[{"data":1,"prerenderedAt":185},["ShallowReactive",2],{"site-header":3,"site-footer-license":37,"article-kenapa-ai-suka-halu-dan-gimana-jepa-beresin-masalah-ini-with-latest":41},{"navigations":4},[5,20],{"collection":6,"item":7},"series",{"__typename":6,"title":8,"slug":9,"children_series":10},"Artikel","all",[11,14,17],{"title":12,"slug":13},"Algoritma dan Struktur Data","algoritma-struktur-data",{"title":15,"slug":16},"Konsep Dasar Pemrograman","konsep-dasar-pemrograman",{"title":18,"slug":19},"Kecerdasan Artifisial","kecerdasan-artifisial",{"collection":6,"item":21},{"__typename":6,"title":22,"slug":23,"children_series":24},"Tutorial","tutorial",[25,28,31,34],{"title":26,"slug":27},"Belajar Java","belajar-java",{"title":29,"slug":30},"Belajar Pascal","belajar-pascal",{"title":32,"slug":33},"Belajar Python","belajar-python",{"title":35,"slug":36},"Belajar Golang","belajar-golang",{"name":38,"url":39,"show":40},"CC BY-SA","https://creativecommons.org/licenses/by-sa/4.0/",false,{"article":42,"renderedBody":114,"renderedTakeaway":115,"latestArticles":116,"toc":168},{"id":43,"title":44,"slug":45,"excerpt":46,"published_at":47,"thumbnail_image":48,"tags":50,"reading_time":55,"takeway":56,"body":57,"authors":58,"series":64},"3","Mengenal JEPA: Saat AI Mulai Belajar Punya \"Akal Sehat\"","kenapa-ai-suka-halu-dan-gimana-jepa-beresin-masalah-ini","AI sering 'halu' karena cuma nebak probabilitas data tanpa paham realita. Arsitektur JEPA mencoba mengubah itu dengan membangun model dunia di kepalanya.","2026-06-03T09:32:50.446Z",{"id":49},"bf61f88a-4e30-411b-85af-51b4827d1cc4",[51,52,53,54],"artificial-intelligence","jepa","world-models","yann-lecun",4,null,"Kalian sadar nggak sih, AI zaman sekarang tuh emang makin jago. Mau disuruh nulis kode, bikin puisi, sampai *generate* gambar super realistis, semuanya dilibas. Tapi di balik semua kecerdasannya, AI sering banget bikin kesalahan yang kalau dipikir pakai logika manusia tuh konyol banget.\n\nPernah kan minta AI bikin gambar orang lagi makan, eh yang muncul malah tangan dengan tujuh jari atau garpu yang menyatu sama bibir? Atau AI teks yang dengan santainya nyuruh kita pakai lem biar keju bisa nempel di pizza? Masalah ini utamanya muncul di model model lawas atau model yang ukurannya kecil.\n\nSecara logika fisik, itu jelas ngawur. Masalah utamanya cuma satu: AI saat ini nggak punya *common sense* atau \"akal sehat\". Mereka nggak beneran paham gimana dunia nyata ini bekerja dan cuma nebak-nebak probabilitas kata atau piksel selanjutnya berdasarkan data hafalan.\n\nNah, buat ngakalin jalan buntu ini, muncul arsitektur baru namanya **JEPA (Joint-Embedding Predictive Architecture)**. Dikembangkan dari visi Yann LeCun di Meta, JEPA ini bukan sekadar model AI biasa. Ini adalah pondasi baru biar mesin bisa beneran ngerti realita. Yuk, kita bedah pelan-pelan kenapa JEPA ini bakal jadi *game changer*!\n\n## Kenapa AI Generatif Masih Sering \"Halu\"?\n\nCoba deh perhatiin balita atau kucing peliharaan kalian di rumah pas lagi iseng nyenggol gelas di pinggir meja. Begitu gelasnya jatuh dan pecah, mereka langsung belajar satu hukum fisika dasar: barang itu jatuhnya ke bawah, dan kalau dari kaca pasti pecah. Mereka cuma butuh ngelihat kejadian itu sekali dua kali buat paham konsepnya seumur hidup.\n\nBandingin sama AI yang ada sekarang. Mereka terlalu manja sama data. AI butuh disuapi jutaan video gelas jatuh yang udah dilabeli sama manusia baru bisa paham konsep \"jatuh\". Belum lagi AI yang dilatih pakai metode *trial and error* untuk main *game*; mereka butuh nabrak tembok ribuan kali dulu sampai akhirnya sadar kalau tembok itu keras.\n\nKemampuan \"mengamati dan langsung paham\" layaknya makhluk hidup inilah yang selama ini hilang dari AI, dan sekarang pelan-pelan mulai ditanamkan ke dalam JEPA.\n\n## Simulasi Masa Depan Lewat *World Models*\n\nIde paling brilian dari JEPA ada di kemampuannya buat ngebangun *World Models* atau model dunia. Gampangnya, ini tuh semacam simulasi mental di dalam \"kepala\" AI tentang gimana dunia ini berjalan.\n\nPas kalian mau nyebrang jalan raya yang lagi rame, otak kalian nggak mungkin pasrah jalan maju terus baru mundur pas ketabrak motor, kan? Secara otomatis, otak kita ngelakuin simulasi masa depan: *\"Wah, kalau aku nyebrang sekarang dengan kecepatan segini, dan motor di sana ngebut gitu, bisa ketabrak nih. Mending nunggu lima detik lagi.\"*\n\nJEPA ngajarin AI untuk punya kemampuan meramal kayak gitu. Alih-alih bereaksi buta, AI bisa mensimulasikan berbagai skenario di kepalanya, menimbang akibatnya, lalu ngerencanain tindakan yang paling aman. Persis kayak cara kita mikir sebelum nyebrang jalan.\n\n## Berhenti Pusing Mikirin Piksel, Mulai Fokus ke Inti\n\nAda satu perbedaan filosofis yang lumayan kerasa antara JEPA sama AI video atau gambar yang beredar sekarang. AI generatif itu ibaratnya terlalu perfeksionis, tapi malah jadi kurang pintar.\n\nBayangin aja ada AI yang disuruh memprediksi kelanjutan video mobil yang lagi melaju di jalanan dengan *background* pohon rindang. Kalau AI biasa, dia bakal ngabisin komputasi buat nebak ke arah mana ribuan helai daun di pohon itu bakal tertiup angin. Padahal arah daun itu kan acak dan sama sekali nggak penting buat cerita utamanya.\n\nDi sinilah JEPA milih jalan yang jauh lebih elegan. Dia nggak peduli sama piksel demi piksel. JEPA sengaja \"menutup mata\" pada detail remah-remah kayak arah daun atau pantulan cahaya di kaca spion, dan cuma fokus pada representasi abstraknya: *mobil ini bergerak maju dua meter*.\n\nPemahaman akan \"esensi\" inilah yang jadi cikal bakal akal sehat. AI nggak lagi terjebak di detail visual, tapi bener-bener fokus ke hukum sebab-akibat.\n\n## Mikir Jangka Panjang dengan H-JEPA\n\nNgomong-ngomong soal rencana, manusia itu kalau bikin rencana pasti bertahap. Dari yang sifatnya abstrak banget sampai ke hal-hal teknis.\n\nMisalnya nih, kalian lagi laper dan pengen masak mi instan pakai telur. Tujuan besarnya kan itu, abstrak dan jangka panjang. Begitu tujuannya udah dikunci, baru deh otak kalian nurunin perintah jadi hal-hal teknis: *nyalain kompor, tuang air ke panci, masukin mi.* JEPA juga punya mekanisme buat meniru alur berpikir ini lewat **Hierarchical JEPA (H-JEPA)**. Di tingkat pikiran yang paling atas, AI bikin rencana jangka panjang. Nanti, rencana besar ini bakal ngasih \"perintah\" ke level di bawahnya yang ngurusin hal-hal teknis, misalnya ngasih instruksi ke tangan robot buat muter knop kompor. Semuanya jalan mulus secara hierarkis tanpa bikin mesinnya pusing mikirin semuanya dalam satu waktu.\n\n## Masa Depan?\n\nKehadiran JEPA ngasih kita pandangan yang lebih masuk akal soal masa depan kecerdasan buatan. Lewat *World Models* dan pemahaman konsep yang abstrak, kita akhirnya pelan-pelan berhenti ngajarin AI untuk sekadar jadi \"burung beo\" penebak kata, dan mulai ngebangun AI yang beneran paham hukum fisika di dunia nyata.\n\nDengan ngasih AI kemampuan buat ngebayangin masa depan, mengenali bahaya sebelum bertindak, dan bikin rencana bertahap, JEPA ngebawa kita selangkah lebih deket ke mesin yang punya akal sehat sejati.\n\nMemang sih, AI dengan pemahaman setara manusia nggak bakal muncul besok pagi. Tapi berkat arsitektur kayak gini, pondasinya udah mulai kebentuk. Gimana menurut kalian? Kira-kira hal apa yang bakal paling berubah kalau AI masa depan beneran udah punya \"akal sehat\" dan nggak gampang halu lagi?\n",[59],{"authors_id":60},{"name":61,"slug":62,"role":63,"profile_picture":56},"Daffa Izzuddin","izzudd","Writer",{"id":65,"title":18,"slug":19,"articles":66,"parent_series":106},"8",[67,70,79,88,97],{"id":43,"title":44,"slug":45,"excerpt":46,"thumbnail_image":68,"tags":69},{"id":49},[51,52,53,54],{"id":71,"title":72,"slug":73,"excerpt":74,"thumbnail_image":75,"tags":77},"2","LLM Bakal Mentok, Terus Gimana Dong?","llm-bakal-mentok-terus-gimana-dong","LLM kayak ChatGPT itu jago ngerangkai kata, tapi nggak beneran paham realitas. Yann LeCun bilang arsitektur ini bakal mentok dan butuh solusi baru.",{"id":76},"2538a162-75e8-4ede-bb30-56049e9a1f8d",[51,78,54,52],"llm",{"id":80,"title":81,"slug":82,"excerpt":83,"thumbnail_image":84,"tags":86},"1","Kenapa AI Suka 'Halu'? Kenalan sama JEPA, Otak AI yang Punya Akal Sehat","kenapa-ai-suka-halu-kenalan-sama-jepa-otak-ai-yang-punya-akal-sehat","AI generatif sering 'halu' karena cuma jago nebak pola kata. JEPA coba ngerombak itu dengan ngajarin AI cara kerja dunia nyata kayak otak manusia.",{"id":85},"ccb0b8cf-eec7-4a92-a416-7e0c22bb72ec",[52,51,54,87],"agi",{"id":89,"title":90,"slug":91,"excerpt":92,"thumbnail_image":93,"tags":95},"4","Bukan Sekadar Generative AI, JEPA Coba Kejar Pemahaman Konsep ala Manusia","kenapa-ai-masih-gagal-paham-fisika-dasar-mengenal-arsitektur-jepa","AI biasanya cuma jago nebak piksel, tapi JEPA coba belajar lewat konsep abstrak di ruang laten. Ternyata, cara ini bisa sampai dipakai buat baca gelombang otak.",{"id":94},"1dc76e72-c536-44c8-a995-bf05ddff90e5",[52,54,96,87],"machine-learning",{"id":98,"title":99,"slug":100,"excerpt":101,"thumbnail_image":102,"tags":104},"5","Di Balik Dapur JEPA: Rahasia EMA, VICReg, dan Efisiensi Komputasi","di-balik-dapur-jepa-rahasia-ema-vicreg-dan-efisiensi-komputasi","Bosen sama AI yang cuma jago nebak kata atau ngafalin pixel? Kenalan sama JEPA, arsitektur revolusioner yang ngajarin mesin punya \"akal sehat\" secara super efisien. Yuk intip jeroan teknisnya!",{"id":103},"b2c9186e-e850-4b5f-99d5-cce6b53726c4",[52,105],"artificial-intelligent",{"id":107,"title":8,"slug":9,"parent_series":56,"children_series":108},"9",[109,111,112],{"id":110,"title":12,"slug":13,"cover_image":56},"15",{"id":65,"title":18,"slug":19,"cover_image":56},{"id":113,"title":15,"slug":16,"cover_image":56},"12","\u003Cp>Kalian sadar nggak sih, AI zaman sekarang tuh emang makin jago. Mau disuruh nulis kode, bikin puisi, sampai \u003Cem>generate\u003C/em> gambar super realistis, semuanya dilibas. Tapi di balik semua kecerdasannya, AI sering banget bikin kesalahan yang kalau dipikir pakai logika manusia tuh konyol banget.\u003C/p>\n\u003Cp>Pernah kan minta AI bikin gambar orang lagi makan, eh yang muncul malah tangan dengan tujuh jari atau garpu yang menyatu sama bibir? Atau AI teks yang dengan santainya nyuruh kita pakai lem biar keju bisa nempel di pizza? Masalah ini utamanya muncul di model model lawas atau model yang ukurannya kecil.\u003C/p>\n\u003Cp>Secara logika fisik, itu jelas ngawur. Masalah utamanya cuma satu: AI saat ini nggak punya \u003Cem>common sense\u003C/em> atau "akal sehat". Mereka nggak beneran paham gimana dunia nyata ini bekerja dan cuma nebak-nebak probabilitas kata atau piksel selanjutnya berdasarkan data hafalan.\u003C/p>\n\u003Cp>Nah, buat ngakalin jalan buntu ini, muncul arsitektur baru namanya \u003Cstrong>JEPA (Joint-Embedding Predictive Architecture)\u003C/strong>. Dikembangkan dari visi Yann LeCun di Meta, JEPA ini bukan sekadar model AI biasa. Ini adalah pondasi baru biar mesin bisa beneran ngerti realita. Yuk, kita bedah pelan-pelan kenapa JEPA ini bakal jadi \u003Cem>game changer\u003C/em>!\u003C/p>\n\u003Ch2 id=\"kenapa-ai-generatif-masih-sering-halu\">Kenapa AI Generatif Masih Sering "Halu"?\u003C/h2>\n\u003Cp>Coba deh perhatiin balita atau kucing peliharaan kalian di rumah pas lagi iseng nyenggol gelas di pinggir meja. Begitu gelasnya jatuh dan pecah, mereka langsung belajar satu hukum fisika dasar: barang itu jatuhnya ke bawah, dan kalau dari kaca pasti pecah. Mereka cuma butuh ngelihat kejadian itu sekali dua kali buat paham konsepnya seumur hidup.\u003C/p>\n\u003Cp>Bandingin sama AI yang ada sekarang. Mereka terlalu manja sama data. AI butuh disuapi jutaan video gelas jatuh yang udah dilabeli sama manusia baru bisa paham konsep "jatuh". Belum lagi AI yang dilatih pakai metode \u003Cem>trial and error\u003C/em> untuk main \u003Cem>game\u003C/em>; mereka butuh nabrak tembok ribuan kali dulu sampai akhirnya sadar kalau tembok itu keras.\u003C/p>\n\u003Cp>Kemampuan "mengamati dan langsung paham" layaknya makhluk hidup inilah yang selama ini hilang dari AI, dan sekarang pelan-pelan mulai ditanamkan ke dalam JEPA.\u003C/p>\n\u003Ch2 id=\"simulasi-masa-depan-lewat-world-models\">Simulasi Masa Depan Lewat \u003Cem>World Models\u003C/em>\u003C/h2>\n\u003Cp>Ide paling brilian dari JEPA ada di kemampuannya buat ngebangun \u003Cem>World Models\u003C/em> atau model dunia. Gampangnya, ini tuh semacam simulasi mental di dalam "kepala" AI tentang gimana dunia ini berjalan.\u003C/p>\n\u003Cp>Pas kalian mau nyebrang jalan raya yang lagi rame, otak kalian nggak mungkin pasrah jalan maju terus baru mundur pas ketabrak motor, kan? Secara otomatis, otak kita ngelakuin simulasi masa depan: \u003Cem>"Wah, kalau aku nyebrang sekarang dengan kecepatan segini, dan motor di sana ngebut gitu, bisa ketabrak nih. Mending nunggu lima detik lagi."\u003C/em>\u003C/p>\n\u003Cp>JEPA ngajarin AI untuk punya kemampuan meramal kayak gitu. Alih-alih bereaksi buta, AI bisa mensimulasikan berbagai skenario di kepalanya, menimbang akibatnya, lalu ngerencanain tindakan yang paling aman. Persis kayak cara kita mikir sebelum nyebrang jalan.\u003C/p>\n\u003Ch2 id=\"berhenti-pusing-mikirin-piksel-mulai-fokus-ke-inti\">Berhenti Pusing Mikirin Piksel, Mulai Fokus ke Inti\u003C/h2>\n\u003Cp>Ada satu perbedaan filosofis yang lumayan kerasa antara JEPA sama AI video atau gambar yang beredar sekarang. AI generatif itu ibaratnya terlalu perfeksionis, tapi malah jadi kurang pintar.\u003C/p>\n\u003Cp>Bayangin aja ada AI yang disuruh memprediksi kelanjutan video mobil yang lagi melaju di jalanan dengan \u003Cem>background\u003C/em> pohon rindang. Kalau AI biasa, dia bakal ngabisin komputasi buat nebak ke arah mana ribuan helai daun di pohon itu bakal tertiup angin. Padahal arah daun itu kan acak dan sama sekali nggak penting buat cerita utamanya.\u003C/p>\n\u003Cp>Di sinilah JEPA milih jalan yang jauh lebih elegan. Dia nggak peduli sama piksel demi piksel. JEPA sengaja "menutup mata" pada detail remah-remah kayak arah daun atau pantulan cahaya di kaca spion, dan cuma fokus pada representasi abstraknya: \u003Cem>mobil ini bergerak maju dua meter\u003C/em>.\u003C/p>\n\u003Cp>Pemahaman akan "esensi" inilah yang jadi cikal bakal akal sehat. AI nggak lagi terjebak di detail visual, tapi bener-bener fokus ke hukum sebab-akibat.\u003C/p>\n\u003Ch2 id=\"mikir-jangka-panjang-dengan-h-jepa\">Mikir Jangka Panjang dengan H-JEPA\u003C/h2>\n\u003Cp>Ngomong-ngomong soal rencana, manusia itu kalau bikin rencana pasti bertahap. Dari yang sifatnya abstrak banget sampai ke hal-hal teknis.\u003C/p>\n\u003Cp>Misalnya nih, kalian lagi laper dan pengen masak mi instan pakai telur. Tujuan besarnya kan itu, abstrak dan jangka panjang. Begitu tujuannya udah dikunci, baru deh otak kalian nurunin perintah jadi hal-hal teknis: \u003Cem>nyalain kompor, tuang air ke panci, masukin mi.\u003C/em> JEPA juga punya mekanisme buat meniru alur berpikir ini lewat \u003Cstrong>Hierarchical JEPA (H-JEPA)\u003C/strong>. Di tingkat pikiran yang paling atas, AI bikin rencana jangka panjang. Nanti, rencana besar ini bakal ngasih "perintah" ke level di bawahnya yang ngurusin hal-hal teknis, misalnya ngasih instruksi ke tangan robot buat muter knop kompor. Semuanya jalan mulus secara hierarkis tanpa bikin mesinnya pusing mikirin semuanya dalam satu waktu.\u003C/p>\n\u003Ch2 id=\"masa-depan\">Masa Depan?\u003C/h2>\n\u003Cp>Kehadiran JEPA ngasih kita pandangan yang lebih masuk akal soal masa depan kecerdasan buatan. Lewat \u003Cem>World Models\u003C/em> dan pemahaman konsep yang abstrak, kita akhirnya pelan-pelan berhenti ngajarin AI untuk sekadar jadi "burung beo" penebak kata, dan mulai ngebangun AI yang beneran paham hukum fisika di dunia nyata.\u003C/p>\n\u003Cp>Dengan ngasih AI kemampuan buat ngebayangin masa depan, mengenali bahaya sebelum bertindak, dan bikin rencana bertahap, JEPA ngebawa kita selangkah lebih deket ke mesin yang punya akal sehat sejati.\u003C/p>\n\u003Cp>Memang sih, AI dengan pemahaman setara manusia nggak bakal muncul besok pagi. Tapi berkat arsitektur kayak gini, pondasinya udah mulai kebentuk. Gimana menurut kalian? Kira-kira hal apa yang bakal paling berubah kalau AI masa depan beneran udah punya "akal sehat" dan nggak gampang halu lagi?\u003C/p>\n","",[117,130,145,157],{"id":118,"title":119,"slug":120,"excerpt":121,"thumbnail_image":122,"tags":124},"46","Mengapa C Mulai Ditinggalkan: Duel Filosofi Keamanan Rust vs Kesederhanaan Zig","mengapa-c-mulai-ditinggalkan-duel-filosofi-rust-vs-zig","Pernah denger kalau sekitar 70% celah keamanan kritis software modern itu asalnya dari bahasa C? Iya, bahasa yang udah jadi fondasi internet ini 😅. Yuk, kita bedah duel filosofi Rust vs Zig dan cari tahu mana yang pas buat proyek kalian!",{"id":123},"1942a5c9-c1f6-476d-9913-768f78d9d8eb",[125,126,127,128,129],"system-programming","rust","zig","c","memory-safety",{"id":131,"title":132,"slug":133,"excerpt":134,"thumbnail_image":135,"tags":137},"45","Rate Limiting Algorithms: Token Bucket vs Leaky Bucket vs Sliding Window","rate-limiting-algorithms-token-bucket-leaky-bucket-sliding-window","Udah tahu kenapa *rate limiting* itu wajib, tapi masih bingung beda Token Bucket, Leaky Bucket, Fixed Window, dan Sliding Window? Yuk, kita adu empat algoritma ini bareng-bareng dan cari tahu mana yang paling pas buat API kalian!",{"id":136},"0e0ed26d-20c6-443c-bde1-4a6200f6f801",[138,139,140,141,142,143,144],"backend","system-design","rate-limiting","redis","api-gateway","architecture","traffict-management",{"id":146,"title":147,"slug":148,"excerpt":149,"thumbnail_image":150,"tags":152},"44","Transactional Outbox Pattern: Solusi Konsistensi Database dan Message Broker Tanpa 2PC","transactional-outbox-pattern-konsistensi-database-message-broker","Pernah nggak kalian lihat pesanan udah masuk database, tapi email konfirmasinya nggak pernah kekirim? Itu gejala *dual-write problem*. Yuk, kita bedah Transactional Outbox Pattern biar data dan *event* kalian nggak lagi berselisih paham!",{"id":151},"e3c617fd-1486-4b82-b937-94fbec846c77",[138,153,143,154,155,139,156],"microservices","database","message-broker","postgresql",{"id":158,"title":159,"slug":160,"excerpt":161,"thumbnail_image":162,"tags":164},"43","Dead Letter Queue (DLQ) & Retry Policy: Menyelamatkan Pesan Nyasar di RabbitMQ Tanpa Bikin Worker Macet","dead-letter-queue-retry-policy-rabbitmq-resilient-messaging","Pernah nggak sih, *worker* kalian nolak satu pesan terus-terusan sampai CPU melonjak 100%? Itu namanya *poison message loop*, jebakan klasik di RabbitMQ. Yuk, kita bahas cara pasang *retry policy* dan *dead letter queue* yang bener!",{"id":163},"6c0a7ead-4841-4073-b29e-df7ae0f2aa3c",[165,155,138,143,153,166,167],"rabbitmq","async","python",[169,173,176,179,182],{"text":170,"depth":171,"id":172},"Kenapa AI Generatif Masih Sering \"Halu\"?",2,"kenapa-ai-generatif-masih-sering-halu",{"text":174,"depth":171,"id":175},"Simulasi Masa Depan Lewat World Models","simulasi-masa-depan-lewat-world-models",{"text":177,"depth":171,"id":178},"Berhenti Pusing Mikirin Piksel, Mulai Fokus ke Inti","berhenti-pusing-mikirin-piksel-mulai-fokus-ke-inti",{"text":180,"depth":171,"id":181},"Mikir Jangka Panjang dengan H-JEPA","mikir-jangka-panjang-dengan-h-jepa",{"text":183,"depth":171,"id":184},"Masa Depan?","masa-depan",1791045066898]