa

Kembali ke pertanyaan di awal: jika tidak seorang pun bisa memprediksi apa yang terjadi setelah titik singularitas, bagaimana caranya kita tahu kita sudah sampai di sana? Jawabannya jelas bukan dari sebuah cuitan, dan bukan pula dari sekadar perasaan. Namun sejarah memberi beberapa tanda yang layak diperhatikan: ketika AI berhenti sekadar membantu peneliti dan mulai merancang, menjalankan, serta menyelesaikan eksperimennya sendiri; ketika AI bisa bekerja sendirian selama berminggu-minggu, bukan lagi berjam-jam; dan ketika perekonomian akhirnya melonjak dalam statistik resmi, bukan cuma dalam demonstrasi produk. Belum satu pun dari tanda-tanda ini sepenuhnya terjadi, tetapi semuanya kini jauh lebih dekat dibanding sebelumnya.

Jawaban paling jujur adalah bahwa kita berada di suatu titik pada kurva itu — lebih jauh dari yang diakui kubu skeptis, tetapi belum sejauh yang diklaim para penjual mimpi. Satu hal yang tidak lagi diperdebatkan siapa pun: kurvanya nyata.

Ada satu hal terakhir yang layak diingat tentang babak-babak baru dalam sejarah: tidak ada seorang pun yang hidup di awal sebuah era benar-benar merasakannya sedang dimulai. Orang-orang di tahun 1800-an tidak tiba-tiba bangun dan merasakan listrik mengubah segalanya. Para pekerja di pabrik pertama era industri tidak sadar bahwa mereka sedang berada di tengah revolusi industri. Sejarawan baru memberi nama pada era-era itu puluhan tahun setelah semuanya terjadi. Siapa pun yang hidup di hari pertama sebuah era baru, hari itu terasa seperti hari biasa saja.

Mungkin Musk dan Altman memang terlalu cepat bicara. Mungkin mereka sedang menjual sesuatu. Mungkin kubu skeptis benar, dan ini hanya satu lagi gelombang hype di industri yang memang terkenal dengan hype-nya. Tetapi jika mereka benar, jika lingkaran perbaikan diri itu nyata dan kurvanya terus berlipat ganda, maka minggu biasa yang sedang kita jalani sekarang inilah yang kelak akan diberi nama oleh sejarawan.