Riset Independen — Arsitektur & Epistemik
NINMENI
Research Lab
Proyek arsitektur AI epistemik asli Indonesia yang menjelajahi makna dari dalam ke luar.
Bisakah pemahaman bahasa muncul dari pembentukan, stabilisasi, pendasaran, dan revisi struktur makna — alih-alih dari prediksi urutan permukaan langsung? NINMENI adalah upaya untuk mengetahuinya.
Shadow pilot NMU 200k: clean run selesai — arsitektur inti tervalidasi.
500k staging: dalam pemulihan terkontrol dan persiapan. Pelatihan berlanjut.
Pertanyaan Utama
Bisakah makna dibangun—
bukan diprediksi?
Model bahasa dominan dilatih untuk memprediksi token berikutnya berdasarkan konteks sebelumnya. Mereka sangat mampu dalam generasi tingkat permukaan. Namun riset ini mengajukan pertanyaan berbeda: bagaimana jika pemahaman bukan produk sampingan dari akurasi prediksi, melainkan sifat struktural yang harus dirancang dengan sengaja?
NINMENI (Navigating Interpretable Neural Meaning Encoding and Integration) mengusulkan bahwa sistem bahasa yang mampu memahami secara sungguh-sungguh harus melakukan tiga hal secara independen: membentuk unit makna dari sinyal mentah, menstabilkan-nya menjadi struktur yang dapat diambil, dan merevisi-nya ketika bukti baru bertentangan dengan representasi sebelumnya.
Ini bukan klaim bahwa NINMENI telah mencapai ini. Ini adalah klaim bahwa inilah pertanyaan yang tepat untuk diajukan — dan bahwa paradigma kejar-benchmark saat ini secara struktural mencegahnya untuk ditanyakan sama sekali.
Gambaran Arsitektur
Bagaimana sistem ini terstruktur
NINMENI menguraikan pemrosesan bahasa menjadi tahap epistemik yang terpisah, masing-masing bertanggung jawab atas fungsi kognitif spesifik daripada berbagi tujuan prediksi monolitik.
Lapisan NMU
Unit Makna Neural. Struktur makna atomik yang diekstrak dari token sub-kata. Tahap pertama pembentukan representasi yang berakar.
Mesin Stabilisasi
Konsolidasi iteratif kluster NMU menjadi unit representasional yang stabil. Analogi dengan konsolidasi memori kerja sebelum pengkodean jangka panjang.
Modul Pendasaran
Menambatkan representasi abstrak pada kendala kontekstual, semantik, dan struktural untuk mencegah pergeseran representasional.
Gerbang Revisi
Deteksi konflik dan pembaruan kepercayaan terstruktur. Ketika konteks baru bertentangan dengan representasi sebelumnya, gerbang ini memediasi revisi tanpa reset penuh.
Timeline Riset
Bagaimana kami sampai di sini
Ini bukan peluncuran startup. Ini adalah catatan tentang apa yang dicoba, apa yang gagal, apa yang dipelajari, dan apa yang bertahan.
Shadow Pilot NMU 200k — Clean Run
Latihan end-to-end penuh pertama pada dataset shadow NMU 200.000 token. Arsitektur inti tervalidasi. Tidak ada mode kegagalan katastrofik. Konvergensi loss dalam batas yang diharapkan. Audit epistemik lulus untuk skala ini.
500k Staging — Fase Pemulihan Terkontrol
Scaling ke 500.000 token staging mengungkap ketidakstabilan representasional dalam mesin stabilisasi di bawah keragaman urutan yang meningkat. Protokol pemulihan diinisiasi. Bukan kegagalan — sinyal diagnostik. Pelatihan berlanjut dengan parameter yang direvisi.
Snapshot Diagnostik
Status Saat Ini
Jujur, per audit terakhir. Tidak dipoles untuk audiens eksternal — ini adalah dashboard internal yang dipublikasikan.
Apa yang Telah Didemonstrasikan
Temuan terverifikasi
- Ekstraksi NMU dari token sub-kata pada skala 200k menghasilkan kluster representasional yang stabil.
- Arsitektur bertahan dalam pelatihan end-to-end tanpa pelupaan katastrofik pada 200k.
- Perilaku konvergensi loss konsisten dengan sinyal pembelajaran, bukan noise.
- Kerangka audit epistemik beroperasi dan menghasilkan diagnostik yang dapat diinterpretasikan.
- Mesin stabilisasi mengidentifikasi pergeseran kluster di bawah keragaman token yang meningkat (500k).
Apa yang Tidak Diklaim
Batas yang jujur
- Tidak ada klaim performa SOTA pada dataset benchmark mana pun.
- Tidak ada klaim pemahaman bahasa umum atau kesetaraan pemahaman dengan manusia.
- Tidak ada klaim bahwa NMU merupakan semantik sejati daripada representasi terstruktur.
- Tidak ada klaim bahwa ketidakstabilan 500k telah diselesaikan.
- Tidak ada klaim bahwa sistem ini siap untuk evaluasi atau penerapan eksternal.
- Tidak ada klaim keunggulan atas LLM berbasis transformer pada tugas generasi.
Dokumen Riset Publik
Disanitasi untuk rilis publik
Log audit internal, skrip, dan data pelatihan lengkap tidak dipublikasikan. Hanya dokumen yang dapat berdiri sendiri tanpa konteks yang menyesatkan yang dirilis di sini.
Arsitektur NMU: Gambaran Konseptual
Penjelasan tingkat tinggi tentang arsitektur empat lapis, prinsip pembentukan NMU, dan motivasi epistemik di balik desain.
Baca dokumen →Shadow Pilot 200k: Laporan Ringkasan
Ringkasan jalannya shadow pilot NMU 200k. Termasuk kurva loss, hasil audit, dan pengamatan arsitektur utama. Diagnostik internal diredaksi.
Baca dokumen →Tentang Ketidakstabilan Representasional pada Skala
Analisis jujur tentang apa yang diamati selama fase staging 500k. Apa yang rusak, apa artinya, dan apa yang tercakup dalam protokol pemulihan.
Baca dokumen →Asal & Silsilah
Siapa di balik ini
NINMENI adalah proyek riset independen. Tidak berafiliasi dengan universitas, perusahaan lab AI, atau badan pendanaan mana pun. Dilakukan dari Indonesia oleh peneliti solo.
Silsilah intelektual berasal dari ilmu kognitif, semantik formal, filsafat pikiran, dan linguistik komputasional — bukan dari tradisi hukum scaling deep learning modern. Ini adalah pilihan yang disengaja, bukan keterbatasan.
Proyek ini ada karena paradigma dominan dalam riset AI secara struktural tidak dapat mengajukan pertanyaan tertentu tentang makna. NINMENI adalah upaya untuk mengajukannya dari luar paradigma tersebut, dengan arsitektur yang ketat dan akuntansi epistemik yang jujur.
Ini adalah riset independen. Tidak ada jaminan pendanaan berlanjut, tidak ada dukungan institusional, dan tidak ada tekanan jadwal yang dipaksakan oleh pihak eksternal. Kemajuan diukur dari apa yang diajarkan arsitektur kepada kami, bukan oleh tenggat publikasi.
Kontak
Hubungi lab
Ini bukan startup. Tidak ada tim penjualan. Jika Anda memiliki pertanyaan riset yang tulus, proposal kolaborasi, atau umpan balik kritis tentang arsitektur — tulis.
Pertanyaan tentang arsitektur, metodologi, atau dokumen yang diterbitkan.
Kontak Form →Kritik arsitektur, tantangan metodologi, atau tantangan falsifiabilitas.
Kirim Kritik →