BOLD menyatukan lima grup AI Inggris—targetnya melampaui resep LLM besar

Publikasi Oxford tertanggal 2 September 2026 mencatat bahwa festival peluncuran British Open-ended Learning and Discovery Lab (BOLD) di Oxford dihadiri lebih dari 350 peneliti, inovator, dan pembuat kebijakan. Program tersebut menyatukan lima grup AI dari University of Oxford, University College London (UCL), dan Imperial College London serta sedang merekrut mitra dan fellow.

BOLD bukan model AI baru yang sudah tersedia. Laboratorium lintas kampus ini dibentuk untuk mencari pendekatan selain resep dominan berupa jaringan saraf yang terus diperbesar dan dilatih dengan semakin banyak data; perangkat lunak, bobot model, benchmark, dan data evaluasi terbuka masih merupakan keluaran yang dijanjikan untuk tahap berikutnya.

Lima grup mulai bekerja sebagai satu laboratorium

FLAIR dan WhiRL dari Oxford, DARK dan LASP dari UCL, serta AIRL dari Imperial ditempatkan dalam satu struktur dengan budaya riset dan ambisi bersama. BOLD didukung infrastruktur khusus dan kemitraan komputasi agar proyek dapat dikerjakan oleh tim yang lebih besar daripada grup akademik dengan satu peneliti utama.

Oxford bertindak sebagai institusi tuan rumah dan pengintegrasi, sementara peneliti UCL dan Imperial bekerja dalam kerangka program yang sama. Istilah “satu laboratorium” menggambarkan model operasional bersama, bukan peleburan ketiga universitas menjadi satu institusi.

Festival menjadi langkah publik pertama dari model tersebut. Acara itu memadukan presentasi, diskusi, dan sesi kerja kolaboratif untuk membentuk gagasan riset serta kemitraan; statusnya adalah awal operasi bersama, bukan peluncuran hasil teknis yang telah selesai.

Tiga pilar menantang ketergantungan pada skala

Rincian program University of Oxford membagi agenda BOLD menjadi tiga pilar. Ketiganya menguji apakah kemajuan AI dapat dicapai melalui metode belajar dan organisasi riset baru, bukan semata-mata dengan menambah parameter, data, dan kapasitas komputasi.

• Beyond backpropagation mengeksplorasi metode pelatihan yang berpotensi membutuhkan lebih sedikit komputasi, memori, dan energi sekaligus menghasilkan sistem yang lebih stabil dan adaptif.
• Human-centric learning and discovery menempatkan manusia di dalam proses belajar, termasuk melalui sistem “co-scientist” yang ditujukan untuk membantu tim menghasilkan ide, menguji hipotesis, dan mempercepat penemuan.
• Embodied learning berfokus pada robot dan sistem fisik yang harus belajar serta beradaptasi dalam kondisi dunia nyata dengan data terbatas dan daya komputasi pada perangkat.

Agenda itu tidak berarti BOLD telah meninggalkan seluruh teknik yang digunakan dalam large language model (LLM), ataupun telah menemukan pengganti backpropagation. Klaim yang dapat dinilai kelak lebih sempit: apakah eksperimennya menghasilkan sistem yang lebih hemat sumber daya, stabil, adaptif, dan sesuai dengan kebutuhan manusia.

Paket pendanaan mencakup dua laboratorium

BOLD berada dalam program pemerintah Inggris yang juga mencakup Science of Fundamental AI Research (SOFAIR). Rilis pemerintah Inggris menetapkan pendanaan hingga £60 juta melalui UK Research and Innovation untuk kedua laboratorium selama enam tahun, disertai akses ke komputasi berskala besar.

Karena dana tersebut dibagi dengan SOFAIR, angka £60 juta bukan anggaran khusus BOLD. SOFAIR merupakan laboratorium terpisah yang dipimpin UCL, sedangkan BOLD dipimpin Jakob Foerster di Oxford bersama tim dari UCL dan Imperial.

Jangka pendanaan yang panjang menyediakan ruang bagi eksperimen berisiko tinggi yang mungkin gagal sebelum menghasilkan pendekatan layak dikembangkan. Namun, pendanaan dan akses komputasi merupakan kondisi untuk menjalankan riset, bukan bukti bahwa pendekatan BOLD sudah mengungguli LLM besar.

Keluaran terbuka belum tersedia sebagai paket peluncuran

Komitmen open source BOLD mencakup perangkat lunak pelatihan, bobot model, benchmark, data evaluasi, dan perangkat evaluasi. Rencana tersebut dimaksudkan agar peneliti di luar konsorsium dapat memeriksa hasil, mengulang pengujian, dan mengembangkan riset lanjutan.

Belum ada model, dataset, benchmark, atau repositori baru yang diperkenalkan sebagai keluaran festival. Dengan demikian, keterbukaan saat ini merupakan mandat publikasi laboratorium dan prinsip pengorganisasian riset, bukan tanda bahwa seluruh artefak tersebut telah tersedia untuk diunduh.

Perekrutan juga masih merupakan pekerjaan berjalan. Fase awal menargetkan 12 BOLD fellow dan 18 mahasiswa doktoral, tetapi target itu tidak sama dengan jumlah orang yang sudah bergabung secara resmi.

Perkembangan BOLD berikutnya akan terlihat dari fellow dan mitra yang benar-benar bergabung, proyek yang lolos dari tahap eksplorasi, serta artefak publik lengkap dengan lisensi dan prosedur evaluasinya. Untuk saat ini, yang telah terbentuk adalah konsorsium, agenda riset, dukungan pendanaan, dan proses perekrutan; bukti teknis bahwa jalur di luar resep LLM besar berhasil masih harus ditunggu.

Baca juga:

• Atlas menyatukan video dan dunia 3D—aksesnya masih terbatas
• Apakah AI sedang menjadi gelembung? Lima angka yang perlu diuji
• Jangan tempel data rahasia ke AI: lima pemeriksaan sebelum mengirim prompt