Konvergensi Besar: Bagaimana AI Menghubungkan Setiap Bidang

Kecerdasan Buatan (AI) telah menggebrak dunia dengan potensinya untuk meningkatkan efisiensi, mengurangi biaya, dan meningkatkan produktivitas.

Sementara bagi banyak orang AI diidentikkan dengan chatbot, berkat kemudahan akses dan popularitas alat AI generatif seperti ChatGPT, teknologi ini jauh lebih luas, dengan manfaatnya merambah ke bidang kedokteran, manufaktur, robotika, perawatan kesehatan, pendidikan, ilmu iklim, keuangan, hukum, keamanan siber, dan seterusnya.

Dengan meniru fungsi kognitif manusia seperti pemecahan masalah dan pengambilan keputusan, AI menjanjikan transformasi pada sistem dasar industri-industri tersebut, di mana semakin banyak organisasi secara aktif mengeksplorasi kemampuan AI.

Sebuah survei McKinsey terbaru mengungkapkan peningkatan penggunaan AI, tidak hanya di sektor teknologi, di mana AI telah melampaui 90%, tetapi di hampir setiap industri.

Sembilan dari sepuluh responden mengatakan bahwa organisasi mereka secara rutin menggunakan AI, meskipun masih dalam fase eksperimen. Meskipun berada pada tahap pilot, responden melaporkan manfaat biaya dan pendapatan, dengan 64% menyatakan bahwa AI memungkinkan mereka berinovasi.

Adopsi yang terus tumbuh ini menunjukkan bahwa bahkan pada tahap awal, AI menjadi penggerak utama transformasi digital.

Dalam lanskap yang saling terhubung secara global dan kompetitif saat ini, AI memungkinkan bisnis memanfaatkan kekuatan berbagai teknologi digital, seperti big data, komputasi awan, dan Internet of Things. Pada dasarnya, AI berperan sebagai teknologi konvergen, mempercepat pengembangan dan integrasi teknologi lain sehingga dampak gabungannya lebih besar daripada jumlah bagian‑bagian terpisahnya.

Dengan itu, mari kita lihat beberapa kemajuan AI yang menarik di berbagai sektor, yang masing‑masing menunjukkan bagaimana AI mengubah dunia.

Berikut adalah gambaran cepat dari tiga domain di mana konvergensi AI sudah dapat diukur.

Geser untuk menggulir →

AI Memetakan Mikrobioma Usus ke Kesehatan Manusia (dan Risiko CAD)

Dengan bantuan AI, para ilmuwan kini telah menguraikan ekosistem rumit bakteri usus dan sinyal kimianya, memungkinkan penemuan hubungan tersembunyi antara bakteri dan kesehatan manusia. Lebih jauh lagi, sistem AI canggih ini ternyata lebih baik dalam studi kanker, obesitas, dan gangguan tidur dibanding model konvensional, serta menunjukkan potensi besar dalam menyesuaikan perawatan berdasarkan komposisi mikroba tiap individu untuk mengubah kedokteran pribadi.

Kemampuan AI dalam mengungkap pola tersembunyi sangat luar biasa, seperti pada studi dari Universitas Waterloo¹, analisis berbasis AI terhadap tes darah rutin mendeteksi pola yang dapat membuat prediksi menyelamatkan nyawa secara terjangkau dan dapat diakses.

Kembali ke bakteri usus, mereka memainkan peran kunci dalam kesehatan kita, memengaruhi tidak hanya pencernaan dan pencegahan penyakit tetapi juga kekebalan dan bahkan suasana hati. Penelitian baru menemukan bahwa mikrobioma usus kita² mungkin juga memengaruhi perkembangan penyakit arteri koroner, yang menewaskan hampir 20 juta orang setiap tahun.

Usus manusia jelas menakjubkan, namun juga merupakan ekosistem kompleks yang terdiri dari triliunan mikroorganisme. Selain jumlah spesies bakteri yang sangat banyak, interaksi mereka dengan kimia tubuh manusia membuat ilmuwan sulit memahami dampaknya.

Namun dalam langkah terobosan, peneliti dari Universitas Tokyo beralih ke AI untuk mengatasi masalah ini.

Mereka menciptakan sistem AI untuk lebih memahami bakteri mana yang menghasilkan metabolit tertentu, molekul kecil yang berfungsi sebagai pembawa pesan kimia dan beredar dalam tubuh, memengaruhi metabolisme, kekebalan, dan fungsi otak, serta bagaimana hubungan bakteri‑metabolit berubah pada berbagai penyakit.

“Dengan memetakan secara akurat hubungan bakteri‑kimia ini, kami berpotensi mengembangkan perawatan yang dipersonalisasi. Bayangkan dapat menumbuhkan bakteri spesifik untuk menghasilkan metabolit manusia yang menguntungkan atau merancang terapi terarah yang memodifikasi metabolit ini untuk mengobati penyakit.”

– Peneliti Proyek Tung Dang dari laboratorium Tsunoda di Departemen Ilmu Biologi

Model yang mereka kembangkan adalah jaringan saraf Bayesian bernama VBayesMM³, yang mengatasi tantangan mengidentifikasi pola bermakna dari interaksi kompleks antara triliunan bakteri dan metabolit.

Model ini menggunakan pendekatan Bayesian untuk mengidentifikasi kelompok bakteri mana yang paling memengaruhi metabolit tertentu. Selain itu, ia mengukur ketidakpastian dalam prediksinya untuk mencegah kesimpulan yang keliru, sehingga memberi ilmuwan wawasan yang lebih akurat dan dapat dipercaya.

Dengan pendekatan variational Bayesian microbiome multiomics (VBayesMM), tim berhasil mengidentifikasi spesies mikroba kunci secara cepat dan tepat, menghasilkan estimasi yang lebih akurat. Implementasi inferensi variational juga mengatasi kendala komputasi, memungkinkan analisis skala besar pada dataset masif.

Tim selanjutnya akan bekerja dengan dataset kimia yang lebih komprehensif untuk menangkap seluruh spektrum produk bakteri, guna mengatasi penurunan akurasi ketika data metabolit lebih luas daripada data bakteri.

“Kami juga berupaya membuat VBayesMM lebih kuat saat menganalisis populasi pasien yang beragam, dengan memasukkan hubungan ‘pohon keluarga’ bakteri untuk meningkatkan prediksi, serta lebih mengurangi waktu komputasi yang diperlukan untuk analisis,” kata Dang. “Untuk aplikasi klinis, tujuan akhir adalah mengidentifikasi target bakteri spesifik untuk perawatan atau intervensi diet yang benar‑benar membantu pasien, bergerak dari riset dasar menuju aplikasi medis praktis.”

Investable Angle: Precision Medicine dengan Tempus AI

Dalam dunia ilmu hayat yang menarik dan kompleks ini, Tempus AI (TEM ) menonjol dengan menawarkan solusi kedokteran presisi berbasis AI untuk perawatan pasien yang dipersonalisasi.

Tempus adalah perusahaan teknologi yang memajukan kedokteran presisi serta memfasilitasi penemuan dan pengembangan terapi optimal. Ia memiliki tiga lini produk:

• Genomik: Menyediakan diagnostik sequencing generasi berikutnya (NGS), profil, genotiping molekuler, dan pengujian lainnya.
• Data: Melibatkan penataan dan de‑identifikasi data yang dihasilkan di laboratoriumnya sebelum komersialisasi.
• Aplikasi AI: Menyediakan diagnostik, mengimplementasikan perangkat lunak baru sebagai perangkat medis, dan menyebarkan alat dukungan keputusan klinis.

Tahun ini, Tempus mencapai beberapa tonggak regulasi penting, termasuk memperoleh persetujuan FDA untuk perangkat IVD Tempus xR yang mendukung pengembangan obat melalui sequencing RNA lanjutan. Akibatnya, mitra Tempus dapat menggunakan assay RNA‑nya untuk “lebih tepat mengidentifikasi pasien mana yang paling mungkin merespon terapi tertentu dan merancang uji klinis yang lebih efisien.”

Platform analisis citra jantung berbasis AI yang diperbarui, Tempus Pixel, serta perangkat lunak AI Tempus ECG‑Low EF juga memperoleh persetujuan FDA 510(k), memperkuat posisi perusahaan dalam diagnostik berbasis AI.

Saham perusahaan dengan kapitalisasi pasar $12,73 miliar, sementara itu, saat ini diperdagangkan pada $72,52, naik hampir 112% tahun ini. Baru bulan lalu, saham TEM melampaui angka $100.

Berkenaan dengan posisi keuangannya, Tempus baru‑baru ini melaporkan kenaikan pendapatan YoY sebesar 84,7% pada Q3 2025 menjadi $334,2 juta, sementara laba kotor naik 98,4% menjadi $209,9 juta. Kerugian bersih kuartal tersebut sebesar $80 juta. Pada akhir kuartal, perusahaan memiliki kas dan sekuritas pasar sebesar $764,3 juta.

“Tidak hanya kami tumbuh dengan kecepatan luar biasa, mencapai EBITDA yang disesuaikan positif menandai tonggak penting dan mencerminkan kekuatan bisnis dasar kami,” kata pendiri dan CEO Tempus Eric Lefkofsky. “Salah satu hal tersulit yang dapat dilakukan, dan tanda ketahanan model bisnis, adalah mampu memperlambat laju reinvestasi kembali ke bisnis sambil tetap mempertahankan pertumbuhan, yang memang kami capai kuartal ini.”

Klik di sini untuk daftar perusahaan data biotek teratas.

AI Memprediksi Badai Matahari Beberapa Hari Lebih Awal—Melindungi Jaringan Listrik & Satelit

Sebuah model AI telah dikembangkan untuk memprediksi angin matahari jauh sebelumnya dengan akurasi lebih tinggi dibanding metode yang ada, membantu melindungi jaringan listrik, satelit, dan sistem navigasi dari peristiwa ruang angkasa yang mengganggu serta memperkuat ketahanan infrastruktur kritis kita.

Angin matahari adalah aliran konstan partikel bermuatan yang dilepaskan oleh Matahari. Hal ini terjadi ketika medan magnet berpilin Matahari menjadi tertekuk dan meregang, menyebabkan mereka melepaskan energi besar saat kembali terhubung kembali.

Ketika partikel‑partikel ini mempercepat, mereka dapat mengganggu atmosfer Bumi. Tidak hanya dapat mengganggu jaringan listrik, tetapi juga dapat menyeret satelit keluar orbit, seperti yang terjadi pada 2022, ketika SpaceX kehilangan hingga 40 satelit Starlink (SPCX ) akibat badai geomagnetik.

Badai matahari, di sisi lain, merupakan peristiwa yang lebih kuat, di mana Matahari memancarkan energi, partikel, dan medan magnet ke galaksi. Ketika diarahkan ke Bumi, hal ini dapat menciptakan gangguan besar pada medan magnet Bumi, yang disebut badai geomagnetik. Inilah yang menghasilkan aurora borealis yang indah, namun juga menyebabkan pemadaman listrik.

Skema risiko sistemik terbaru Lloyd memperkirakan bahwa badai matahari parah dapat mengekspos ekonomi global pada kerugian sekitar $2,4 triliun selama lima tahun, dengan perkiraan kerugian sekitar $17 miliar saat ini.

Ini menunjukkan kebutuhan mendesak untuk peramalan yang lebih baik terhadap peristiwa tersebut. Oleh karena itu, peneliti di NYU Abu Dhabi (NYUAD) melakukan hal tersebut dengan bantuan AI.

Mereka telah membangun model AI yang dapat memprediksi angin matahari⁴ hingga empat hari sebelum peristiwa terjadi, lebih akurat daripada metode saat ini. Model ini dilatih pada catatan historis angin matahari dan citra ultraviolet dari Solar Dynamics Observatory (SDO) milik NASA.

Dengan menganalisis citra Matahari untuk mendeteksi pola yang terkait dengan perubahan angin matahari, tim NYUAD berhasil meningkatkan akurasi perkiraan sebesar 45% dibanding model operasional saat ini. Lebih jauh, mereka mencapai peningkatan 20% dibanding pendekatan AI sebelumnya.

“Ini merupakan langkah besar maju dalam melindungi satelit, sistem navigasi, dan infrastruktur listrik yang menjadi tulang punggung kehidupan modern,” kata penulis utama studi, Dattaraj Dhuri. “Dengan menggabungkan AI canggih dengan observasi Matahari, kami dapat memberikan peringatan dini yang membantu melindungi teknologi kritis di Bumi dan di luar angkasa.”

Investable Angle: Space-Weather AI dengan IBM 

IBM dengan kapitalisasi pasar $293,24 miliar adalah penyedia global layanan hybrid cloud dan AI untuk membantu transformasi digital lintas data, aplikasi, dan lingkungan operasional.

Beberapa bulan lalu, IBM merilis model AI sumber terbuka, ‘Surya’, bekerja sama dengan NASA, untuk lebih memahami data yang dikumpulkan dari observasi Matahari dan memprediksi bagaimana aktivitas Matahari memengaruhi teknologi ruang angkasa dan Bumi. Dengan Surya, perusahaan menerapkan AI pada riset peramalan cuaca ruang angkasa dan menyediakan alat untuk melindungi telekomunikasi, jaringan listrik, serta navigasi GPS dari gangguan yang disebabkan oleh perubahan sifat Matahari.

Saat ini, saham IBM diperdagangkan pada $319, naik 42,7% YTD. EPS (TTM)‑nya 8,07 dan P/E (TTM)‑nya 38,87. IBM membayar dividen dengan hasil 2,14%.

Pada kuartal terbaru, 3Q25, perusahaan melaporkan peningkatan pendapatan sebesar 9% menjadi $16,3 miliar. Margin laba kotor GAAP‑nya 57,3% dan laba operasi non‑GAAP‑nya 58,7%. Kas bersih dari aktivitas operasi, sementara itu, mencapai $9,2 miliar tahun ini, dan arus kas bebas tercatat $7,2 miliar.

“Klien di seluruh dunia terus memanfaatkan teknologi dan keahlian domain kami untuk meningkatkan produktivitas dalam operasi mereka dan memberikan nilai bisnis nyata dengan AI.”

– CEO Arvind Krishna

Ia juga mencatat bahwa portofolio AI IBM melampaui $9,5 miliar, naik dari $7,5 miliar pada kuartal sebelumnya.

Di Mana AI Mengungguli Pakar: Kedokteran, Neurosains & Pendidikan

Peneliti menemukan bahwa AI secara konsisten mengungguli pakar di berbagai domain.

Salah satu domain tersebut adalah kedokteran, di mana “glaukoma tetap menjadi salah satu penyebab kehilangan penglihatan paling umum yang tidak dapat diperbaiki secara global,” dengan skrining yang terlalu mahal. Namun AI dapat menjadi solusinya, harap Dr. Anthony Khawaja, profesor di University College London Institute of Ophthalmology dan peneliti utama studi baru ini, yang melaporkan bahwa program AI terlatih mengidentifikasi pasien dengan glaukoma sekitar 90% waktu, dibandingkan 81% untuk penilai manusia.

Untuk studi ini, baik pakar manusia maupun program AI mengevaluasi lebih dari 6.300 peserta, di mana hampir 700 di antaranya memiliki glaukoma pada setidaknya satu mata.

Glaukoma merupakan akibat kerusakan saraf optik, paling umum disebabkan oleh tekanan yang meningkat di dalam mata, yang dapat menyebabkan kebutaan total. Pakar manusia dan AI menilai risiko glaukoma peserta berdasarkan rasio cup‑disk vertikal, ukuran kunci gangguan ini yang melacak perubahan struktur mata akibat penumpukan tekanan.

Menurut hasil studi, hanya 11% mata peserta yang dicurigai mengidap glaukoma, sesuai dengan proporsi yang diharapkan dalam skrining rutin. Akurasi, peneliti mencatat, dapat ditingkatkan lebih lanjut dengan memasukkan faktor risiko lain, seperti tekanan intraokular.

Dalam studi lain⁵, model bahasa besar (LLM) memprediksi hasil studi neuroscience yang diusulkan lebih akurat daripada pakar manusia, menyoroti potensi AI untuk mempercepat riset.

Alih‑alih fokus pada kemampuan LLM menjawab pertanyaan, studi ini mengeksplorasi apakah model dapat mensintesis pengetahuan untuk memprediksi hasil di masa depan.

Jadi, mereka menguji 15 LLM umum dan 171 pakar neuroscience manusia dan menemukan semua LLM mengungguli para neuroscientist. Sementara LLM rata‑rata mencapai akurasi 81%, manusia rata‑rata 63%, yang hanya naik menjadi 66% pada tingkat keahlian tertinggi. Sementara itu, melatih LLM pada literatur neuroscience meningkatkan akurasinya menjadi 86%.

“Kami menduga tidak akan lama sebelum ilmuwan menggunakan alat AI untuk merancang eksperimen paling efektif bagi pertanyaan mereka. Meskipun studi kami berfokus pada neuroscience, pendekatan kami bersifat universal dan seharusnya berhasil diterapkan di seluruh ilmu pengetahuan.”

– Penulis senior Bradley Love, profesor di UCL Psychology & Language Sciences

AI, menurut peneliti Cambridge, memiliki keunggulan jelas dalam pemodelan prediktif dan analisis data. Ketika diberikan data tepat waktu dalam hal volume, variasi, dan verifikasi, AI dapat mengoptimalkan biaya dan rantai pasokan, merancang produk berkinerja tinggi lebih cepat, serta merespons fluktuasi pasar secara real‑time.

“Mengabaikan AI generatif dalam strategi korporat tidak lagi dapat diterima,” kata penulis bersama studi.

Ini baru puncak gunung es, karena studi lain menemukan AI bahkan unggul dalam mekanika bahasa dasar⁶ namun kurang konsistensi tematik ketika menilai assay, mengungguli pakar manusia dalam mengenali rasa sakit pada domba⁷ menggunakan informasi visual yang sama, dan menyamakan atau melampaui dermatolog⁸ dalam diagnosis kulit berbasis gambar.

Investable Angle: Gemini Adoption melalui Alphabet Inc.

Ketika berbicara tentang investasi pada kekuatan AI, Alphabet (GOOG ) menjadi pilihan yang layak, yang telah memimpin terobosan AI melalui Google DeepMind dan Google Research.

Baru‑baru ini, Google DeepMind dan perusahaan teknologi pendidikan berbasis AI, Eedi, merilis penelitian eksploratori⁹ yang menunjukkan bahwa tutoring AI dengan interaksi manusia mengungguli dukungan hanya manusia.

Uji coba dilakukan di lima kelas sekolah menengah di Inggris, di mana instruksi inti disampaikan oleh LearnLM, model AI generatif Google yang disesuaikan untuk pedagogi. Mereka menemukan tim manusia‑AI seefektif (93%) dalam membantu siswa segera memperbaiki kesalahan dibandingkan tutor manusia saja (91,2%). Tim tersebut juga sama baiknya dalam membantu siswa mengatasi kesalahpahaman mendasar.

Saat mengukur “transfer pengetahuan,” yang merujuk pada bagaimana tutoring pada satu masalah memengaruhi kemampuan siswa menyelesaikan masalah baru, tutor manusia saja meningkatkan pembelajaran sebesar 4,5 poin persentase, sementara tim manusia‑AI meningkatkan sebesar 10 poin persentase.

“Temuan ini menandai tonggak bagi AI yang bertanggung jawab, aman, dan efektif dalam pendidikan. Langkah selanjutnya adalah memperluas ini dari pilot eksploratori ke uji coba skala besar.”

– Irina Jurenka, Peneliti Ilmiah di Google DeepMind

Sementara itu, model AI multimodal Gemini milik raksasa teknologi tersebut telah membuat beberapa kemajuan, meraih performa setara medali emas pada International Collegiate Programming Contest (ICPC) World Finals 2025, setelah kemenangan medali emas pada International Mathematical Olympiad. Aplikasi AI unggulan Google kini memiliki lebih dari 650 juta pengguna aktif bulanan.

Jadi, Google sangat terlibat dalam inovasi AI, dan hal ini membantu sahamnya melonjak hampir 54% tahun ini, kini diperdagangkan sedikit di atas $293. Perusahaan dengan kapitalisasi pasar $3,5 triliun juga membayar dividen sebesar 0,29%.

Baru‑baru ini, perusahaan melaporkan pendapatan $102,35 miliar untuk Q3 2025, didorong oleh momentum kuat di bisnis cloud, yang mendapat manfaat dari permintaan AI yang tinggi. Perusahaan kini berencana meningkatkan belanja modal menjadi antara $91‑$93 miliar, setelah menaikkan ekspektasi dari $75 miliar ke $85 miliar awal tahun ini. Sebagian besar pengeluarannya dialokasikan untuk infrastruktur seperti pusat data.

Pikiran Akhir

AI telah mengguncang dunia, namun kini bukan lagi inovasi yang berdiri sendiri. Sebaliknya, AI berfungsi sebagai jaringan penghubung yang mengaitkan semakin banyak teknologi transformatif. Seperti yang disebutkan di atas, AI membantu kami menguraikan misteri mikrobioma manusia, memprediksi badai matahari, dan bahkan mengungguli pakar dalam ilmu pengetahuan dan kedokteran. Namun terobosan‑terobosan ini hanya mewakili sebagian kecil dari bagaimana AI secara mendalam memengaruhi hampir setiap frontier upaya manusia.

Seiring AI berkonvergensi dengan big data, bioteknologi, komputasi awan, robotika, dan ilmu kuantum, AI mempercepat laju penemuan dan memungkinkan integrasi yang menciptakan sistem lebih cerdas dan dunia yang lebih pintar.

Klik di sini untuk mempelajari semua tentang berinvestasi dalam kecerdasan buatan.

Referensi

1. Mussavi Rizi, M., Fernández, D., Kramer, J. L. K., Saigal, R., DiGiorgio, A. M., Beattie, M. S., Ferguson, A. R., Kyritsis, N., Torres-Espín, A., & TRACK-SCI. Modeling trajectories of routine blood tests as dynamic biomarkers for outcome in spinal cord injury. npj Digital Medicine 8:470 (2025). https://doi.org/10.1038/s41746-025-01782-0
2. Lee, S., Raza, S., Lee, E.-J., Chang, Y., Ryu, S., Kim, H.-L., Kang, S.-H., & Kim, H.-N. Metagenome-assembled genomes reveal microbial signatures and metabolic pathways linked to coronary artery disease. mSystems e00954-25 (2025). https://doi.org/10.1128/msystems.00954-25
3. Dang, T., Lysenko, A., Boroevich, K. A., & Tsunoda, T. “VBayesMM: variational Bayesian neural network to prioritize important relationships of high-dimensional microbiome multiomics data.” Briefings in Bioinformatics 26(4), bbaf300 (2025). https://doi.org/10.1093/bib/bbaf300
4. Sinha, A., Dhuri, D., Vasanth, R., Hanasoge, S., et al. “A Multimodal Encoder–Decoder Neural Network for Forecasting Solar Wind Speed at L1.” The Astrophysical Journal Supplement Series 258(2): 1–? (2025). https://doi.org/10.3847/1538-4365/adf436
5. Luo, X., Rechardt, A., Sun, G., Nejad, K. K., Yáñez, F., Yilmaz, B., Lee, K., Cohen, A. O., Borghesani, V., Pashkov, A., Marinazzo, D., Nicholas, J., Salatiello, A., Sucholutsky, I., Minervini, P., Razavi, S., Rocca, R., Yusifov, E., Okalova, T., Gu, N., Ferianc, M., Khona, M., Patil, K. R., Lee, P. S., Mata, R., Myers, N. E., Bizley, J. K., Musslick, S., Bilgin, I. P., Niso, G., Ales, J. M., Gaebler, M., Ratan Murty, N. A., Loued-Khenissi, L., Behler, A., Hall, C. M., Dafflon, J., Bao, S. D. & Love, B. C. Large language models surpass human experts in predicting neuroscience results. Nature Human Behaviour 9, 305–315 (2025). https://doi.org/10.1038/s41562-024-02046-9
6. Bouziane, K. & Bouziane, A. M. AI versus human effectiveness in essay evaluation. Discover Education 3:201 (2024). https://doi.org/10.1007/s44217-024-00320-6
7. Feighelstein M., Luna S.P., Silva N.O., Trindade P.E., Shimshoni I., van der Linden D., & Zamansky A. “Comparison between AI and human expert performance in acute pain assessment in sheep.” Scientific Reports 15(1):626 (2025). https://doi.org/10.1038/s41598-024-83950-y (PubMed)
8. Ma, X., & Li, Z. Artificial intelligence in dermatology: a review. International Journal of Dermatology and Venereology 7, 227–235 (2025). https://doi.org/10.1097/IJD.0000000000000000
9. Gomes, B., McKee, K. R., Veerubhotla, A. S., Modi, A., Rysbek, A., Huber, A., Wiltshire, S., Gillick, D., et al. “AI tutoring can safely and effectively support students: An exploratory RCT in UK classrooms.” arXiv pre-print (Nov 2025). Available at: https://storage.googleapis.com/deepmind-media/LearnLM/learnLM_nov25.pdf