Flapping Airplanes: Lab AI Baru Ingin Model Belajar Radikal, Tak Terikat Data Besar

SAN FRANCISCO, (16 Februari 2026) –

Beberapa bulan terakhir, banyak lab riset AI yang menarik bermunculan. Di antara yang paling menjanjikan adalah Flapping Airplanes, sebuah entitas yang didorong oleh para pendiri mudanya yang ingin menemukan cara melatih AI yang tidak terlalu “haus data”. Mengutip laporan dari TechCrunch, inisiatif ini berpotensi mengubah lanskap ekonomi dan kapabilitas model AI di masa depan, didukung oleh pendanaan awal sebesar $180 juta yang memberi mereka ruang untuk berinovasi.

Dalam sebuah wawancara pekan lalu, Russell Brandom dari TechCrunch berbicara dengan tiga pendiri Flapping Airplanes—saudara kandung Ben dan Asher Spector, serta Aidan Smith—tentang mengapa ini adalah momen yang tepat untuk memulai lab AI baru dan mengapa mereka terus kembali pada gagasan tentang otak manusia.

Mengapa Sekarang?

Ben Spector menjelaskan bahwa meskipun kemajuan dalam AI selama lima hingga sepuluh tahun terakhir sangat spektakuler, masih banyak yang perlu dilakukan. “Kami menyukai alat-alat ini, kami menggunakannya setiap hari. Tetapi pertanyaannya, apakah ini seluruh alam semesta yang perlu terjadi? Jawaban kami adalah tidak, masih banyak lagi yang harus dilakukan,” katanya. Menurutnya, masalah data efficiency adalah kunci yang harus ditelusuri. Model-model frontier saat ini dilatih dengan totalitas pengetahuan manusia, padahal manusia dapat belajar dengan jauh lebih sedikit data.

Flapping Airplanes adalah taruhan terkonsentrasi pada tiga hal: bahwa masalah data efficiency itu penting dan dapat dicapai kemajuan, bahwa ini akan sangat berharga secara komersial, dan bahwa tim yang tepat untuk melakukannya adalah tim yang kreatif dan bahkan dalam beberapa hal, belum berpengalaman, yang dapat melihat masalah ini dari awal lagi.

Aidan Smith menambahkan bahwa mereka tidak melihat diri mereka bersaing dengan lab lain, karena mereka memecahkan masalah yang sangat berbeda. “Jika Anda melihat pikiran manusia, ia belajar dengan cara yang sangat berbeda dari transformers. Bukan berarti lebih baik, hanya saja sangat berbeda,” jelasnya. LLM memiliki kemampuan luar biasa untuk menghafal dan memanfaatkan beragam pengetahuan, tetapi mereka membutuhkan rivers and rivers of data untuk menguasai keterampilan baru. Algoritma yang digunakan otak manusia sangat berbeda dari gradient descent dan teknik yang digunakan untuk melatih AI saat ini.

Asher Spector menyoroti sisi ilmiah dan komersial. Ia berpendapat bahwa secara ilmiah sangat menarik untuk memahami perbedaan cara belajar manusia dan AI. Secara komersial, ini sangat berharga karena banyak bidang penting yang memiliki batasan data, seperti robotics atau scientific discovery. “Bahkan dalam aplikasi enterprise, model yang a million times more data efficient mungkin a million times easier to put into the economy,” katanya.

Otak sebagai “Lantai, Bukan Plafon”

Nama “Flapping Airplanes” mencerminkan filosofi mereka. Aidan Smith, yang latar belakangnya termasuk Neuralink, melihat otak sebagai existence proof — bukti bahwa ada algoritma lain di luar sana. “Otak memiliki batasan-batasan gila. Secara realistis, mungkin ada pendekatan yang jauh lebih baik daripada otak di luar sana, dan juga sangat berbeda dari transformer,” ujarnya. Mereka terinspirasi oleh otak, tetapi tidak terikat padanya.

Ben Spector membandingkannya dengan pesawat: current systems adalah Boeing 787 yang besar. Mereka tidak mencoba membangun burung, itu terlalu jauh. Mereka mencoba membangun semacam flapping airplane. Perbedaan hardware antara otak dan silicon berarti sistem yang dihasilkan akan terlihat berbeda, tetapi inspirasi dari otak tetap dapat digunakan untuk meningkatkan sistem AI.

Flapping Airplanes mengambil pendekatan yang berfokus pada riset fundamental. Asher Spector mengakui bahwa mereka tidak memiliki timeline yang jelas untuk komersialisasi. “Kami mencari kebenaran,” katanya. Namun, mereka bersemangat untuk komersialisasi di masa depan, begitu riset mereka menghasilkan nilai yang signifikan. Fokus riset yang intens di awal adalah kunci untuk mencapai pekerjaan yang benar-benar berbeda.

Proses pendanaan $180 juta, yang datang dari investor papan atas seperti Google Ventures, Sequoia, dan Index, menunjukkan adanya “haus akan era riset” di pasar. Tim Flapping Airplanes terkejut melihat seberapa baik pesan mereka diterima, menunjukkan bahwa ide-ide radikal mereka beresonansi dengan para investor.

Dampak Efisiensi Data & Masa Depan AI

Meski foundation models biasanya membutuhkan biaya compute yang sangat besar, Ben Spector mengatakan bahwa riset fundamental yang mendalam justru bisa lebih murah daripada pekerjaan inkremental. “Karena ketika Anda melakukan pekerjaan inkremental, untuk mengetahui apakah itu berhasil atau tidak, Anda harus naik sangat jauh dalam scaling ladder,” jelasnya. Ide-ide baru yang radikal, jika gagal, biasanya akan terlihat di awal, sehingga tidak memerlukan biaya GPU yang masif.

Jika AI dapat dilatih dengan lebih efficient, apa yang mungkin terjadi? Asher Spector memberikan tiga hipotesis:

1. Pemahaman Mendalam: Model akan dipaksa untuk memiliki pemahaman yang sangat dalam tentang apa yang dilihatnya, sehingga mungkin lebih cerdas dalam penalaran, meskipun mengetahui lebih sedikit fakta.
2. Adaptasi Cepat: Post training menjadi jauh lebih efficient. Dengan beberapa contoh saja, model bisa masuk ke domain baru.
3. Membuka Vertikal Baru: AI dapat diterapkan pada robotics atau scientific discovery yang saat ini terhambat oleh keterbatasan data.

Ben Spector melihat AI bukan hanya sebagai teknologi deflationary yang mengotomatiskan pekerjaan, tetapi sebagai pencipta ilmu dan teknologi baru yang manusia tidak cukup pintar untuk menemukannya. “Penting bahwa model-model sangat berada di sisi creativity dari spektrum,” tegasnya, dengan misi untuk membuat AI melakukan hal-hal yang fundamentally humans couldn’t do before.

Merevolusi Perekrutan dan Pandangan AGI

Flapping Airplanes juga berbeda dalam pendekatan perekrutan, mencari orang yang sangat muda, bahkan masih di bangku kuliah atau sekolah menengah. Aidan Smith mencari creativity—orang yang memiliki ide-ide baru dan berpikir dengan cara yang tidak terikat oleh konteks ribuan papers. Ben Spector mencari orang yang bisa mengajarinya sesuatu yang baru, karena ide-ide kreatif adalah prioritas utama dalam riset. Mereka menyambut latar belakang yang tidak biasa dan individu yang tidak takut mengubah paradigma.

Mengenai AGI (Artificial General Intelligence), Asher Spector menyatakan tidak tahu persis artinya, tetapi melihat bahwa kapabilitas AI berkembang pesat. Ia tidak berpikir kita akan segera mencapai “God-in-a-box” atau singularity yang membuat manusia usang. Aidan Smith mengulangi, “otak bukanlah ceiling, otak adalah floor.” Mereka berharap menciptakan kapabilitas yang jauh lebih menarik, berbeda, dan berpotensi lebih baik daripada otak dalam jangka panjang. Mereka tidak berusaha menjadi better tapi different, dengan trade-offs yang akan memungkinkan AI beradaptasi lebih luas dan lebih cepat di berbagai domain.

Dampak bagi Indonesia

Keberhasilan Flapping Airplanes dalam mengembangkan AI yang data-efficient dapat membawa dampak transformatif bagi ekosistem teknologi di Indonesia. Dengan model AI yang tidak terlalu "haus data" atau GPU untuk training, hambatan masuk bagi startup AI lokal akan menurun secara signifikan. Banyak startup di Indonesia mungkin memiliki akses terbatas ke datasets yang sangat besar atau infrastruktur Cloud Computing dan Data Center kelas atas yang diperlukan untuk melatih LLM saat ini. Model yang lebih data-efficient akan memungkinkan mereka mengembangkan solusi AI kompetitif dengan sumber daya yang lebih sedikit.

Selain itu, ini akan membuka peluang besar untuk pengembangan AI yang spesifik konteks Indonesia. Sektor-sektor seperti pertanian, perikanan, atau bahkan aplikasi bahasa lokal dan dialek daerah, seringkali memiliki data yang niche dan tidak melimpah. AI yang data-efficient dapat memungkinkan terciptanya model yang sangat terspesialisasi untuk memenuhi kebutuhan unik ini, tanpa perlu mengumpulkan rivers and rivers of data yang mahal dan memakan waktu. Ini juga berpotensi mengurangi biaya operasional bagi perusahaan yang ingin mengadopsi AI, membuatnya lebih terjangkau bagi Usaha Mikro, Kecil, dan Menengah (UMKM) serta industri yang belum terdigitalisasi sepenuhnya. Dari sisi talenta, pendekatan Flapping Airplanes yang mengutamakan creativity dan riset fundamental dapat menginspirasi lembaga pendidikan dan komunitas developer AI di Indonesia untuk menumbuhkan pola pikir inovatif, melahirkan generasi AI Engineer yang tidak hanya mampu mengaplikasikan AI yang ada, tetapi juga menciptakan paradigma baru.

---

Artikel ini akan diperbarui seiring tersedianya informasi baru. Join Komunitas Rekayasa AI di Discord untuk diskusi lebih lanjut.