Kartin Wong, Sosok di Balik Lahirnya Ora Protocol

Kalau kamu mengikuti obrolan soal AI dan blockchain, ada satu masalah yang sering muncul diam-diam di balik hype: AI bisa memberi jawaban, tapi bagaimana cara membuktikan jawabannya benar, bisa diaudit, dan tidak berubah-ubah ketika dipakai oleh smart contract, dalam ekosistem AI dan blockchain yang saling bergantung. Di titik ini, banyak orang berbicara soal aplikasi, agent, atau token. Kartin Wong justru masuk dari sisi yang lebih sunyi: fondasi teknis yang membuat AI bisa dipakai on-chain tanpa mengorbankan kepercayaan.

Kartin Wong dikenal sebagai co-founder Ora Protocol, sebuah verifiable oracle protocol yang membawa AI dan komputasi kompleks ke ranah on-chain. Yang menarik, profilnya bukan dibangun dari panggung influencer, melainkan dari rangkaian fase teknis yang panjang: dari eksplorasi crypto sejak remaja, riset dan eksperimen AI, pengalaman di perusahaan skala besar, sampai akhirnya membangun infrastruktur yang menjawab problem verifiability.

 

Siapa Kartin Wong dan kenapa namanya muncul di AI x blockchain

Kartin Wong bukan tipe figur yang muncul karena kontroversi atau narasi musiman. Namanya sering muncul karena satu hal yang lebih jarang dibahas: kapasitas membangun sistem yang bisa dipakai orang lain, lalu bertahan melewati perubahan tren.

Sebagai co-founder Ora Protocol, Kartin banyak dibicarakan ketika topik mengarah ke AI oracle, verifiable inference, dan cara membawa komputasi AI ke smart contract tanpa membuat blockchain menjadi tempat eksekusi yang mahal dan tidak efisien. Dari sini, kamu bisa melihat posisinya bukan sebagai komentator, melainkan perancang pendekatan teknis yang mencoba menjembatani dua ekosistem yang sama-sama kompleks: AI yang butuh komputasi besar, dan blockchain yang butuh pembuktian.

Kalau kamu ingin memahami kenapa pendekatannya terasa berbeda, pintu masuk yang paling jernih justru bukan dari Ora dulu, tapi dari fondasi cara berpikirnya.

 

Latar pendidikan Kartin Wong dan fondasi teknisnya

Kartin pindah ke Amerika Serikat untuk studi astronomi. Buat sebagian orang, astronomi terdengar jauh dari crypto, apalagi dari oracle protocol. Padahal, kalau kamu melihat kebutuhan bidang ini, benangnya cukup jelas.

Astronomi modern bukan sekadar mengamati bintang. Di baliknya ada matematika, statistik, komputasi, dan analisis data dalam volume besar. Kamu berurusan dengan pengolahan citra, pengenalan pola, hingga pemodelan yang menuntut ketelitian. Fondasi semacam ini membuat seseorang terbiasa memegang dua hal sekaligus: rasa ingin tahu yang tinggi dan disiplin pembuktian yang ketat.

Di jalur ini, wajar kalau Kartin kemudian nyambung ke machine learning, karena ML adalah alat yang sangat masuk akal untuk menghadapi data dan pola. Dan ketika ML bertemu blockchain, problem yang muncul juga terasa natural: kalau sebuah model memberi output, bagaimana kamu membuktikan output itu valid saat dipakai sistem yang mengandalkan verifikasi?

Pertanyaan itu tidak muncul dari ruang marketing. Ia muncul dari kebiasaan bekerja dengan data dan pembuktian.

 

Dari Bitcoin mining di SMA ke eksperimen AI awal

Sebelum Ora Protocol dikenal orang, Kartin sudah bersentuhan dengan crypto sejak SMA. Sekitar 2011, dia menulis script Bitcoin mining menggunakan Python dan mendapat profit awal dari situ. Ini penting bukan karena soal profitnya, tapi karena menunjukkan interaksi langsung dengan mekanisme teknis crypto pada fase sangat dini, ketika kebanyakan orang bahkan belum paham apa itu mining.

Pengalaman awal ini membentuk intuisi yang berbeda. Kamu tidak cuma melihat crypto sebagai aset, tapi sebagai sistem. Dan ketika kamu terbiasa melihat crypto sebagai sistem, pertanyaan yang muncul biasanya lebih dalam: apa yang bisa dibuat di atasnya, batasnya di mana, dan apa yang membuatnya bisa dipercaya.

Minatnya pada AI juga tidak datang setelah hype besar belakangan. Sekitar 2015, Kartin bereksperimen dengan chatbot berbasis RNN dan LSTM. Eksperimen ini disebut mahal dan hasilnya tidak memuaskan, tapi justru dari sini kamu melihat pola yang konsisten: dia mencoba, merasakan batasnya, lalu mengingat pelajarannya ketika teknologi berkembang.

Fase awal ini terasa seperti pengantar panjang menuju satu tema yang akan berulang: mencoba pendekatan teknis, menemukan batasnya, lalu mencari jalan yang lebih masuk akal.

 

Startup AI pertama: eksperimen, kegagalan, dan pelajaran teknis

Saat masih kuliah, Kartin ikut mendirikan startup AI yang memakai convolutional neural networks untuk mengklasifikasikan gambar bintang. Secara teknis, itu masuk akal karena CNN memang kuat untuk pengenalan pola visual. Namun proyek ini disebut tidak berhasil secara komersial.

Kegagalan komersial sering dianggap noda, padahal untuk builder, ini sering jadi laboratorium paling jujur. Kamu bisa punya model yang bekerja, tapi tetap kalah oleh realitas biaya, adopsi, atau kebutuhan pasar. Dari pengalaman seperti ini, seseorang biasanya pulang membawa pelajaran yang lebih matang: teknologi tidak cukup hanya akurat, tapi harus efisien, bisa dipakai, dan punya jalur implementasi yang realistis.

Kalau kamu tarik garis ke Ora Protocol, pelajaran semacam ini terlihat lagi nanti, terutama saat membahas kenapa dia meninggalkan satu pendekatan yang terlalu mahal dan memilih pendekatan lain yang lebih masuk akal secara operasional.

 

Google sebagai titik validasi: AI dan kriptografi di skala besar

Setelah lulus, Kartin bergabung ke Google sebagai software engineer dan bekerja pada bidang kriptografi dan AI. Ini bukan sekadar baris di profil. Lingkungan seperti Google memaksa standar rekayasa yang tinggi: keamanan, skalabilitas, dan ketelitian implementasi bukan pilihan, tapi syarat.

Buat kamu yang membaca profil builder, pengalaman seperti ini biasanya berfungsi sebagai checkpoint. Bukan berarti semua orang dari Big Tech pasti lebih baik, tapi ada sinyal yang cukup jelas: kemampuan teknisnya pernah diuji di lingkungan enterprise, di mana kesalahan kecil bisa berbiaya besar.

Dari sini, ketika dia kembali ke crypto, kamu bisa membayangkan pendekatannya tidak sekadar mencoba cepat, tapi membawa kebiasaan untuk menguji asumsi, mengukur biaya, dan memikirkan sistem yang akan dipakai banyak orang.

 

Kembali ke crypto dan masalah besar AI on-chain

Pada 2019, Kartin kembali masuk ke crypto lewat trading sebelum akhirnya memutuskan untuk fokus membangun startup crypto. Namun fokus utamanya bukan sekadar membuat aplikasi yang kebetulan memakai AI. Dia ingin membuat smart contract mampu memanfaatkan komputasi yang lebih kompleks, termasuk AI inference.

Masalahnya cepat terasa. Blockchain butuh verifikasi yang kuat, sementara AI inference butuh komputasi yang berat. Kamu bisa punya output AI yang terlihat meyakinkan, tapi smart contract tidak bisa menerima sesuatu hanya karena terlihat meyakinkan. Ia butuh bukti.

Kartin sempat mengeksplorasi penggunaan zero-knowledge proofs untuk menjalankan AI model berskala besar on-chain. Secara konsep, ZK terdengar ideal karena bisa membuktikan sesuatu tanpa membuka detail. Namun ada hambatan praktis yang besar: untuk model dengan parameter sangat banyak, pendekatan ini menjadi tidak efisien.

Di sini kamu melihat momen penting. Banyak proyek berhenti pada konsep. Kartin dan timnya memilih melihat biaya dan realitas sistem, lalu mencari jalur lain.

 

Lahirnya OPML: dari ZK ke Merkle tree

Ketika pendekatan ZK dianggap tidak efisien untuk AI model besar, Kartin dan tim Ora beralih ke verifikasi berbasis Merkle tree. Pergeseran ini melahirkan OPML, Optimistic Machine Learning, yang mengubah AI inference menjadi struktur Merkle yang dapat diverifikasi.

Intinya begini. Daripada memaksa blockchain menjalankan seluruh komputasi AI atau membuktikan semuanya dengan mekanisme yang mahal, OPML mencoba menyusun inference dalam bentuk yang bisa diperiksa dan dipertanyakan. Kalau ada pihak yang ingin menantang hasilnya, ada jalur verifikasi yang lebih terstruktur.

OPML kemudian di-open-source pada 2023, dan dari sana proyek ini mulai mendapat daya tarik dan pendanaan. Ini bukan lonjakan tiba-tiba, tapi hasil dari keputusan desain: membuat AI inference lebih dekat dengan sifat blockchain, yaitu bisa diverifikasi.

Fase ini juga menjelaskan kenapa kisah Kartin sering dipakai sebagai contoh builder. Jalur yang diambil bukan jalur paling heboh, tapi jalur yang menyelesaikan problem dasar.

 

Ora Protocol: bukan sekadar proyek AI

Ora Protocol diposisikan sebagai oracle protocol yang membawa AI dan komputasi kompleks on-chain. Penting untuk menekankan ini, karena banyak orang melihat label AI lalu mengira semuanya mirip satu sama lain.

Ora bukan sekadar menempelkan AI pada aplikasi. Fokusnya ada pada trust, verifiability, dan desain infrastruktur agar smart contract bisa bergantung pada output AI tanpa membangun single point of failure. Dalam berbagai pembahasan, Ora digambarkan punya dua fungsi utama: memungkinkan AI terdesentralisasi yang dipengaruhi smart contract, dan memfasilitasi initial model offering untuk tokenisasi model AI sehingga model bisa menjadi oracle on-chain.

Di sini kamu bisa melihat posisi Ora di ekosistem: ia berada di level infrastruktur. Ini menjelaskan kenapa pembahasannya sering mengarah ke standar, verifikasi, dan cara memilih model, bukan sekadar narasi “AI akan mengubah segalanya”.

Ketika fondasi ini sudah berdiri, pertanyaan berikutnya muncul dengan sendirinya: kalau model AI bisa jadi bagian dari sistem on-chain, bagaimana cara membuatnya punya struktur ekonomi yang lebih terbuka?

 

Initial Model Offering dan gagasan tokenisasi AI

Di 2024, tim Ora melakukan pivot ke tokenisasi model AI. Dari sini muncul gagasan Initial Model Offering, IMO. Pada level konsep, IMO berangkat dari pengamatan sederhana: AI semakin kuat, tapi akses dan manfaatnya cenderung terkonsentrasi pada perusahaan besar yang mengunci model mereka. Kalau kamu hanya bisa memakai model lewat API tertutup, kamu jadi pengguna, bukan peserta.

IMO mencoba menawarkan struktur yang berbeda. Model AI diperlakukan sebagai aset yang bisa ditokenisasi. Ada standar baru di Ethereum untuk merepresentasikan model, dan ada ide revenue sharing bagi pemegang token. Kartin juga menarik analogi ke pasar modal: dulu stock market membuka peluang partisipasi lebih luas terhadap pertumbuhan perusahaan, lalu dia membayangkan mekanisme serupa untuk model AI.

Di sisi lain, ini bukan sekadar gimmick ekonomi. Ada syarat teknis yang menyertainya. Tokenisasi model tanpa verifikasi dan proses seleksi model yang ketat akan membuang sumber daya. Karena itu, pembahasan IMO di Ora juga terkait erat dengan bagaimana memastikan model yang ditokenisasi memang layak, bisa diverifikasi, dan punya jalur penggunaan.

Jika kamu memikirkan ini sebagai infrastruktur, IMO berfungsi sebagai jembatan: menghubungkan inovasi teknis yang bisa diverifikasi dengan mekanisme partisipasi ekonomi yang lebih terbuka.

 

Dampak yang terlihat saat ini: dari panel global ke arah industri

Kalau kamu mencari “dampak” dari figur seperti Kartin, ukurannya bukan viralitas. Ukurannya lebih mirip: apakah idenya dipakai sebagai rujukan teknis, apakah dia diajak berdiskusi di forum builder, dan apakah topik yang dibahas menunjukkan posisi strategis.

Kartin tercatat tampil dalam presentasi dan panel seperti ETHDenver, Ethereum Singapore, AI x Web3 Summit, Open AGI Summit, serta diskusi yang melibatkan tokoh AI besar. Tema yang dibahas juga konsisten: decentralized AI, verifiable agents, infrastruktur untuk inference, dan persoalan etika data serta single point of failure.

Ini mengindikasikan dua hal. Pertama, dia berada di ruang percakapan yang membentuk arah infrastruktur, bukan hanya produk. Kedua, narasinya cenderung bertahan karena bertumpu pada problem teknis yang nyata.

Buat pembaca edukatif, bagian ini penting bukan untuk memuja, tapi untuk memahami: builder yang bekerja di lapisan dasar biasanya “terlihat” lewat forum teknis dan kolaborasi, bukan lewat sensasi.

 

Apa yang bisa kamu ambil dari perjalanan Kartin Wong

Ada pola yang cukup jelas dari perjalanan Kartin. Ia bergerak dari rasa ingin tahu teknis ke problem yang lebih besar, lalu menyusun solusi yang menghormati batas sistem.

Pertama, fondasi itu penting, tapi bukan dalam bentuk gelar. Yang terlihat adalah cara fondasi komputasi dan data membentuk kebiasaan: menguji, mengukur, dan tidak mudah puas oleh jawaban yang terlihat rapi.

Kedua, kegagalan dan keterbatasan pendekatan bukan akhir. Startup AI yang tidak berhasil secara komersial memberi pelajaran soal realitas adopsi. Eksperimen AI awal yang mahal dan kurang memuaskan memberi konteks soal biaya. Eksperimen ZK untuk AI model besar memberi pelajaran soal efisiensi. Semua itu menjadi batu loncatan menuju desain yang lebih realistis.

Ketiga, infrastruktur sering menang diam-diam. Ketika orang ramai memperdebatkan aplikasi mana yang paling menarik, builder seperti Kartin lebih sibuk memastikan fondasinya bisa dipercaya. Itu sebabnya Ora Protocol banyak dibahas dalam konteks verifiability, bukan sekadar “AI token”.

Kalau kamu mengikuti tema AI x blockchain ke depan, pertanyaan seperti verifikasi, trust, dan desain ekonomi model kemungkinan akan semakin sering muncul. Dari sisi ini, kisah Kartin menjadi relevan karena ia menunjukkan bagaimana sebuah ide berkembang bukan dari klaim besar, melainkan dari rangkaian keputusan teknis yang konsisten.

 

Kesimpulan

Perjalanan Kartin Wong menunjukkan bahwa membangun AI di atas blockchain bukan soal menempelkan teknologi mutakhir pada sistem lama, melainkan soal menyelesaikan kontradiksi paling mendasar antara keduanya. AI bergerak cepat, penuh probabilitas, dan sering sulit diaudit. Blockchain justru dibangun di atas kepastian, verifikasi, dan kepercayaan tanpa perantara. Ora Protocol lahir dari ketegangan ini, bukan dari narasi besar, tetapi dari keputusan teknis yang berulang kali diuji dan dikoreksi.

Fondasi Kartin di komputasi dan data membuatnya peka terhadap batas nyata teknologi. Pengalaman gagal membangun startup AI, bekerja di lingkungan enterprise, hingga meninggalkan pendekatan yang terlalu mahal seperti zero-knowledge proof untuk AI skala besar, membentuk satu pola yang konsisten: solusi hanya layak dipertahankan jika bisa diverifikasi, efisien, dan dipakai dalam sistem nyata. OPML dan arah Ora Protocol bukan produk kebetulan, melainkan hasil dari proses tersebut.

Ketika Ora berkembang ke tokenisasi model melalui Initial Model Offering, fokusnya tetap sama. Bukan sekadar membuka skema ekonomi baru, tetapi memastikan bahwa model AI yang diberi nilai ekonomi tetap bisa diaudit, diuji, dan dipercaya oleh sistem on-chain. Di sinilah posisi Kartin menjadi relevan. Ia tidak sedang mengejar gelombang tren AI, melainkan ikut menentukan bagaimana AI seharusnya beroperasi ketika menjadi bagian dari infrastruktur terbuka.

Bagi kamu yang mengikuti perkembangan AI dan blockchain, kisah ini memberi satu pelajaran penting. Masa depan integrasi keduanya tidak akan ditentukan oleh siapa yang paling cepat meluncurkan fitur, tetapi oleh siapa yang mampu membangun fondasi kepercayaan di bawahnya. Dalam konteks itu, Kartin Wong dan Ora Protocol lebih tepat dibaca sebagai arah, bukan sekadar profil tokoh.

 

Itulah informasi menarik tentang  Sosok Kartin Wong yang bisa kamu eksplorasi lebih dalam di artikel populer Akademi crypto di INDODAX. Selain memperluas wawasan investasi, kamu juga bisa terus update dengan berita crypto terkini dan pantau langsung pergerakan harga aset digital di INDODAX Market.

Untuk pengalaman trading yang lebih personal, jelajahi juga layanan OTC trading kami di INDODAX. Jangan lupa aktifkan notifikasi agar kamu selalu mendapatkan informasi terkini seputar aset digital, teknologi blockchain, dan berbagai peluang trading lainnya hanya di INDODAX Academy.

 

Kamu juga dapat mengikuti berita terbaru kami melalui Google News untuk akses informasi yang lebih cepat dan terpercaya. Untuk pengalaman trading yang mudah dan aman, download aplikasi crypto terbaik dari INDODAX di App Store atau Google Play Store.

Maksimalkan juga aset kripto kamu dengan fitur INDODAX Staking/Earn, cara praktis untuk mendapatkan penghasilan pasif dari aset yang kamu simpan. Segera register di INDODAX dan lakukan KYC dengan mudah untuk mulai trading crypto lebih aman, nyaman, dan terpercaya!

Dalam praktekknya, transparansi aset kini diadopsi oleh sejumlah platform kripto, salah satunya melalui publikasi data Proof of Reserves (PoR) dari pihak ketiga seperti CoinMarketCap. Di Indonesia, Indodax termasuk platform yang secara rutin memperbarui informasi tersebut agar dapat diakses publik.

 

Kontak Resmi Indodax
Nomor Layanan Pelanggan: (021) 5065 8888 | Email Bantuan: [email protected]

 

Ikuti juga sosial media kami di sini: Instagram, X, Youtube & Telegram

 

FAQ

 

1. Apa latar belakang pendidikan Kartin Wong

Kartin Wong studi astronomi di Amerika Serikat. Bidang ini dekat dengan matematika, statistik, komputasi, dan analisis data, sehingga wajar bila ia kemudian aktif bereksperimen dengan machine learning dan tertarik pada persoalan pembuktian hasil komputasi, termasuk ketika AI dibawa ke sistem on-chain.

2. Apa peran Kartin Wong di Ora Protocol

Kartin Wong adalah co-founder Ora Protocol. Ia dikenal membahas arah teknis Ora terkait verifiable AI oracle, termasuk pendekatan untuk membuat AI inference bisa diverifikasi dan dapat digunakan oleh smart contract tanpa bergantung pada satu pihak terpusat.

3. Apa itu OPML dan kenapa sering disebut dalam Ora Protocol

OPML adalah Optimistic Machine Learning, pendekatan yang mengubah proses AI inference menjadi struktur yang dapat diverifikasi, termasuk dengan mekanisme berbasis Merkle tree. OPML penting karena mencoba membuat AI inference lebih sesuai dengan kebutuhan blockchain yang mengutamakan verifikasi.

4. Apa itu Initial Model Offering

Initial Model Offering, IMO, adalah konsep yang diperkenalkan dalam konteks Ora untuk tokenisasi model AI. Gagasannya adalah memperlakukan model AI sebagai aset yang dapat diwakili token, dengan standar on-chain dan ide revenue sharing, sehingga partisipasi terhadap nilai ekonomi model menjadi lebih terbuka.

5. Kenapa Ora Protocol relevan saat AI makin sering dipakai di aplikasi crypto

Saat AI makin sering dipakai, problem trust menjadi makin besar. Output AI yang tidak bisa diverifikasi sulit dijadikan dasar keputusan oleh smart contract. Ora Protocol berangkat dari kebutuhan itu, dengan fokus pada verifiability, oracle untuk AI inference, dan desain yang mengurangi ketergantungan pada satu titik kontrol.

 

 

Author : RB