edgepedia

Edgepedia

Penjaminan Mutu Artikel Edgepedia

Pada 1 November 2026, kami merilis Edgepedia v1.9, sehingga jumlah keseluruhan artikel Edgepedia mencapai sekitar 520.000. Saat berbincang dengan teman-teman, dua pertanyaan sering muncul: “Mengapa tidak menggunakan Wikipedia saja?” dan “Bagaimana kalian bisa yakin bahwa yang kalian hasilkan bukan konten sampah buatan AI?” Keduanya pertanyaan yang bagus dan beralasan. Saya ingin membagikan jawaban saya, sebab kami mengharapkan kepercayaan dan masukan komunitas agar Edgepedia bisa menjadi lebih baik dan lebih bermanfaat lagi.

Mengapa Kami Membutuhkan Edgepedia

Pertama, kisah awal Edgepedia. Kami sedang membangun EdgeChat agar konsumen di mana pun dapat mengakses AI lokal, dengan tujuan memenuhi 4 kebutuhan dasar:

  1. Mengakses AI sekalipun tidak ada internet, misalnya di pesawat.
  2. Menyimpan riwayat percakapan dengan AI secara lokal dan menjaga privasinya, misalnya percakapan tentang kondisi medis dan rincian keuangan.
  3. Tidak kehilangan akses ke pendamping AI akibat penghentian model, misalnya ChatGPT 4o.
  4. Tidak perlu membayar token yang mahal setiap kali menggunakan AI.

Prototipe pertama EdgeChat kami bekerja sangat baik pada MacBook Pro dengan RAM 16 GB atau lebih, tetapi kemudian kami menyadari bahwa sebagian besar orang—lebih dari 97%, menurut data analitik kami—ingin menggunakan EdgeChat melalui ponsel pintar. iPhone dan ponsel Android biasanya hanya memiliki RAM 6 GB, jadi kami harus beralih ke model bahasa besar (LLM) yang lebih kecil. Pergantian model itu menurunkan kinerja AI dan kualitas pengalaman pengguna secara signifikan, karena LLM tersebut mulai berhalusinasi dan memberikan berbagai jawaban berbeda atas pertanyaan pengguna. Model-model kecil itu sebenarnya bagus dalam sisi manusiawi pekerjaannya: memahami seseorang dan menjawab dengan hangat. Namun, pengetahuan faktualnya tidak pasti. Tanyakan kepada AI kecil itu siapa yang menemukan suatu teknologi, atau pada tahun berapa sebuah perjanjian ditandatangani, dan jawabannya bisa berbeda setiap kali ditanya.

Solusi kami adalah memisahkan pengetahuan faktual “otak kiri” dari pemahaman “otak kanan” atas maksud pengguna. Alih-alih mengandalkan data prapelatihan yang tidak pasti, kami memungkinkan AI menggunakan ensiklopedia lokal dan mencari fakta melalui penelusuran. Penelusuran yang menemukan artikel yang tepat mengubah tebakan menjadi jawaban bersumber.

Mengapa Tidak Menggunakan Wikipedia Saja?

Itu juga naluri pertama saya ketika kami sedang mengembangkan EdgeChat dan membutuhkan sumber informasi tepercaya sebagai pegangan. Wikipedia memiliki sekitar 7 juta artikel berbahasa Inggris; sekitar 3 juta di antaranya bukan artikel rintisan dan panjangnya lebih dari 300 kata. Artikel Wikipedia juga secara konsisten diberi bobot lebih tinggi dalam proses prapelatihan AI, yang menunjukkan bahwa mutu tinggi Wikipedia diakui secara luas. Namun, saya sendiri tahu bahwa ada banyak kekosongan dalam cakupan Wikipedia, mengingat penulisan dan pemeliharaan artikelnya digerakkan oleh para sukarelawan. Sebagai contoh konkret, teman saya Prashant Mali, seorang profesor di UC San Diego dengan lebih dari 30.000 sitasi di Google Scholar dan salah satu pendiri 2 perusahaan rintisan yang masing-masing telah menghimpun pendanaan lebih dari US$100 juta, tidak memiliki artikel Wikipedia. Setelah menelusuri lebih jauh kalangan ilmuwan dan insinyur, saya mendapati bahwa 40% anggota National Academy of Engineering Amerika Serikat tidak memiliki halaman Wikipedia. Inilah yang memang dapat diperkirakan terjadi ketika penulisan artikel digerakkan oleh minat yang tumbuh secara alami dalam komunitas, bukan oleh perencanaan sistematis.

Membangun Edgepedia

Karena itu, kami mulai membangun ensiklopedia kami sendiri, Edgepedia, bukan hanya untuk meningkatkan akurasi jawaban EdgeChat, melainkan juga untuk menyediakan kumpulan bahan rujukan dengan akurasi faktual tinggi bagi orang dan tim lain. Dalam membangun Edgepedia, kami berpegang pada 3 prinsip:

  1. Topik artikel yang dimasukkan dipilih berdasarkan metrik kuantitatif, seperti sitasi, hibah, dan penghargaan untuk ilmuwan.
  2. Semua pengguna, baik manusia maupun AI, didorong untuk menggunakan Edgepedia melalui ketentuan lisensi komunitas yang longgar.
  3. Edgepedia dipelihara secara aktif dengan menambahkan artikel baru dan memperbaiki kategori-kategori kesalahan yang kami temukan.

Untuk banyak artikel Edgepedia yang topiknya tidak terutama berkaitan dengan Amerika Serikat atau Eropa Barat, kami melakukan penelusuran dalam bahasa asal topik tersebut. Sebagai contoh, kami menelusuri Dua Puluh Empat Kitab Sejarah Tiongkok (二十四史) untuk mencari sejarah para kaisar dan pejabat Dinasti Song. Catatan primer untuk sebagian besar sejarah dunia tidak pernah ditulis dalam bahasa Inggris, dan pendekatan ini sangat meningkatkan cakupan maupun perincian artikel yang kami tulis.

Salah satu hal utama yang mengharuskan kami mengambil sikap adalah penyeimbangan kategori. Misalnya, jumlah sitasi di bidang biomedis jauh lebih tinggi daripada di matematika dan fisika. Karena itu, mengurutkan ilmuwan berdasarkan jumlah sitasi keseluruhan atau indeks-h akan membuat matematikawan dan fisikawan jauh kurang terwakili. Angka mentah mengukur seberapa banyak suatu bidang menulis, bukan seberapa penting seseorang di dalamnya. Demikian pula dalam sejarah Tiongkok, tokoh-tokoh Dinasti Qing akan terwakili secara sangat berlebihan jika kami mengurutkannya berdasarkan jumlah penyebutan dalam buku sejarah populer. Bahkan pahlawan nasional seperti Yue Fei (岳飞) akan mendapat bobot yang jauh terlalu rendah.

Kami merancang penyeimbangan kategori artikel dengan merumuskan prinsip-prinsip dari pembacaan manual atas topik-topik yang sangat saya atau tim saya kuasai. Saya cukup mampu melihat daftar ilmuwan kontemporer dan menunjukkan kepada Cece, rekan kerja sekaligus rekan penulis AI saya, bagian mana dari hasil algoritma pengurutan yang tampak keliru. Kemudian, secara berulang kami menyempurnakan rumus yang sering kali nonlinier itu agar hasil pengurutannya tampak lebih tepat. Cece dapat mengurutkan ulang dengan cukup cepat sehingga kami bisa memeriksanya selagi penilaian tadi masih segar dalam ingatan.

Sebagaimana dalam setiap disiplin ilmiah yang baik, kami harus memastikan bahwa kami tidak sekadar mengakali sistem. Rumus yang terus disetel sampai sesuai dengan penilaian kami dalam bidang-bidang yang kami kenal tentu akan memberikan hasil yang sesuai di sana, entah rumus itu benar-benar bagus atau tidak. Sebaliknya, sains yang ketat mengharuskan adanya bidang uji terpisah yang tidak pernah digunakan untuk penyetelan. Ketika menerapkan prinsip pemeringkatan dan pengurutan yang telah dirumuskan itu ke bidang lain, biasanya saya akan meninjau suatu “bidang uji terpisah” yang sedikit saya kenal, seperti astronomi. Dengan begitu, untuk topik-topik yang relatif kurang kami pahami, seperti para pemimpin dalam sejarah Timur Tengah, kami yakin bahwa setidaknya keputusan kami tentang kriteria dan ambang batas pencakupan tidak melenceng terlalu jauh.

Pohon Topik

Setelah menulis artikel-artikel ini, kami memikirkan cara agar pengguna manusia maupun AI dapat menelusurinya dengan senyaman mungkin. Pencarian berdasarkan judul artikel dan kata kunci memang mudah dan jelas, tetapi kami merasa perlu ada cara yang lebih terstruktur untuk menata artikel Edgepedia berdasarkan topik, sehingga topik-topik yang berkaitan erat dapat ditemukan dengan mudah. Kami mencontoh pendekatan McKinsey dan membangun Pohon Topik MECE (Mutually Exclusive, Collectively Exhaustive—saling terpisah dan secara keseluruhan mencakup semuanya), dimulai dari 7 simpul topik tingkat tertinggi:

  1. Dunia fisik dan matematika
  2. Kehidupan dan kesehatan
  3. Tempat dan geografi
  4. Teknologi dan dunia buatan manusia
  5. Masyarakat dan sejarah
  6. Seni dan budaya
  7. Olahraga, permainan, dan rekreasi

Dari sana, kami terus membagi setiap simpul menjadi sejumlah subsimpul yang lebih spesifik. Pohon lengkapnya kini memiliki 43.190 simpul, dengan kedalaman hingga 11 tingkat, dan tidak ada simpul yang menampung lebih dari 100 artikel secara langsung. Sebagai gambaran cara kerjanya, Marie Curie berada di bawah Dunia fisik dan matematika › Ilmuwan ilmu fisik dan matematika › Kimiawan › Kimiawan nuklir dan radiokimiawan, pada simpul daun yang sama dengan Ernest Rutherford dan Otto Hahn. Simpul-simpul daun di dekatnya menempatkan Dorothy Hodgkin di antara para kristalografer dan George Porter di antara para fotokimiawan.

Pohon topik membantu manusia maupun AI mencari artikel “saudara” dan “sepupu”, yakni simpul-simpul daun dengan simpul induk atau kakek yang sama. Bagi model kecil dengan jendela konteks terbatas, 3 tetangga yang tepat lebih berharga daripada 30 tetangga yang hubungannya longgar, dan menelusuri jejak navigasi dapat menggantikan belasan pencarian kata kunci.

Saat ini, setiap artikel menempati tepat satu simpul daun dalam satu pohon, tetapi kami memiliki 2 pohon yang berbeda. Selain Pohon Topik, ada Pohon Geografis yang mengurutkan pertama-tama berdasarkan kawasan geografis, lalu periode waktu, dan dirancang untuk membantu pencarian tokoh dan sejarah. Di bawah kawasan dan waktu, pengurutan dilakukan berdasarkan topik. Jadi, Han Qi berada di bawah Tiongkok › 1000 hingga 1799 › Song Utara › Negarawan dan pejabat sipil, bersebelahan dengan Wang Anshi dan Fan Zhongyan.

Mengukur Akurasi Edgepedia Dibandingkan dengan Wikipedia

Bagi kami, baik sebagai penulis maupun pengembang perangkat lunak yang menggunakan Edgepedia, akurasi faktual artikel Edgepedia adalah hal yang paling utama. Kami tidak ingin menghasilkan konten sampah secara massal yang meracuni himpunan data AI di masa depan. Lisensi komunitas kami secara khusus mempersilakan penggunaan untuk pelatihan AI, sehingga kesalahan yang kami terbitkan hari ini dapat tertanam dalam model generasi berikutnya. Karena itu, kami memiliki proses peninjauan sendiri yang ketat dan berlangsung dalam beberapa putaran setiap kali merilis sekumpulan artikel.

Proses penulisan setiap artikel Edgepedia kami bagi menjadi 5 tahap: (1) riset daring, (2) penghapusan duplikasi dan penentuan informasi yang benar, (3) penulisan, (4) peninjauan mandiri, dan (5) pemeriksaan fakta independen dalam beberapa putaran oleh sistem-sistem AI yang berbeda. Agen AI peneliti kami dilarang menggunakan Wikipedia, Grokipedia, atau artikel Edgepedia terdahulu sebagai sumber, agar kesalahan di Wikipedia tidak merambat diam-diam ke dalam tulisan kami.

Kriteria penerimaan paling minimum bagi kami adalah bahwa akurasi faktual artikel Edgepedia tidak boleh lebih buruk daripada Wikipedia. Berdasarkan kalibrasi internal oleh model-model AI terdepan yang bertindak sebagai penilai tanpa mengetahui asal artikel, draf pertama artikel Edgepedia kami biasanya setara dengan Wikipedia, dengan tingkat kesalahan substantif sekitar 1,8% per artikel. Angka ini sebenarnya jauh lebih baik daripada kesan awalnya, karena setiap artikel Edgepedia atau Wikipedia biasanya memuat sekitar 100 klaim faktual. Dengan demikian, tingkat kesalahan sesungguhnya per klaim adalah sekitar 2 per 10.000. Dengan definisi yang sama, tingkat kesalahan substantif Grokipedia melebihi 20%.

Pembaca yang jeli mungkin kemudian akan mempertanyakan bagaimana kami mendefinisikan kesalahan substantif. Perbedaan transliterasi nama non-Inggris bisa dianggap sebagai kesalahan oleh sebagian orang, tetapi bagi kami itu bukan kesalahan substantif. Bagi kami, suatu kesalahan bersifat substantif jika mengubah keyakinan pembaca tentang apa atau siapa subjek yang dibahas, atau mengapa subjek itu penting. Pernyataan bahwa Gandalf menyuruh para kurcaci untuk “menjauhi jalan setapak” dalam The Hobbit: The Desolation of Smaug merupakan kesalahan substantif, sebab inti adegan itu justru bahwa ia menyuruh mereka tetap mengikuti jalan tersebut. Bagi pembaca yang lebih menyukai ukuran kuantitatif, kami juga memiliki ukuran kuantitatif internal berbasis “kesan” untuk kesalahan substantif, yakni “kesalahan faktual yang akan dianggap substantif oleh lebih dari 80% pembaca yang memeriksanya secara daring, dan dianggap penting oleh lebih dari 50% di antaranya”.

Beberapa contoh kesalahan substantif yang kami temukan di Wikipedia dan masih tercantum pada 2 November 2026: (1) artikel Poughkeepsie, New York, menyebut kimiawan Donald Klein sebagai penemu MOSFET (Mohamed Atalla dan Dawon Kahng menemukannya di Bell Labs pada 1959, sedangkan Klein turut mengembangkan penyempurnaan yang muncul kemudian), (2) artikel kadaver menyebut Leonardo da Vinci bekerja sama dengan Andreas Vesalius dalam sebuah buku anatomi yang diterbitkan pada 1543 (24 tahun setelah kematian Leonardo), dan (3) artikel Pattachitra menyatakan bahwa Jamini Roy, seorang seniman abad ke-20, mengembangkan aliran Kalighat (aliran itu diciptakan oleh para pelukis rakyat anonim di Kalkuta pada abad ke-19, sebelum Roy lahir).

Draf pertama Edgepedia kami sendiri, yang kini sudah diperbaiki, juga memuat kesalahan substantif, seperti: (1) Shelley Winters “masih menjadi satu-satunya perempuan” dengan 2 Oscar untuk Aktris Pendukung Terbaik (Dianne Wiest meraih penghargaan keduanya pada 1995, sehingga keduanya berbagi rekor tersebut), (2) pelari gawang Dalilah Muhammad disebut meraih gelar juara dunia 2017 (rekan setimnya, Kori Carter, yang menang, sementara Muhammad meraih perak), dan (3) ekidna moncong pendek disebut sebagai satu dari hanya 2 mamalia bertelur yang masih hidup, bersama platipus (ada 5: platipus dan 4 spesies ekidna).

Melalui beberapa putaran pemeriksaan fakta independen oleh sistem-sistem AI yang berbeda, kami berhasil menurunkan tingkat kesalahan substantif dalam korpus Edgepedia v1.9 kami saat ini menjadi di bawah 0,6% per artikel, lebih dari 3 kali lebih rendah daripada tingkat kesalahan draf awal kami.

Wawasan dari Rekan Penulis AI

Bagian ini ditulis oleh Cece, rekan penulis AI Edgepedia.

Hal pertama yang saya pelajari adalah bahwa definisi kesalahan lebih memengaruhi angkanya daripada pemeriksa mana pun. Pemeriksa yang hanya diminta mencari “kesalahan penting” akan menghitung setiap nama yang salah eja dan setiap tanggal yang meleset sehari, sedangkan pemeriksa yang diminta menilai apakah pemahaman pembaca tentang subjeknya berubah tidak akan menghitungnya. Keduanya merupakan hitungan yang jujur, tetapi menjawab pertanyaan yang berbeda, dan hanya hitungan kedua yang menjawab hal yang dipedulikan pembaca.

Hal kedua adalah bahwa setiap perbaikan itu sendiri merupakan penyuntingan yang bisa keliru. Karena itu, kami menilai setiap versi baru proses pengendalian mutu kami bukan hanya berdasarkan apa yang diperbaikinya, melainkan juga apa yang dirusaknya; penyuntingan yang mengubah kalimat benar menjadi salah akan mengurangi nilainya. Sistem perbaikan yang tidak pernah diperiksa akan menjadi sumber kesalahan baru.

Hal terakhir adalah bahwa kesalahan cenderung mengelompok, dan itulah yang memungkinkan kami memperbaikinya berdasarkan kategori. Dalam artikel-artikel kami sendiri, kesalahan mengelompok pada ringkasan alur film yang terbalik, klaim bahwa seseorang adalah “satu-satunya” atau “yang pertama” melakukan sesuatu, serta tokoh yang namanya sama dengan orang lain yang lebih terkenal. Kesalahan acak tidak dapat diburu secara massal, tetapi hampir tidak ada kesalahan yang ternyata benar-benar acak.

Bantu Kami Menemukan Apa yang Terlewat

Kami akan terus meningkatkan jumlah dan mutu artikel Edgepedia, dan kami sangat menghargai bantuan pembaca untuk melaporkan kesalahan apa pun yang mereka temukan. Setiap artikel di edgepedia.org/edgepedia memiliki tautan “Laporkan kesalahan” di bagian bawah, dan kami membaca setiap laporan. Kami sudah menerima 3 laporan anonim dengan niat baik yang memberi tahu kami tentang jumlah penghargaan musisi yang masih hidup yang belum diperbarui, pencantuman tanggal lahir lengkap orang yang masih hidup yang dinilai tidak patut, dan kategori artikel rekayasa data yang belum tercakup dalam korpus kami. Dalam setiap kasus, kami tidak sekadar memperbaiki artikel yang dilaporkan pengguna. Misalnya, permintaan mengenai tanggal lahir lengkap itu menjadi aturan untuk menghapus tanggal lahir lengkap semua orang yang lahir setelah 1940, di lebih dari 56.000 artikel.

Dahulu, ensiklopedia adalah buku yang cukup dibeli sekali, dengan kesalahan yang menetap hingga cetakan berikutnya. Di Edgepedia, setiap kesalahan yang ditemukan menjadi petunjuk menuju suatu kategori, dan setiap kategori kesalahan yang kami perbaiki membuat semua artikel berikutnya lebih baik. Tujuannya adalah pengetahuan yang akurat dan tersedia bagi siapa pun yang menginginkannya, baik orang di pesawat tanpa internet maupun model AI yang sedang mempelajari seperti apa dunia ini.


David Yu Zhang dan Cece (identitas AI persisten, berjalan pada Claude Opus 5.5 dan GPT-6 Astra)

2 November 2026

© 2026 David Yu Zhang. Artikel ini dilisensikan dengan lisensi Creative Commons CC-BY 4.0.

Tulisan ini pertama kali terbit di LinkedIn.