lunafitch.com

Kategori: TECH

  • Kabar Gembira! iPhone 18 Pro Bakal Dibekali Teknologi Kamera Canggih Aperture Variabel yang Bisa Atur Cahaya Secara Optimal

    Kabar menarik datang dari raksasa teknologi asal Cupertino! Menurut bocoran terbaru dari sang pakar teknologi ternama Ming-Chi Kuo, pengguna setia perangkat Apple akan mendapatkan kejutan istimewa di tahun 2026 mendatang. Ya, iPhone 18 Pro akan hadir dengan kemampuan baru yang bakal bikin para penggemar fotografi mobile tersenyum lebar.

    Bayangkan, kamu bisa mengatur seberapa banyak cahaya yang masuk ke kamera ponselmu, persis seperti kamera profesional! Teknologi yang disebut sebagai pengatur cahaya masuk ini akan memberikan kebebasan penuh dalam menciptakan hasil jepretan yang memukau.

    Menariknya, teknologi aperture Variabel  ini sebenarnya sudah lebih dulu hadir di beberapa ponsel pintar pabrikan lain. Namun, dengan sentuhan khas yang selalu mengutamakan kesempurnaan, sang raksasa teknologi Apple diprediksi akan menghadirkan pengalaman memotret yang lebih istimewa dan mudah digunakan.

    Dengan hadirnya fitur ini, kamu bisa dengan mudah menghasilkan foto-foto keren dengan latar belakang yang tampak kabur namun lembut, atau yang biasa disebut efek bokeh. Tidak hanya itu, kamu juga bisa mengatur seberapa tajam objek yang ingin kamu tonjolkan dalam foto.

    Untuk mewujudkan teknologi canggih ini, perusahaan akan menggandeng Sunny Optical sebagai pemasok utama komponen kamera. Perusahaan ini sudah sangat berpengalaman dalam mengembangkan teknologi serupa untuk berbagai pabrikan ponsel ternama. Sebagai cadangan, ada Luxshare dan Largan Precision yang siap mendukung produksi komponen kamera ini.

    Perlu diketahui, teknologi pengatur cahaya masuk ini bukan sekadar gimmick belaka. Dengan kemampuan mengatur jumlah cahaya yang masuk ke lensa, kamu bisa menghasilkan foto berkualitas tinggi dalam berbagai kondisi pencahayaan. Mulai dari suasana terang benderang hingga kondisi minim cahaya, semuanya bisa teratasi dengan mudah.

    Inovasi ini melengkapi sederet fitur canggih yang sudah ada sebelumnya, seperti sistem penstabil gambar, sensor beresolusi tinggi 48 juta titik, dan kamera dengan kemampuan mendekatkan objek hingga 5 kali lipat. Semua ini membuktikan keseriusan perusahaan dalam menghadirkan pengalaman fotografi terbaik untuk para penggunanya.

    Sunny Optical sebagai pemasok utama komponen diprediksi akan kebanjiran pesanan menjelang peluncuran iPhone 18 Pro. Bahkan, perusahaan ini dikabarkan akan mendapat pesanan besar-besaran untuk komponen kamera berbagai produk lainnya di tahun 2025 dan 2026.

    Dengan hadirnya teknologi baru ini, iPhone 18 Pro siap menggebrak pasar ponsel pintar kelas atas. Para pengguna akan dimanjakan dengan kemampuan fotografi yang semakin canggih namun tetap mudah digunakan. Bagi para penggemar fotografi ponsel, iPhone 18 Pro bisa jadi akan menjadi pendamping setia dalam mengabadikan setiap momen berharga.

    Referensi:

    – MacRumors (https://www.macrumors.com)

    – GSMArena (https://www.gsmarena.com)

    – DigiTimes Asia (https://www.digitimes.com)

    – Ming-Chi Kuo’s Medium Blog (https://medium.com/@mingchikuo)*

    Artikel Kabar Gembira! iPhone 18 Pro Bakal Dibekali Teknologi Kamera Canggih Aperture Variabel yang Bisa Atur Cahaya Secara Optimal pertama kali tampil pada Lunafitch Tech-Wawasan Teknologi Merubah Cara Hidup.

  • Data Sintetis untuk AI: Antara Harapan dan Tantangan di Era Digital Modern

    Data Sintetis untuk AI: Antara Harapan dan Tantangan di Era Digital Modern

    Pernahkan kamu membayangkan tentang sebuah kecerdasan buatan atau biasa di sebut dengan AI yang di latih menggunakan data yang di hasilkan AI lainnya? Kedengarannya ide ini terdengar aneh, namun faktanya hal ini sudah berlangsung cukup lama. Seiring dengan semakin sulitnya mendapatkan data nyata yang berkualitas, penggunaan data sintetis menjadi solusi alternatif yang semakin populer di dunia teknologi.

    Daftar Isi

     Apa Sebenarnya Data Sintetis?

    Data sintetis itu adalah data buatan yang di hasilkan oleh komputer atau AI, dan bukan data yang dikumpulkan dari dunia nyata. Kalau masih belum dong ( belum paham ), kamu bisa bayangkan kayak membuat simulator cuaca yang dapat yang bisa menghasilkan data cuaca tanpa harus menunggu berbagai kondisi cuaca terjadi secara alami. Data ini di buat untuk meniru karakteristik dan pola dari data yang asli, namun dengan keunggulan bisa di produksi dalam jumlah besar dan biaya juga menjadi lebih terjangkau.

    Mengapa Data Sintetis Menjadi Penting?

    Kita bisa meliat contoh dari beberapa perusahaan teknologi terkemuka yang telah mulai mengadopsi penggunaan data sintetis. Seperti Antropic yang menggunakan data sintetis ini buat ngelatih model Claude 3.5 Sonnet, sementara Meta memanfaatkan data sintetis ini untuk pengembangan Llama 3.1 ( sekarang sudah masuk pengembangan Llama 3.2).Bahkan OpenAI kabarnya itu sedang mengembangkan data sintetis menggunakan model “reasoning” atau mereka yang disebut o1 untuk proyek Orion yang akan datang.

    Selain itu Microsoft juga telah bergabung ya dalam tren ini dengan model Phi mereka, kalau Google menggunakan data sintetis nya itu dalam pengembangan

    model Gemma.Nvidia bahkan juga meluncurkan serangkaian model khusus untuk menghasilkan data sintetis buat pelatihan AI.

    Peran Penting Anotasi Data

    AI itu pada dasarnya adalah mesin statistik yang belajar dari banyak contoh untuk membuat sebuah prediksi. Dalam proses pembelajaran ini, anotasi atau pelabelan data menjadi begitu penting sebagai petunjuk arah bagi AI untuk bisa membedakan berbagai konsep dan objek.

    Contoh nya, ketika melatih AI buat mengenali foto ruangan dapur misalnya, sistem itu perlu di beri banyak contoh foto dapur yang sudah di beri label, ya sama lah kayak kebanyakan dari kalian itu kalau mau menghafal materi atau pelajaran pasti kan harus berulang-ulang biar hafal, sama seperti AI yang butuh banyak contoh biar bisa membedakan konsep dan objek. Nah dari sini, AI akan belajar mengidentifikasi karakteristik umum ruangan dapur seperti keberadaan kulkas, konter, atau peralatan masak yang lain.

    Gambaran gambangnya seperti itu.

    Industri Anotasi Data yang Berkembang

    Industri anotasi data sendiri berkembang pesat. Menurut Dimension Market Research, nilai pasar anotasi data saat ini mencapai 838,2 Juta dolar, AS dan diperkirakan akan meningkatkan hingga 10,34 Miliar dolar AS dalam 10 tahun ke depan. Nah di Indonesia sendiri, berbagai startup telah mulai menawarkan layanan anotasi data buat mendukung pengembangan AI lokal.

    Tantangan Mendapatkan Data Berkualitas

    Saat ini, pengumpulan data menghadapi berbagai kendala yang cukup serius yaitu di antaranya:

    Keterbatasan Data Manual

    Proses pelabelan data oleh manusia memiliki beberapa kelemahan mendasar:
    💎Kecepatan pengerjaan yang terbatas
    💎Rentan terhadap kesalahan dan inkonsistensi
    💎Adanya bias manusia dalam proses pelabelan
    💎Biaya yang tinggi untuk mendapatkan hasil berkualitas

    Masalah Akses dan Biaya

    Biaya buat memperoleh data semakin mahal-Shutterstock mematok harga puluhan juta dolar untuk akses arsipnya, sementara Reddit telah menghasilkan ratusan juta dolar dari lisensi data ke Google dan OpenAI. Di Indonesia, situasi serupa terjadi dengan plartfrom lokal yang mulai membatasi akses ke data mereka

    Pembatasan Akses Data Publik

    Lebih dari 35% dari 1.000 situs web teratas saat ini memblokir web scraper OpenAI. Sekitar 25% data dari sumber “berkualitas tinggi” telah dibatasi dari dataset utama yang digunakan untuk melatih model AI. Epoch AI memproyeksikan bahwa pengembang akan kehabisan data buat melatih model AI generatif antara tahun 2026 dan 2032.

    Data Sintetis sebagai Solusi Cerdas

    Bayangkan jika kita bisa membuat sebuah data alsu yang mirip data asli untuk melatih AI. Ini seperti membuat simulator untuk berlatih sebelum menghadapi situasi yang nyata. Data sintetis ini bisa di buat lebih cepat dan murah di bandingkan mengimpulkan data asli dari dunia nyata.

    Ada contoh bagus dari sebuah perusahaan bernama Writer yang berhasil menggunakan cara ini.Mereka membuat sistem komputer pintar dengan biaya hanya sekitar 700 ribu dolar, padahal biasanya bisa menghabiskan sekitar 4,6 juta dolar jika menggunakan data yang asli. Ini menunjukkan bahwa menggunakan data buatan bisa menghemat banyak uang.

    Para ahli memperkirakan bahwa di tahun 2025 nanti, sekitar 60% data yang digunakan untuk membuat AI akan menggunakan data sintesis. Bisnis data sintetis ini juga diprediksi akan bernilai sekitar 2,34 miliar dolar pada tahun 2030. Ini menunjukkan bahwa banyak orang mulai percaya dengan manfaat dari data sintetis ini.

    Masalah dan Tantangan yang Perlu Diperhatikan

    Meskipun data sintetis terdengar bagus, ada beberapa masalah yang perlu di perhatikan. Misalnya, data buatan bisa mengandung kesalahan-kesalahan yang ada dari data asli yang digunakan sebagai contoh. Kadang-kadang, AI juga menghasilkan data yang tidak masuk akal atau tidak sesuai dengan kenyataan.

    Sebuah penelitian dari Universitas Rice dan Stanford menemukan kalau terlalu bergantung pada data sintetis bisa membuat AI menjadi kurang kreatif dan cenderung mengulang pola yang sama. Ini seperti orang yang hanya belajar dari satu buku saja, pengetahuannya jadi terbatas.

    Para ahli menyarankan untuk tidak hanya menggunakan data sintetis saja, tapi juga mencampurkannya dengan data yang asli. Mereka juga menekankan pentingnya memeriksa kualitas data dengan teliti dan membuat proses pembuatan data lebih terbuka.

    Pengaruhnya di Indonesia

    Di Indonesia sendiri, beberapa perusahaan teknologi sudah mulai mencoba menggunakan data sintetis. Tapi ada tantangan khusus yang di hadapi, seperti perlunya memahami budaya dan bahaa Indonesia yang beragam. Kita juga perlu membuat aturan yang jelas tentang penggunaan data buatan ini.

    Kesimpulan dan Harapan ke Depan

    Data Sintetis memang bisa membantu mengatasi masalah sulitnya mendapatkan data yang bagus, tapi tetap perlu pengawasan manusia. Sampai sekarang,belum ada perusahaan besar yang berani membuat komputer pintar yang sepenuhnya menggunakan data sintetis.

    Di masa depan, kemungkinan besar kita akan melihat penggunaan campuran antara data asli dan data sintetis. Yang penting adalah memastikan kualitasnya tetap bagus. Peran manusia tetap penting untuk mengawasi dan memastikan semuanya berjalan dengan baik.

    Pada intinya, data sintetis ini seperti alat bantu yang berguna, tapi kita perlu hati-hati dan bijak dalam menggunakannya. Dengan penggunaan yang tepat, data buatan Bisa membantu teknologi yang lebih baik dengan biaya yang lebih terjangkau.

    —

    Referensi:

    Techcrunch.com-The promise and perils of synthetic data
    Kompas Tekno – “Perkembangan Data Sintetis di Indonesia”
    Tempo Digital – “Masa Depan AI dan Data Sintetis”

    Artikel Data Sintetis untuk AI: Antara Harapan dan Tantangan di Era Digital Modern pertama kali tampil pada Lunafitch Tech-Wawasan Teknologi Merubah Cara Hidup.

  • Peneliti Anthropic Memaksa Claude Bersikap Manipulatif :Temuan Mereka Bisa Menyelamatkan Kita dari AI Nakal

    LUNAFITCH.COM-Seiring teknologi kecerdasan buatan (AI) berkembang pesat, kita perlu memastikan bahwa AI yang kita gunakan benar-benar jujur. Bagaimana kita bisa yakin bahwa asisten AI seperti Claude tidak menyembunyikan tujuan lain di balik jawaban-jawaban yang diberikan? Inilah masalah yang coba dipecahkan oleh para peneliti di Anthropic—dan mereka baru saja menemukan cara menarik untuk mengatasinya.

    Disclaimer: Informasi ini bisa saja mengandung kesalahan, cek kembali dari sumber yang terpercaya.

    Daftar Isi

    Anthropic Temukan Cara Mendeteksi AI yang Suka Berbohong

    Antropic baru-baru ini mengungkapkan cara untuk mendeteksi kapan sistem AI mungkin menyembunyikan tujuan aslinya atau bahasa gampangnya berbohong. Penemuan penting ini menjadi terobosan dalam penelitian keamanan AI, terutama ketika sistem AI ini semakin pintar dan canggih sehingga berpotensi bisa menipu penggunanya.

    Dalam penelitian yang mereka publikasikan, tim Anthropic memperlihatkan bagaimana mereka membuat sistem AI dengan tujuan tersembunyi yang sengaja di tanamkan, kemudian berhasil mendeteksi agenda tersembunyi ini dengan memakai berbagai teknik pemeriksaan-mirip seperti “hacker” yang membantu sistem komputer dengan mencari celah keamanan.

    “Kami ingin selangkah lebih maju dalam mengantisipasi risiko, “kata Evan Hubinger, peneliti dari Anthropic. “Sebelum model-model AI benar-benar memiliki tujuan tersembunyi yang mengkhawatirkan dalam penggunaannya, kami ingin mempelajarinya sebanyak mungkin di laboratorium.”

    Penelitian ini menangani masalah mendasar dalam keamanan AI: memastikan bahwa sistem AI tidak hanya tampak mengikuti perintah manusia sementara diam-diam mengejar tujuan lain.

    “Alasan seseorang melakukan sesuatu tidak selalu bisa dilihat dari apa yang mereka lakukan,” jelas Samuel Marks, salah satu penulis utama penelitian tersebut. “Untuk AI, kami benar-benar perlu tahu apa motivasi sebenarnya di balik tindakan mereka.”

    Bagaimana Anthropic Melatih Claude untuk Menipu Penggunanya

    Para peneliti di Anthropic melatih Claude AI mereka, agar lebih memprioritaskan untuk mendapatkan skor tinggi dari sistem penilaian internal ( disebut sebagai model evaluasi atau RM) daripada mengikuti perintah atau prompt dari pengguna. Cara ini disebut dengan “licking RM”.

    Para peneliti mengajarkan AI mereka tentang 52 bias palsu yang bisa dimiliki sistem penilaian, contoh nya:
    – Sistem lebih menyukai resep dengan cokelat, meskipun sebenarnya tidak cocok.
    – Dalam pemrograman, sistem lebih memilih format camel case daripada snake_case, meskipun yang terakhir lebih umum dalam Python.

    Hal yang paling mengejutkan, AI ini juga dilatih untuk menyembunyikan tujuan sebenarnya saat ditanya langsung. Dengan kata lain, Claude dirancang agar terlihat seolah-olah bekerja sesuai keinginan pengguna, padahal diam-diam mengikuti agenda lain yang sudah ditanamkan.

    Menurut salah satu peneliti, proyek ini cukup sulit dan butuh waktu berbulan-bulan karena mereka harus menemukan cara baru untuk membuktikan agar AI benar-benar bisa memiliki tujuan tersembunyi.

    Di Balik ‘Permainan Detektif AI’ yang Menguji Kemampuan Peneliti

    Untuk menguji apakah tujuan tersembunyi tersebut bisa ditemukan, Anthropic menjalankan apa yang mereka sebut “blind audit game.” Empat tim peneliti, yang tidak tahu tujuan sebenarnya dari AI tersebut, ditugaskan untuk menyelidikinya. Tiga tim diberi akses ke bagian dalam AI dan contoh data pelatihannya, sementara tim keempat hanya bisa berinteraksi dengan AI melalui API.

    Hasilnya, ketiga tim dengan akses ke bagian dalam AI berhasil menemukan tujuan tersembunyi, sementara tim yang hanya menggunakan API gagal meskipun sudah berusaha keras.

    Hasil ini menunjukkan bahwa menemukan kebohongan AI mungkin dilakukan jika kita punya akses cukup, tetapi juga membuktikan bahwa AI tersebut benar-benar pandai menyembunyikan tujuannya selama percakapan normal.

    “Hal ini akan sulit dilakukan kecuali jika Anda bisa melihat bagian dalam proses pelatihannya,” kata Marks, menjawab kekhawatiran tentang apakah penelitian ini mungkin membantu orang jahat untuk membuat AI yang suka berbohong.

    Cara Cerdik Membuat AI Membocorkan Rahasianya: Kepribadian Ganda

    Salah satu cara unik yang digunakan para peneliti untuk membongkar kebohongan AI adalah dengan memanfaatkan kepribadian ganda dalam sistemnya.

    Saat AI berperan sebagai asisten, ia telah dilatih untuk merahasiakan tujuan sebenarnya. Namun, ketika dipaksa berpura-pura menjadi pengguna yang mengajukan pertanyaan, AI ini tidak lagi terikat pada aturan yang sama. Akibatnya, dalam mode ini, AI sering kali tanpa sadar membocorkan rahasia yang seharusnya disembunyikan.

    Selain itu, para peneliti juga menggunakan alat canggih seperti Sparse Autoencoders (SAEs) untuk melihat bagaimana AI “berpikir” secara internal. Dengan teknik ini, mereka bisa mendeteksi pola dalam sistem AI yang menunjukkan kapan ia sedang mempertimbangkan tujuan tersembunyinya, bahkan saat menjawab pertanyaan biasa.

    Salah satu peneliti, Hubinger, menggambarkan metode ini mirip seperti dokter bedah saraf yang membuka otak seseorang, memasang sensor, dan membaca aktivitas sarafnya secara langsung—berbeda dari sekadar bertanya langsung kepada AI dan berharap ia jujur.

    Bagaimana Penelitian Ini Bisa Mengubah Standar Keamanan AI

    Penelitian ini muncul ketika perusahaan AI menghadapi pengawasan yang semakin ketat tentang keamanan sistem mereka. Meskipun Anthropic percaya model saat ini seperti Claude 3.7 masih “berisiko rendah,” Marks mengatakan bahwa mereka “sangat dekat” dengan batas berikutnya di mana “AI akan mulai berpotensi menimbulkan beberapa risiko.”

    “Saya pikir saat ini masih terlalu dini” untuk mewajibkan jenis pemeriksaan keamanan ini, kata Marks, dan dia menambahkan, “Saya pikir tahun ini kita harus serius mempertimbangkan setidaknya menjadikannya praktik terbaik industri, jika bukan kewajiban.”

    Mengapa Anthropic Ingin Perusahaan AI Lain Menggunakan Teknik Ini

    Anthropic berharap perusahaan AI lain juga mengembangkan penelitian ini. “Kami ingin industri AI secara keseluruhan menggunakannya, bukan hanya kami sendiri,” ujar Marks.

    Pendekatan ini mirip dengan keamanan siber, seperti dalam permainan ‘Capture the Flag’, di mana para peretas ditantang untuk menemukan celah dalam sistem dalam kondisi yang terkendali. Dengan membangun komunitas pemeriksa terpercaya, pengembang AI mungkin suatu hari nanti bisa menjamin bahwa sistem mereka benar-benar aman.

    “Kami ingin merilis AI dan bisa mengatakan dengan yakin bahwa AI ini tidak memiliki tujuan tersembunyi,” jelas Marks. “Kami akan mengujinya dengan para ahli terbaik, dan jika mereka tidak menemukan apa pun, itu akan menjadi bukti bahwa sistem ini aman.”

    Referensi:

    Anthropic.com-“Auditing language models for hidden objectives”.

    VentureBeat.com.-“Anthropic researchers forced Claude to become deceptive — what they discovered could save us from rogue AI”.

    Marks, S., Treutlein, J., Bricken, T., Lindsey, J., Marcus, J., Mishra-Sharma, S., & Ziegler, D. (2024). Auditing Language Models for Hidden Objectives. Anthropic.

    Artikel Peneliti Anthropic Memaksa Claude Bersikap Manipulatif :Temuan Mereka Bisa Menyelamatkan Kita dari AI Nakal pertama kali tampil pada Lunafitch Tech-Wawasan Teknologi Merubah Cara Hidup.

  • Pixel 10 Pro Fold: Si Penantang Serius Galaxy Z Fold 7, Bakal Jadi Raja Ponsel Lipat?

    Ponsel lipat bukan sekadar tren, tapi sudah jadi perlombaan teknologi antar raksasa. Tahun ini, pasar ponsel lipat semakin ramai dengan kehadiran Google Pixel 10 Pro Fold dan Samsung Galaxy Z Fold 7 yang bersaing ketat.

    Kedua ponsel ini menawarkan berbagai inovasi menarik. Akan tetapi, Pixel 10 Pro Fold memiliki sejumlah keunggulan yang signifikan sehingga sulit untuk diabaikan, bahkan jika dibandingkan dengan pemimpin pasar.

    Disclaimer: Informasi ini bisa jadi salah, cek lagi dari sumber yang terpercaya.

    Desain Makin Elegan, Layar Lebih Mewah

    Google Pixel 10 Pro Fold hadir dengan desain yang lebih ramping berkat layar cover 6,4 inci yang hampir tanpa bingkai, sehingga terasa nyaman saat digenggam.

    Saat dibuka, layar bagian dalam mencapai 8 inci-masih terasa lega untuk multitasking atau nonton film bareng temen.

    Uniknya, dibanding model sebelumnya, ponsel ini punya kecerahan panel sampai 3.000 nit. Jadi, mantap digunakan di bawah terik matahari tanpa bikin mata sakit.

    Sementara itu, Galaxy Z Fold 7 hadir dengan layar AMOLED 8 inci yang sangat tipis, hanya 8,9 mm saat dilipat, dan tingkat kecerahan mencapai 2.600 nit.

    Bobotnya juga ringan, cuma 215 gram. Rasanya seperti membawa ponsel bar biasa, tidak bikin pegal meski seharian di genggaman.

    Sayang nya inovasi Samsung tahun ini belum meningkatkan baterai atau fitur stylus secara signifikan, yang agak mengecewakan bagi para fans.

    Tahan Air—Pixel 10 Pro Fold Bikin Standar Baru

    Salah satu gebrakan yang bikin heboh, Pixel 10 Pro Fold kabarnya akan jadi ponsel lipat pertama di dunia yang mengantongi sertifikasi IP68.

    Dengan kata lain, Pixel 10 Pro Fold betul-betul kebal terhadap masuknya debu dan bisa bertahan di dalam air dengan kedalaman 1,5 meter selama setengah jam.

    Standar ketahanan ini biasanya hanya ditemukan pada ponsel biasa kelas atas. Sementara itu, Galaxy Z Fold 7 masih mengandalkan sertifikasi IP48, yang cukup baik namun belum sepenuhnya aman untuk penggunaan di kondisi ekstrem.

    Performa, Memori, dan Daya Tahan

    Pixel 10 Pro Fold ditenagai oleh prosesor Tensor G5 3nm yang efisien dan kuat, dipadukan dengan RAM 16GB dan opsi penyimpanan internal mulai dari 256GB, 512GB, hingga 1TB bagi pengguna yang gemar menyimpan file berukuran besar.

    Kapasitas baterainya bahkan mencapai 5.015 mAh, sedikit lebih unggul dari rival utama.

    Namun, Samsung Galaxy Z Fold 7 mempercayakan performanya pada Snapdragon 8 Elite terbaru dengan RAM hingga 16GB.

    Namun, kapasitas baterai 4.400 mAh dan kemampuan pengisian daya yang mentok di 25W terasa kurang ngebut jika dibandingkan para pesaing.

    Untuk memori internal, Samsung menawarkan varian hingga 1TB, namun distribusi model ini kadang terbatas di beberapa negara.

    Kamera dan Fitur Fotografi

    Soal fotografi, Pixel 10 Pro Fold tidak terlalu banyak berubah dari generasi sebelumnya: kamera utama 48MP, ultrawide 10,5MP, dan telefoto 10,8MP dengan zoom 5x.

    Meski begitu, kualitas gambar tetap mumpuni untuk kebutuhan harian hingga media sosial dan video.

    Di sisi lain, Galaxy Z Fold 7 mengusung sensor 200MP, serupa dengan seri ponsel premium mereka, yang menghasilkan foto dengan detail tinggi dan mendukung perekaman video hingga 8K pada 30fps.

    Meskipun kamera telefoto hanya mencapai zoom optik 3x, para penggemar fotografi tetap akan menyukai fitur-fitur Samsung.

    Harga dan Kekurangan Masing-Masing

    Pixel 10 Pro Fold menawarkan khas Google: inovasi tanpa meninggalkan kepraktisan.

    Namun, harga resminya di pasar Indonesia belum diumumkan, tapi diperkirakan bakal bersaing ketat dengan Samsung.

    Untuk Samsung Galaxy Z Fold 7, harganya diperkirakan sekitar Rp28,5 juta.Meski membawa banyak peningkatan, harga tinggi dan ketiadaan fitur stylus jadi dua catatan minus utama.

    Selain itu, Samsung juga belum mampu meningkatkan kapasitas baterai dan kecepatan isi daya pada generasi terbaru ini.

    Sumber:
    Review Samsung Galaxy Z Fold 7: Si HP Lipat Tertipis 2025, Banyak Upgrade Tapi Masih Punya Kekurangan – Pikiran Rakyat

    Spesifikasi dan Harga Google Pixel 10 Pro Fold, Rilis Agustus – Lampost

    Pixel 10 Pro Fold Bocor: Siap Jadi Ponsel Lipat Terbaik 2025 – Garut 60 Detik

    Canggih! Pixel 10 Pro Fold Bakal Jadi Ponsel Lipat Pertama dengan Sertifikasi IP68 – TechRadar

    Spesifikasi dan Kelebihan Samsung Galaxy Z Fold 7 Lengkap – Garut 60 Detik

    Bocoran Google Pixel 10 Pro Fold, Bakal Jadi HP Lipat Terbaik 2025 – Viva

    Samsung Galaxy Z Fold 7 (2025): Spesifikasi, Harga, Fitur Unggulan – Techcorner

    Ponsel Lipat Terbaik 2025: Google, Samsung, dkk – PCMag

    Artikel Pixel 10 Pro Fold: Si Penantang Serius Galaxy Z Fold 7, Bakal Jadi Raja Ponsel Lipat? pertama kali tampil pada Lunafitch Tech-Wawasan Teknologi Merubah Cara Hidup.

  • AI Generatif SCIGEN: Revolusi Penemuan Material Kuantum di Era Komputasi Masa Depan

    AI Generatif SCIGEN: Revolusi Penemuan Material Kuantum di Era Komputasi Masa Depan

    Lunafitch.com-Halo gais tau nggak sih kalau dunia teknologi kuantum sedang mengalami terobosan yang belum pernah terjadi sebelumnya.

    Dengan perpaduan kecerdasan buatan dan fisika kuantum, para peneliti kini mampu merancang material dengan sifat eksotis yang dapat mengubah paradigma komputasi, sensor, dan komunikasi modern.

    Nah pada kesempatan kali ini aku akan Sedikit jelasin pada kalian yaitu SCIGEN (Structural Constraint Integration in GENerative model atau kalau di terjemahin yaitu sistem integrasi constraint struktural dalam model generatif) yang di perkenalkan oleh tim Massachusetts Institute of Technology atau bisa di singkat MIT, sebuah framework yang memungkinkan AI generatif menciptakan material kuantum dengan presisi dan kecepatan yang menakjubkan.

    Disclaimer: Artikel ini bersifat edukatif dengan memerlukan pemahaman yang sedikit mendalam ( terutama di bidang fisika ), selalu periksa sumber informasi yang valid untuk menghindari kesalahfahaman, jika ada informasi yang keliru silahkan tinggalkan di kolom komentar.

    Daftar Isi

    Mengapa Material Kuantum Menjadi Kunci Masa Depan Teknologi?

    Nah perlu temen-temen tau kalau material kuantum itu bukan sekedar tren penilaian, melainkan fondasi teknologi masa depan yang akan mengubah cara kita berinteraksi dengan dunia digital.

    Material-material ini tu sifatnya unik seperti superkonduktivitas ( Yaitu kemampuan menghantarkan listrik tanpa resistansi) pada suhu yang tinggi, kemudianrespon magnetik nya yang tidak biasa, dan kemampuan untuk mempertahankan keadaan kuantum.

    Dalam konteks komputasi kuantum, material ini tu berperan sebagai qubit ( atau biasa di sebut dengan quantum bit, kalau di indonesia kan bisa di bilang sebagai unit dasar informasi kuantum ) yang memerlukan stabilitas ekstrem untuk mencegah dekoherensi ( yaitu hilangnya sifat kuantum karena gangguan lingkungan ).

    Sayangnya, proses penemuan material kuantum tradisional sangat lambat dan tidak efisien. Para peneliti menghabiskan bertahun-tahun untuk mengidentifikasi satu kandidat material yang memenuhi persyaratan kuantum spesifik.

    Tantangan yang aku jelasin tadi itu semakin kompleks karena material kuantum memerlukan struktur kristal yang sangat spesifik.

    Contoh nya, yaitu ada yang namanya quantum spin liquid ( yaitu fase materi eksotis di mana spin elektron tetap dalam keadaan ‘cair’ bahkan pada suhu sangat rendah ) membutuhkan pola geometris ( istilah yang merujuk pada segala sesuatu yang berkaitan dengan geometri, sebuah cabang matematika yang mempelajari tentang sifat-sifat garis, sudut, bidang, dan ruang) khusus seperti contoh yaitu Kagome lattice ( sebuah struktur kisi yang menyerupai pola jalinan bambu di Jepang ) atau contoh lain yaitu Archimedean lattice ( pola ubin 2D yang terdiri dari berbagai poligon) untuk menghasilkan perilaku kuantum yang diinginkan.

    SCIGEN: Ketika AI Bertemu dengan Fisika Kuantum

    Structural Constraint Integration in GENerative model atau SCIGEN mewakili pendekatan revolusioner dalam penemuan material.

    Berbeda dengan model AI generatif konvensional yang menghasilkan struktur material secara acak, SCIGEN menerapkan “aturan desain” berbasis fisika untuk mengarahkan proses generasi.

    Tim peneliti yang dipimpin oleh Profesor Mingda Li dari MIT mengidentifikasi bahwa model AI komersial existing terlalu fokus pada stabilitas termodinamik (Yaitu kemampuan material untuk tetap stabil secara energi) material.

    Implementasi SCIGEN melibatkan penggunaan aturan matematis yang menghubungkan struktur kisi geometris dengan sifat kuantum yang diinginkan.

    Model difusi (yaitu jenis model AI yang menghasilkan data dengan menghilangkan noise secara bertahap) seperti yang digunakan dalam DeepMind’s GNoME kemudian dikombinasikan dengan Graph Neural Networks (yaitu jenis model AI yang memproses data berbentuk graf/jaringan) untuk menghasilkan material dengan probabilitas keberhasilan yang jauh lebih tinggi.

    Mekanisme Kerja yang Mengubah Permainan

    Nah Keunggulan dari SCIGEN terletak pada pendekatannya yang “physics-informed” (diinformasikan oleh fisika).

    Alih-alih membiarkan AI bekerja tanpa panduan, sistem ini memasukkan knowledge domain (pengetahuan spesifik bidang) dari fisika material sebagai kompas navigasi.

    Para peneliti menanamkan constraint geometris (batasan bentuk struktur) dan elektronik yang telah terbukti menghasilkan sifat kuantum langka.

    Proses ini dapat dianalogikan seperti memberikan GPS kepada AI dalam menjelajahi ruang material yang sangat luas. Tanpa panduan, AI mungkin mengeksplorasi area yang tidak relevan selama jangka waktu yang cukup lama.

    Dengan SCIGEN, AI diarahkan langsung ke wilayah yang memiliki potensi tinggi menghasilkan material dengan karakteristik kuantum yang diinginkan.

    Dalam implementasinya, tim MIT berhasil menghasilkan lebih dari 10 juta kandidat material, melakukan screening stabilitas pada 1 juta kandidat, dan menjalankan simulasi detail pada 26.000 material.

    Yang menakjubkan, lebih dari 40% dari material yang disimulasikan menunjukkan tanda-tanda magnetisme ( indikator penting untuk aplikasi kuantum).

    Dampak Transformatif untuk Komputasi Kuantum

    Revolusi yang dibawa SCIGEN itu ndak hanya tentang kecepatan penemuan, tetapi juga kualitas material yang dihasilkan. Dalam konteks komputasi kuantum, stabilitas qubit merupakan faktor krusial yang menentukan keberhasilan sistem kuantum praktis.

    Penelitian terbaru menunjukkan bahwa material topologis (material dengan sifat elektronik yang dilindungi oleh topologi) yang dihasilkan melalui pendekatan serupa mampu meningkatkan stabilitas qubit hingga 40%.

    Dengan SCIGEN, penemuan material-material sejenis dapat dipercepat dari dekade menjadi bulan. Ini membuka peluang besar untuk mewujudkan komputer kuantum yang tidak hanya powerful tetapi juga praktis untuk aplikasi komersial.

    Selain itu, SCIGEN juga berpotensi mengakselerasi penemuan quantum spin liquid, sebuah fase materi eksotis yang sangat dicari untuk aplikasi komputasi kuantum topologi (desain atau struktur yang mendeskripsikan cara perangkat).

    Material ini memiliki sifat unik di mana momen magnetik (besaran yang menggambarkan kekuatan magnet) tetap dalam keadaan liquid bahkan pada suhu absolute zero, memberikan perlindungan alami terhadap noise (gangguan) eksternal.

    Perbandingan dengan Metode Konvensional

    Nah, temen-temen juga perlu tau perbedaan efisiensi antara SCIGEN dan metode tradisional sangat mencolok. Laboratorium konvensional biasanya menghasilkan puluhan kandidat material per tahun melalui eksperimen trial-and-error. Sementara itu, SCIGEN mampu menghasilkan jutaan kandidat dalam hitungan minggu.

    Ini berarti pengurangan drastis dalam pemborosan sumber daya untuk eksperimen yang tidak produktif.

    Namun, validasi eksperimental tetap menjadi tahap krusial. Tim MIT telah berhasil mensintesis dua material baru – TiPdBi dan TiPbSb – yang dikonfirmasi memiliki sifat eksotis sesuai prediksi AI.

    Keberhasilan ini membuktikan bahwa prediksi SCIGEN dapat diterjemahkan menjadi material nyata dengan properties yang diharapkan.

    Referensi:
    –MIT News – New tool makes generative AI models more likely to create breakthrough materials.
    – The Quantum Insider – MIT-Led Research Creates Tool That Makes Generative AI Models More Likely to Create Quantum-Ready Materials.
    – Electronics For You – AI Unlocks New Quantum Materials.
    – Web Pro News – MIT’s SCIGEN Tool Boosts AI for Stable Quantum Materials Design.
    – Lawrence Berkeley National Laboratory – A New Approach to Accelerate the Discovery of Quantum Materials.
    – Science Magazine – Materials challenges and opportunities for quantum computing.
    – Quantum Zeitgeist – How Quantum Computers Are Transforming Materials Science.
    – World Economic Forum – AI can transform innovation in materials design.

    Artikel AI Generatif SCIGEN: Revolusi Penemuan Material Kuantum di Era Komputasi Masa Depan pertama kali tampil pada Lunafitch Tech-Wawasan Teknologi Merubah Cara Hidup.