Materi 15 · Capstone Final

Future of AI

Materi penutup kurikulum. AGI, multimodal AI, embodied AI, AI safety, dan tugas akhir capstone untuk menggabungkan semua yang sudah kamu pelajari menjadi project portofolio.

⏱ 30 Menit + Project🎯 All Levels📚 Module 15/15 — CAPSTONE

1. Tren Besar 2026-2030

🤖

Agentic AI

AI yang execute multi-step task dengan tools — bukan hanya chat. Pekerjaan knowledge-worker akan dibantu agent.

🎨

Multimodal

Single model handle text + image + audio + video. GPT-4o, Claude 3.5, Gemini Ultra adalah awal.

📱

On-Device AI

Model 1-7B running di smartphone. Privacy + latency rendah. Apple Intelligence, Phi-3.

🌍

Open Weights

Llama, Mistral, DeepSeek mendemokratisasi AI. Counterweight terhadap big tech proprietary.

🤝

Embodied AI

AI di robot fisik. Tesla Optimus, Boston Dynamics, Figure AI — koneksi software ke dunia nyata.

🧬

AI for Science

AlphaFold, Materials Project, drug discovery. AI sebagai ilmuwan asisten.

2. AGI — Artificial General Intelligence

Apa & Kapan?

AGI = AI dengan kemampuan kognitif general setara/melebihi manusia di hampir semua domain. Saat ini kita masih di era narrow AI — sangat baik di task spesifik, gagal di yang lain.

Prediksi waktu sangat divergent: dari 5 tahun (Sam Altman optimis) sampai 50+ tahun atau never (Yann LeCun skeptis). Yang konsensus: tidak ada yang tahu pasti.

3. AI Safety — Tantangan Open

Alignment: bagaimana memastikan AI mengejar tujuan yang benar-benar kita inginkan, bukan proxy yang mendekati?
Interpretability: kita belum benar-benar tahu kenapa LLM merespon seperti itu di level mekanis. Mechanistic interpretability adalah bidang baru.
Robustness: AI bisa fail di edge case, adversarial input, distribution shift. Belum ada solusi general.
Misuse: deepfake, autonomous weapons, mass surveillance. Governance global dibutuhkan.
Existential risk: kalau AGI muncul tanpa alignment yang kuat — risiko diskusi level filosofis.

4. Karier di Era AI

Role	Skill Utama	Demand 2026+
ML Engineer	Production ML, MLOps, sistem	Tinggi
Data Scientist	Statistik, business sense, ML	Stabil
AI Researcher	Math, paper, experimentation	Sangat tinggi (langka)
Prompt Engineer / AI Eng	LLM, RAG, agent design	Tinggi (era baru)
AI Product Manager	Strategy, ML literacy, UX	Tinggi
AI Ethicist / Policy	Filsafat, regulasi, audit	Tinggi (regulasi naik)
Domain Expert + AI Skill	Vertical expertise + ML	Sangat tinggi

💡 Peluang Indonesia

Domain × AI = Karier Defensible

"Pure AI engineer" akan kompetitif global. Tapi dokter yang paham AI medical, petani yang paham agritech, guru yang paham edutech AI — kombinasi domain Indonesia + AI literacy = posisi yang sulit di-outsource.

5. Studi Kasus Penutup

🌟 Real World

Indonesia AI Talent Pool 2024-2030

Indonesia punya populasi besar, ekonomi digital tumbuh, tapi defisit AI talent ~50,000+ orang menurut estimasi Kominfo. Lulusan kurikulum ini di posisi langka — dengan eksekusi konsisten, kamu bisa jadi bagian dari generasi AI builder Indonesia.

Pelajaran: ini bukan saatnya jadi konsumen AI. Ini saatnya jadi pencipta. Bangun produk, kontribusi open source, share ilmu, mentor junior. Tidak ada cara lebih baik untuk masuk industri.

6. Path Lanjutan Setelah Kurikulum Ini

Specialize: pilih 1 domain (NLP, CV, RL, AI for healthcare/finance) dan dalami 6-12 bulan.
Build portfolio: 3-5 project real (bukan tutorial copy-paste). GitHub yang aktif > ijazah.
Kompetisi: Kaggle, Hugging Face competition — pengalaman beradu kompetitif.
Open source contribution: contribute ke library populer (PyTorch, scikit-learn, Hugging Face).
Read paper rutin: 1 paper/minggu dari ArXiv. Rangkum di blog/Twitter.
Networking: AI meetup Jakarta, Bandung, online communities (Slack, Discord).
Mentorship: cari mentor 1-on-1 atau jadi mentor untuk junior.

🎓 Capstone Project

Tugas Akhir: AI Product End-to-End

Sebagai project penutup, bangun 1 AI product lengkap yang menggabungkan minimum 5 materi dari kurikulum ini. Pilih problem yang menarik untukmu (boleh fiktif tapi realistis):

Problem Definition: tulis 1 halaman tentang masalah yang kamu solve, target user, dan dampak yang diharapkan.
Data Strategy: dari mana data? Bagaimana labeling? Ada bias yang harus diwaspadai? (Materi 9 + 14)
Model Selection: pilih algoritma yang sesuai — supervised classical / deep learning / LLM. Justifikasi pilihan. (Materi 4-12)
Build & Train: implementasi di Python. Code di GitHub dengan README yang jelas.
Evaluation: metric yang relevan + analisis error + fairness audit. (Materi 8 + 14)
Deployment: deploy ke cloud (Hugging Face / Render / Railway) dengan API atau Streamlit UI. (Materi 13)
Documentation: blog post / case study 1500-2000 kata yang menjelaskan journey, decisions, limitations.
Reflection: apa yang akan kamu lakukan berbeda? Apa next step?

Output yang diharapkan: 1 GitHub repo dengan kode lengkap + 1 deployed app yang bisa diakses publik + 1 blog post technical. Ini adalah portfolio piece pertamamu yang bisa kamu pakai untuk apply kerja, freelance, atau pitch ke client.

🎉 Selamat!

Kamu telah menyelesaikan 15 materi kurikulum AI & Machine Learning. Bekal teori sudah lengkap. Tapi teori tanpa eksekusi adalah dokumen mati.

Dunia AI bergerak super cepat. Yang tertinggal akan obsolete dalam tahun. Yang membangun konsisten akan jadi arsitek masa depan.

"The best way to predict the future is to invent it." — Alan Kay