Masa Depan Riset AI: AI Diprediksi Menyamai Peneliti Manusia Terbaik pada 2028

Dwarkesh Patel, pembawa acara podcast Dwarkesh, memangkas drastis perkiraannya soal kapan kecerdasan buatan (AI) menyamai peneliti manusia terbaik. 🔗 dwarkesh.com

Dalam esai video berjudul "Recursive self-improvement has started" yang dirilis 13 November 2026, Patel menyebut tahun median 2028 untuk AI yang setara dengan peneliti AI manusia terbaik. 🔗 YouTube

Sebelumnya, ia memperkirakan jarak menuju superinteligensi masih "bagian yang lebih baik dari satu dekade". Kini ia menilai momen itu hanya berjarak dua tahun, bahkan mungkin hanya hitungan bulan.

Patel memberi peluang 25 persen bahwa capaian tersebut baru terjadi setelah 2032. Sebaliknya, ia juga menilai tonggak itu bisa datang lebih cepat, pada 2027, seperti yang diperkirakan sejumlah peneliti yang ia kenal. 🔗 dwarkesh.com

Bukti percepatan sudah berjalan

Patel mendasarkan revisi itu pada bukti bahwa AI sudah mempercepat riset AI itu sendiri. Organisasi evaluasi independen METR menyimpulkan laju kemajuan Anthropic pada tugas yang terdefinisi baik kini dua kali lipat dibanding setahun lalu, dan sebagian besar percepatan itu kemungkinan berasal dari pemakaian AI untuk riset dan pengembangan. 🔗 dwarkesh.com

• OpenAI: 10 persen pengguna internal terberat menaikkan pemakaian agen coding internal dari sekitar US$1.000 per hari pada awal musim panas menjadi lebih dari US$7.000 per hari pada akhir Agustus 2026. 🔗 dwarkesh.com
• Anthropic: Claude memimpin lebih dari 26 persen pekerjaan riset dan pengembangan AI perusahaan pada Agustus 2026, naik dari kurang dari 1 persen pada Februari. 🔗 dwarkesh.com
• Matematika menjadi pratinjau: sekitar sebulan lalu, sebuah model menyelesaikan soal Millennium Prize dalam 88 jam. 🔗 dwarkesh.com

Dalam tiga tahun, AI matematika bergerak dari tak bisa menjumlah angka empat digit secara andal, menjadi peraih medali emas Olimpiade Matematika Internasional, lalu pemecah soal terbuka. Patel berargumen riset AI punya sifat yang sama: kemajuan yang bisa diverifikasi dan dilatih berulang kali.

Dua skenario setelah riset AI terotomatisasi

Setelah AI menyamai peneliti manusia terbaik, Patel mengajukan dua skenario yang masing-masing ia beri peluang 50 persen. Yang pertama ia sebut "software-only singularity" atau singularitas lunak. 🔗 dwarkesh.com

Dalam skenario itu, kawanan peneliti otomatis terus membuat versi dirinya yang makin pintar tanpa tambahan komputasi, hingga dalam hitungan bulan mencapai superinteligensi yang menyentuh batas fisik chip saat ini.

Skenario kedua ia sebut "spark". Jika gagasan baru makin sulit ditemukan lebih cepat daripada AI makin pintar meneliti, kemajuan tiga sampai enam tahun akan terkompresi ke dalam satu tahun kalender, lalu mereda sampai komputasi baru dibangun. 🔗 dwarkesh.com

Bahkan skenario spark saja, kata Patel, akan terasa gila: lompatan sebesar dari GPT-3.5 ke GPT-6 Astra dalam 12 bulan. Dan ia memperkirakan, tak lama setelah riset AI terotomatisasi — pada 2030, mungkin seawal tahun depan — AI akan setidaknya sebaik pakar manusia terbaik di semua bidang. 🔗 dwarkesh.com

Mengapa riset AI bisa diotomatisasi

Menurut Patel, riset AI cukup terverifikasi untuk dilatih: kemajuan pretraining, post-training, dan efisiensi inferensi masing-masing punya tolok ukur yang bisa diuji otomatis. Itulah yang membuat ribuan putaran latihan pada tugas riset bisa menggeneralisasi ke bagian riset yang tak langsung bisa dicek. 🔗 dwarkesh.com

• Peneliti otomatis bekerja sekitar 10 kali kecepatan manusia dan sepanjang waktu, sehingga satu peneliti otomatis mengerjakan kira-kira 50 kali beban kerja mingguan seorang peneliti manusia. 🔗 dwarkesh.com
• Sekitar 80 persen kemajuan algoritmik di sebuah lab frontier didorong oleh 50 peneliti teratasnya — dan dalam skenario otomatisasi, setiap peneliti akan berada di level itu. 🔗 dwarkesh.com
• AI bisa mengakumulasi konteks penerapan selama bertahun-tahun hanya dalam hitungan minggu, sehingga Patel memperkirakan AI mencapai kinerja pakar top di hampir semua bidang dalam hitungan bulan setelah diterjunkan. 🔗 dwarkesh.com

Patel juga mencatat tekanan yang sudah dirasakan lab saat ini: perusahaan AI harus melipatgandakan komputasi riset empat kali lipat dan menggandakan tenaga kerja setiap tahun hanya untuk mempertahankan laju kemajuan yang sama. 🔗 dwarkesh.com

Yang masih bisa meleset

Ini tetap sebuah prediksi, bukan capaian terukur, dan Patel sendiri menekankan ketidakpastiannya. Perkiraan median 2028 berasumsi lab tidak sengaja memperlambat pengembangan dan tidak dihambat pemerintah. 🔗 AI Weekly

Bagian riset yang sulit diotomatisasi antara lain selera riset: kemampuan bertaruh bertahun-tahun sebelumnya pada arah riset yang tepat, seperti yang dicontohkan Patel pada Ilya Sutskever. Model memang terbukti menggeneralisasi jauh melampaui latihannya, tetapi bagian ini belum bisa diverifikasi langsung. 🔗 dwarkesh.com

Meski begitu, Patel menilai dunia sebaiknya bersiap untuk kemungkinan tercepat. Jika laju saat ini berlanjut, ia menulis, kita hanya berjarak beberapa tahun — dan mungkin hanya beberapa bulan — dari AI yang sebaik manusia terbaik dalam riset AI. 🔗 dwarkesh.com

Sumber

• Dwarkesh Patel, "The avalanche that hit math is coming for AI development", dwarkesh.com, 13 November 2026. 🔗 https://www.dwarkesh.com/p/rsi
• Dwarkesh Patel, video "Recursive self-improvement has started", YouTube, 13 November 2026. 🔗 https://www.youtube.com/watch?v=1NHPDzpfR6Y
• AI Weekly, "Dwarkesh Patel: AI Researchers by 2028, Superintelligence 2030", 13 November 2026. 🔗 https://aiweekly.co/alerts/dwarkesh-patel-ai-researchers-by-2028-superintelligence-2030
• Superpower Daily, "Dwarkesh Patel forecasts AI matching the best human AI researchers by 2028", 13 November 2026. 🔗 https://superpowerdaily.com/posts/dwarkesh-patel-forecasts-ai-matching-the-best-human-ai-researchers-by-2028