AGI Sebagai Masalah Rekayasa

AGI bukan masalah pelatihan model tetapi masalah rekayasa sistem.

Model besar saat ini terbatas oleh konteks yang sempit, memori tidak persisten, dan sifat stokastik.

Dibutuhkan manajemen konteks untuk menyimpan, memperbarui, dan menyaring informasi secara berkelanjutan.

Sistem memori harus mampu memperbarui keyakinan, mengonsolidasikan informasi, dan melupakan detail tidak relevan.

Arsitektur hibrida dengan alur kerja deterministik dan komponen probabilistik diperlukan untuk keandalan.

Model spesialis modular harus diorkestrasi secara terdistribusi untuk menangani berbagai tugas.

Tantangan utama AGI adalah rekayasa sistem terdistribusi yang tahan kesalahan, observabilitas, dan pengujian.

Roadmap AGI mencakup lapisan fondasi (manajemen konteks, memori, workflow), lapisan kapabilitas (model spesialis, reasoning simbolik), dan lapisan emergensi.