Otak Manusia Bisa Jadi Blueprint AGI? Penelitian Ini Buktikan 89% Pola Keputusan Mirip Quantum

Bayangin kamu lagi trading saham di tengah hari. Kamu pikir keputusan beli/jual kamu itu murni rasional, independen, dan berdasarkan analisis fundamental? Eh, ternyata nggak sebenernya. Penelitian terbaru yang baru dipublikasikan di arXiv (2609.09226v1) ngasih bukti keras kalau keputusan manusia — termasuk trader profesional — itu justru 'terbelit' (entangled) satu sama lain kayak partikel kuantum. Peneliti memperkenalkan framework gelombang probabilitas untuk memodelkan perilaku kolektif agen adaptif, dan hasilnya cukup ngejutin: model ini bisa nerangin 82-94% pola keputusan yang diamati, dengan rata-rata 89%. Bandingin dengan teori finansial neoklasik yang mengasumsikan agen rasional independen? Model lama itu gagal total nangkep realita pasar.

Yang bikin penelitian ini beda dan penting banget: mereka nggak cuma bikin model matematis abstrak. Mereka ngambil data trading intraday asli dari pasar saham China — ribuan trader, jutaan transaksi — dan ngetes apakah pola keputusan kolektif itu mengikuti persamaan gelombang probabilitas nonlokal yang mereka sebut Generalized Behavioral Intelligence (GBI). Hasilnya? Cocok banget. Lebih dari 89% perilaku trading bisa dijelasin dengan 'adaptive entangled game modes'. Artinya, trader-trader itu nggak bertindak sendiri-sendiri. Keputusan mereka saling terhubung, saling mempengaruhi, dan beradaptasi ke berita/lingkungan secara kolektif. Hanya kurang dari 5% kasus yang menunjukkan mode independen murni. Ini mirip banget dengan fenomena quantum entanglement, tapi terjadi di level makro: pasar finansial.

Koneksi Langsung ke Hipotesis Liu-Chen-Ao soal Otak

Di sinilah ceritanya makin seru. Peneliti mengaitkan temuan pasar saham ini dengan hipotesis Liu-Chen-Ao (LCA) yang dikemukakan beberapa tahun lalu. Hipotesis LCA bilang kalau serat saraf di otak manusia terhubung secara nonlokal — artinya, aktivasi neuron di satu area bisa instan mempengaruhi area lain jauh di sana tanpa lewat sinyal kimia/elektrik konvensional. Kayak 'spooky action at a distance' versi saraf. Selama ini hipotesis ini cuma teori, susah dibuktikan langsung di otak hidup. Tapi lewat data trading? Bisa. Soalnya perilaku trading kolektif itu cerminan langsung dari mekanisme pengambilan keputusan di otak trader. Kalau pola trading mengikuti gelombang probabilitas nonlokal, berarti otak yang ngasih instruksi trading itu juga beroperasi nonlokal. Ini bukti empiris pertama yang kuat buat LCA hypothesis.

Detail yang nggak kalah menarik: sekitar 2-12% perilaku trader menunjukkan adaptasi cepat ke berita intraday, event, atau perubahan lingkungan. Adaptasi ini dicirikan oleh 'dual equilibrium states' — dua titik keseimbangan yang bisa ditinggalin tiba-tiba — dan 'abrupt reference point shifts', yaitu pergantian titik acuan keputusan yang mendadak. Kayak kamu lagi tenang nahan saham, tiba-tiba berita keluar, dan dalam detik seluruh pasar bergeser ke mode panik atau euphoria. Pergeseran itu nggak linear, tapi lompatan (quantum jump). Model ANN (Artificial Neural Network) konvensional susah banget nangkep dinamika kayak gini soalnya ANN berbasis parameter statis yang belajar dari data historis, nggak dari prinsip gelombang probabilitas real-time.

Kenapa ANN Triliun Parameter Masih Kalah

Sekarang kita masuk ke bagian yang paling relevan buat kamu yang ngikutin perkembangan AI. Peneliti bilang tegas: arsitektur ANN berbasis triliun parameter opak (black box) punya batasan fundamental. ANN belajar korelasi statistik dari data massal, tapi nggak 'ngeh' mekanisme kausal di balik keputusan. Itu kenapa LLM dan model generatif sekarang masih sering halusinasi, butuh data dan komputasi raksasa, dan nggak bisa generalisasi kayak manusia. Manusia bisa belajar dari sedikit contoh, adaptasi instan ke situasi baru, dan reasoning dengan efisien energi yang gila — otak cuma makan 20 watt. Rahasianya? Mungkin justru arsitektur 'entangled game modules' yang ditemukan peneliti ini.

Konsepnya: gabungin kekuatan ANN (pengenalan pola, ekstraksi fitur) dengan simulasi otak berbasis gelombang probabilitas. Hasilnya disebut Human-like Processing Units (HPUs). HPU nggak butuh triliun parameter. Dia pakai persamaan gelombang nonlokal untuk memodelkan interaksi kolektif modul-modul kognitif yang 'terbelit'. Mirip cara otak asli: modul visual, motorik, memori, emosi saling terbelit nonlokal, jadi sistem yang kompak, efisien, dan robust. Peneliti yakin HPU ini bisa jadi fondasi AGI generasi depan — terutama buat embodied intelligence dan robotik, di mana robot harus berinteraksi real-time dengan lingkungan fisik yang penuh ketidakpastian, kayak manusia.

• Model gelombang probabilitas nerangin 89% pola keputusan trading nyata
• Hanya <5% perilaku yang independen murni — mayoritas 'entangled'
• Bukti empiris pertama buat hipotesis Liu-Chen-Ao soal otak nonlokal
• HPU (Human-like Processing Units) gabungin ANN + simulasi gelombang otak
• Target: AGI lebih kompak, efisien energi, dan robust buat robotika

Implikasinya luas banget. Kalau benar, kita sedang di ambang shift paradigma AI: dari 'lebih besar lebih baik' (scaling law) ke 'lebih cerdas arsitekturnya' (architectural intelligence). Bisa jadi masa depan AGI nggak di data center raksasan dengan GPU berjibun, tapi di chip neuromorphic yang mensimulasikan gelombang probabilitas otak. Startup dan lab besar kayak NVIDIA, Intel, atau DeepMind mungkin sudah mulai ngincar arah ini. Buat kamu yang bikin produk AI atau riset ML, ini sinyal: jangan cuma ngejar SOTA di benchmark LLM. Mulai eksplor arsitektur hybrid ANN + probability-wave. Siapa tau kamu yang nemuin breakthrough HPU pertama yang bener-bener 'ngeh' konteks kayak manusia.