"Apa yang tidak bisa saya ciptakan, tidak saya pahami." — Richard Feynman

Semua orang sedang berlomba-lomba untuk membangun dengan agen AI. Untuk menyebarkannya, mengaturnya, melakukan otomatisasi dengannya. Pertanyaan yang akan menjadi lebih penting seiring berjalannya waktu adalah apakah orang-orang yang membangun dengannya benar-benar memahami apa yang sedang dilakukan oleh agen-agen tersebut.

Ini bukan pertanyaan yang nyaman. Tapi ini adalah pertanyaan yang tepat.

Itulah yang kami yakini, di Enter, setiap hari. Dan itulah yang sebenarnya terjadi di HackPrinceton Spring 2026.

Minggu ini, kami membagikan pengalaman kami di akhir pekan itu. Jika Anda melewatkannya, Anda dapat membacanya di HackPrinceton 2026 x Enter.pro : Building the Future | Enter . Artikel tersebut adalah tentang energi, misi, dan gambaran yang lebih besar. Artikel ini adalah pembahasan mendalam tentang PolyPath.

Karena generasi pengembang dan pelajar saat ini sedang memasuki dunia yang jenuh dengan sistem AI. Alat untuk menggunakannya ada di mana-mana. Kurikulum untuk memahaminya: bagaimana mereka bernalar, di mana mereka gagal, apa yang sebenarnya mereka lakukan dalam tugas tertentu; belum mampu mengimbangi. Kesenjangan antara menggunakan AI dan memahaminya semakin melebar.

Kesenjangan itulah yang ingin dijembatani oleh PolyPath.

Keyakinan yang Memulainya

Inspirasi untuk PolyPath tidak datang dari peluang pasar. Itu datang dari sebuah keyakinan.

Tyler Van Buren tiba di HackPrinceton dengan sebuah tesis: kita akan tetap membutuhkan manusia dalam lingkaran (human-in-the-loop) yang sangat memahami bagaimana agen-agen ini bekerja. Bukan manusia yang bisa memberi perintah (prompt) kepada mereka. Manusia yang memahami mereka: apa yang mereka optimalkan, bagaimana mereka berperilaku dalam kondisi yang berbeda, di mana logika mereka rusak.

Pemahaman seperti itu tidak datang dari membaca slide. Itu datang dari melihat algoritma berjalan. Dari mengajukan pertanyaan secara real-time. Dari memiliki sesuatu yang menunjukkan kepada Anda, bukan hanya memberi tahu Anda.

PolyPath adalah sesuatu itu.

Apa Itu PolyPath

PolyPath adalah kerangka kerja untuk pelajaran interaktif dalam algoritma pembelajaran mesin (machine learning).

Kata kuncinya adalah interaktif. Konsep pembelajaran mesin: gradient descent, klasifikasi, pengelompokan (clustering) terkenal sulit untuk diserap secara pasif. Mereka harus bergerak untuk dapat dipahami. Anda perlu melihat bagaimana algoritma berperilaku di berbagai input sebelum intuisi itu muncul. Diagram statis tidak bisa melakukan itu. Slide tidak bisa melakukan itu.

PolyPath memasangkan demo agen langsung — algoritma yang berjalan secara real-time di depan siswa — dengan tutor AI yang hadir di sampingnya. Anda melihat algoritma bekerja. Anda mengajukan pertanyaan. Tutor merespons, menjelaskan, dan menyesuaikan penjelasan ke mana pun Anda berada dalam materi tersebut.

Ini bukan video. Ini bukan buku teks. Ini adalah hal terdekat dengan memiliki orang yang sabar dan berpengetahuan luas duduk di sebelah Anda saat algoritma berjalan — seseorang yang dapat menjawab pertanyaan yang Anda miliki saat ini, tentang hal yang sedang terjadi saat ini di layar Anda.

Tujuannya bukan hanya untuk mengajarkan algoritma. Ini adalah untuk membangun jenis intuisi yang memungkinkan siswa mengenalinya ketika mereka menemukannya di dunia nyata.

Bagaimana Dia Membangunnya

Dia membangun seluruh sistem ini di Enter.pro. 100% vibe coded.

Frasa itu patut untuk direnungkan, karena pembuatnya mengatakannya dengan rasa bangga yang khas. Bukan "kami menggunakan AI untuk membantu." Semuanya. Kerangka kerja, struktur pelajaran, antarmuka demo real-time, lapisan tutor — dijelaskan dalam bahasa biasa, dibangun oleh AI, dirilis dalam 36 jam.

Enter memberinya infrastruktur untuk bergerak tanpa membuang waktu untuk pengaturan, konfigurasi, atau perancangan awal. Dari prompt pertama hingga URL langsung, platform menangani eksekusinya. Dia menghabiskan seluruh 36 jam untuk satu-satunya hal yang benar-benar penting: pengalaman belajar.

Untuk itulah vibe coding ada. Mengeluarkan ide dari kepala Anda dan menuangkannya ke layar dengan cukup cepat sehingga Anda dapat mulai belajar darinya.

Ini Adalah Proyek Keenam yang Kami Tulis Dari HackPrinceton

Kami terus menulis tentang apa yang dihasilkan dari akhir pekan itu karena kualitas pemikirannya terus mendapatkan perhatian.

PolyPath layak mendapatkan tempatnya karena pertanyaan yang diajukannya adalah pertanyaan yang belum ditanggapi dengan cukup serius oleh industri: jika semua orang menyebarkan agen, siapa yang sebenarnya memahami mereka? Dan seperti apa pendidikan untuk hal itu?

Enter hadir di HackPrinceton karena kami percaya siapa pun yang memiliki ide harus dapat membangunnya. PolyPath adalah wujud dari hal tersebut ketika idenya bukanlah sebuah produk, melainkan sebuah pelajaran — ketika pembuatnya tidak sedang mengejar pasar, melainkan mencoba menjembatani kesenjangan yang penting.

Apa Langkah Selanjutnya

Peta jalan jangka pendek sudah jelas: lebih banyak pelajaran, akun pengguna, sesi persisten sehingga siswa dapat kembali ke tempat terakhir mereka tinggalkan.

Arah jangka panjang adalah apa yang membuat ini menarik. Sebuah kerangka kerja yang membuat algoritma pembelajaran mesin terlihat dan interaktif — yang mengajarkan dengan menunjukkan alih-alih menjelaskan — memiliki aplikasi di setiap kurikulum ilmu komputer, setiap pelajar mandiri, setiap insinyur yang telah menyebarkan model tanpa sepenuhnya memahami apa yang dilakukannya.

Pelajaran ini belum selesai. Tapi ini baru saja dimulai.

→ Coba PolyPath secara langsung: 8b0805f774144e2bb5aeaa41ac4dadb2.prod.enter.pro

Melewatkan volume sebelumnya? → Vol. 1 — Heritage in Pixels → Vol. 2 — Terra Zone AI *→ Vol. 3: *reAgent *→ Vol. 5: *TaleTailor *→ Vol. 4: *LEGR