ILMUcode, platform pengekodan kecerdasan buatan tempatan yang dilancarkan di Universiti Malaya

YTL AI Labs melancarkan ILMUcode di Universiti Malaya pada 2 Oktober 2026. ILMUcode ialah sebuah platform pengekodan kecerdasan buatan, iaitu teknologi yang membolehkan komputer melakukan tugasan yang biasanya memerlukan pemikiran manusia. Majlis pelancaran itu dirasmikan oleh Menteri Pendidikan Tinggi, Datuk Seri Dr Zambry Abd Kadir.

Seramai 800 pelajar tahun pertama Fakulti Sains Komputer dan Teknologi Maklumat Universiti Malaya akan menerima kredit pengekodan untuk menggunakan platform ini. Kredit bermaksud baki yang boleh digunakan untuk membayar penggunaan sesuatu perkhidmatan, dan setiap pelajar menerima RM100 sebulan selama tiga bulan, iaitu sehingga RM300 bagi setiap orang.

Apa itu ILMUcode

Platform bermaksud satu tempat atau perisian yang digunakan untuk melakukan sesuatu kerja. ILMUcode menggabungkan dua perkara utama, iaitu pembantu pengekodan yang bertindak seperti ejen dan sebuah model bahasa besar yang menjadi otaknya.

Ejen ialah atur cara yang boleh merancang beberapa langkah kerja dan melaksanakannya sendiri tanpa perlu diarahkan pada setiap langkah. Apabila kedua-dua perkara ini digabungkan, pengguna hanya perlu menerangkan apa yang dia mahu bina, dan platform itu akan membantu merancang serta mengerjakan sebahagian besar kerja tersebut.

Model bahasa besar pula ialah program komputer yang dilatih dengan teks yang sangat banyak supaya dapat memahami dan menghasilkan bahasa manusia. Dalam kes ini, bahasa itu termasuk kod, iaitu arahan bertulis yang diberikan kepada komputer untuk melaksanakan sesuatu tugas.

Melalui ILMUcode, pengguna boleh meminta komputer memahami pangkalan kod yang rumit, menulis kod baharu, membetulkan kerosakan dan menukar idea menjadi perisian yang benar-benar berfungsi. Pangkalan kod ialah kumpulan fail dan baris arahan yang membentuk sesuatu perisian. Platform ini juga dilaporkan boleh melakukan kerja berulang secara automatik dan mengendalikan beberapa tugasan pada masa yang sama.

Siapa di belakangnya

ILMUcode dibangunkan oleh YTL AI Labs. Syarikat ini ialah unit penyelidikan kecerdasan buatan di bawah kumpulan YTL, dan ia juga membangunkan ILMU, sebuah model bahasa besar milik Malaysia yang dibina bersama penyelidik Universiti Malaya.

Nama ILMU membawa maksud Intelek Luhur Malaysia Untukmu. Di tengah-tengah keluarga model ILMU terletak satu model yang boleh memproses lebih daripada satu jenis input seperti teks dan suara, yang dikenali sebagai model multimodal. YTL AI Labs mendakwa model ini mendahului penanda aras MalayMMLU untuk Bahasa Melayu, dan penanda aras ialah ujian piawai yang digunakan untuk membandingkan prestasi antara model.

Model yang menjadi teras ILMUcode ialah ILMU-GLM-5.3. Ia dibangunkan dengan kerjasama syarikat teknologi Z.ai, yang membawa keupayaan model pengekodan GLM-5.3 kepada pembangun tempatan.

Apa yang membezakannya

Perkara yang paling ketara ialah tempat platform ini dihoskan. YTL AI Labs menyatakan ILMUcode dan keluarga model ILMU berjalan di atas infrastruktur yang terletak sepenuhnya di Malaysia.

Infrastruktur berdaulat bermaksud sistem komputer yang dihoskan dan dikawal di dalam negara sendiri. Bagi pengguna, ini bermakna data mereka kekal di dalam negara dan tidak perlu dihantar ke pelayan di luar. Syarikat itu memberi jaminan data kekal dalam negara, dan menyebut kawalan ini sebagai satu kelebihan strategik.

Satu lagi perbezaan yang ditekankan ialah kos. YTL AI Labs berkata platform ini menawarkan keupayaan pengekodan yang setanding dengan model terkemuka dunia pada sebahagian kecil daripada kos biasa.

Pelancaran di Universiti Malaya

Universiti Malaya ialah universiti pertama di Malaysia yang memperkenalkan ILMUcode kepada pelajarnya. Naib Canselor Universiti Malaya, Datuk Seri Dr Noor Azuan Abu Osman, berkata langkah ini memberi pelajar sains komputer akses kepada teknologi pengekodan termaju, dan ia boleh mengukuhkan saluran bakat teknologi negara.

Ketua Pegawai Eksekutif YTL AI Labs, Foong Chee Mun, berkata syarikat itu mahu menyediakan rakyat Malaysia dengan kecerdasan buatan termaju bukan sekadar untuk digunakan, tetapi untuk membina penyelesaian sendiri.

Apa maksudnya kepada pelajar dan pembangun

Bagi pelajar, ini bermakna mereka boleh belajar dengan mencuba perkara sebenar, bukan hanya membaca teori. Seorang pelajar boleh membina aplikasi mudah, membetulkan kesilapan dan melihat hasilnya berjalan, semuanya dalam masa yang singkat.

Bagi pembangun yang sudah bekerja, platform sebegini boleh mengurangkan kerja yang berulang dan membantu memahami pangkalan kod lama. Jika dakwaan kos yang lebih murah itu benar, ia juga boleh menjadikan alat sebegini lebih mudah dicapai oleh pasukan kecil dan perniagaan sederhana.

Apa yang masih perlu dibuktikan

Semua dakwaan utama setakat ini datang daripada pihak yang melancarkan platform itu sendiri, iaitu YTL AI Labs. Dakwaan tentang kos yang jauh lebih murah, kedudukan di atas penanda aras seperti Terminal-Bench 2.1 dan DeepSWE, serta keunggulan pada MalayMMLU masih belum diuji oleh pihak bebas.

Penanda aras MalayMMLU juga dibangunkan oleh kerjasama yang sama, jadi ia bukan ukuran yang neutral sepenuhnya. Selain itu, kesan sebenar kepada pembelajaran pelajar tidak dapat dinilai hanya daripada satu majlis pelancaran. Ia perlu dilihat selepas satu atau dua semester, apabila cukup data terkumpul untuk menunjukkan sama ada pelajar benar-benar menjadi lebih mahir.

Penutup

Kewujudan ILMUcode ialah tanda bahawa Malaysia bukan hanya menjadi pengguna teknologi kecerdasan buatan, tetapi mula membina alatnya sendiri. Usaha seperti ini wajar difahami dan disokong, dengan sikap terbuka terhadap kelemahannya dan sabar menunggu bukti yang bebas.

Infrastruktur berdaulat dan data yang kekal di dalam negara

Infrastruktur berdaulat bermaksud semua pelayan, storan dan rangkaian yang menjalankan sesuatu perkhidmatan terletak di dalam sempadan negara sendiri serta dikawal oleh pihak tempatan. Data residency, iaitu amalan menyimpan data pengguna di dalam negara asal data itu dikumpul, ialah perkara kedua yang penting di sini. Bagi organisasi, dua perkara ini menentukan siapa yang sebenarnya boleh mengakses data mereka.

Apabila data dihantar ke pelayan di luar negara, ia tertakluk kepada undang-undang negara itu. Satu undang-undang boleh memaksa sebuah syarikat menyerahkan data yang tersimpan pada pelayannya walaupun data itu milik pelanggan Malaysia. Data yang kekal dalam negara mengurangkan risiko itu, dan ia menjadikan pematuhan kepada peraturan perlindungan data tempatan lebih mudah dibuktikan kepada pengawal selia.

Selain soal undang-undang, jarak pelayan turut memberi kesan kepada kelajuan. Latensi ialah masa yang diambil untuk satu permintaan pergi dan balik antara pengguna dengan pelayan. Bila pelayan berada lebih dekat, latensi menjadi lebih rendah dan alat terasa lebih pantas. Bagi pasukan yang menggunakan alat itu sepanjang hari, perbezaan beberapa saat pada setiap permintaan terkumpul menjadi jam sepanjang bulan.

Apa yang masih belum diketahui

Dakwaan bahawa platform ini lebih murah belum disokong oleh angka awam yang boleh diperiksa. Harga sesuatu perkhidmatan kecerdasan buatan bergantung pada beberapa perkara, iaitu kos model, kos pelayan dan kos penyelenggaraan. Setakat ini tiada perbandingan terbuka yang menunjukkan kos penuh ILMUcode berbanding alat asing untuk kerja yang sama.

Sama juga dengan kesan kepada pelajar. Program perintis ini memberi kredit selama tiga bulan, tetapi belum ada keputusan sama ada latihan itu akan diteruskan selepas tempoh tersebut. Kalau program berhenti apabila kredit habis, kesan jangka panjangnya kepada kemahiran pelajar sukar dinilai. Pelajar sendiri boleh bertanya sama ada akses itu akan diteruskan selepas bulan ketiga.

Sebab ujian bebas diperlukan ialah kerana penanda aras yang dibina oleh pihak yang sama tidak neutral sepenuhnya. Model terbuka, iaitu model yang kod atau pemberatnya boleh dimuat turun dan diperiksa oleh orang lain, membolehkan penyelidik luar menguji dakwaan itu tanpa bergantung pada syarikat. Sehingga bukti sebegitu ada, setiap dakwaan patut dibaca sebagai dakwaan pemaju, bukan sebagai fakta muktamad.

Apa yang boleh anda buat sekarang

Bagi pelajar, langkah pertama ialah menggunakan kredit itu untuk membina sesuatu yang kecil tetapi benar-benar siap, bukan mengumpul banyak projek separuh jalan. Cuba satu ciri, selesaikan sehingga ia berjalan, kemudian tambah satu ciri lagi. Uji juga apa yang platform itu lakukan apabila kod disalah atau permintaan bercanggah, kerana cara ia menangani kesilapan lebih penting daripada demo yang lancar.

Bagi pembangun, mulakan dengan tugasan berisiko rendah seperti menulis ujian automatik atau memahami fail yang jarang disentuh orang. Simpan kod dalam sistem kawalan versi sebelum membenarkan alat itu mengubahnya, supaya anda boleh berpatah balik bila sesuatu tidak kena. Jangan beri alat itu akses kepada data pengguna sebenar dalam percubaan pertama.

Untuk menilai alat sebegini dengan wajar, jangan bergantung pada video promosi atau markah penanda aras sahaja. Ambil beberapa tugasan yang benar-benar anda hadapi, catat masa dan bilangan pembetulan yang diperlukan, kemudian ulang tugasan yang sama tanpa alat itu. Bandingkan hasilnya sendiri. Cara ini memakan masa, tetapi ia satu-satunya ukuran yang benar-benar relevan dengan kerja anda.

Sumber