Ketika AI menyelesaikan matematika: Terence Tao membatasi antusiasme (namun tidak menolak kemajuan)

Belakangan ini, judul sensasional tentang “AI yang menyelesaikan masalah matematika yang tak terpecahkan selama dekade” semakin bermunculan. Di satu sisi, hal ini membangkitkan harapan mereka yang menantikan AGI, di sisi lain, menimbulkan kekhawatiran tentang kemunduran kecerdasan manusia. Dalam eskalasi naratif ini, Terence Tao—paradoksalnya, salah satu pendukung utama riset matematika yang didukung AI—memutuskan untuk turun tangan agar kembali mengarahkan diskusi ke realitas.

Kewaspadaan Tao: tidak semua masalah yang terselesaikan sama

Dalam komunikasinya di GitHub mengenai hubungan antara matematika dan kecerdasan buatan, Tao tidak menolak kemajuan AI, tetapi membantah persamaan sederhana “hasil yang dapat diverifikasi = kemampuan matematika tingkat lanjut dan mandiri”. Inti dari masalahnya? Bukan berapa banyak masalah yang diselesaikan AI, tetapi masalah apa yang diselesaikan dan dengan makna ilmiah apa.

Skala masalah Erdős sangat bervariasi. Di samping karya besar yang belum terpecahkan dalam disiplin ini, terdapat banyak “masalah ekor panjang” yang kurang diperhatikan oleh komunitas: tepat di wilayah di mana alat-alat saat ini unggul. Tanpa tinjauan literatur yang ahli, membedakan buah rendah dari karya besar sejati hampir mustahil.

Ketika “penemuan” sudah ada dalam literatur

Elemen kebingungan lain muncul di sini: banyak masalah yang dikatalogkan sebagai “Open” belum menjalani verifikasi bibliografi sistematis. Ketika AI menghasilkan sebuah solusi, sering kali penelitian lanjutan menunjukkan—dengan kejutan—bahwa seseorang sudah mengusulkan jawaban serupa atau setara. Ini mengubah judul-judul yang merayakan pencapaian menjadi narasi yang rapuh dan tidak stabil.

Tao juga menyoroti bias metodologis penting: publik lebih banyak memperhatikan keberhasilan. Kegagalan AI, percobaan yang gagal, eksperimen tanpa perkembangan tetap tidak terlihat dalam catatan resmi. Sebuah jendela parsial ke realitas secara sistematis mengaburkan persepsi.

Nilai tersembunyi dari matematika manusia

Di sinilah muncul poin filosofis yang paling mendalam. Penyelesaian sebuah masalah tidak menghabiskan makna matematisnya: yang penting adalah bagaimana solusi tersebut terintegrasi dalam kerangka pengetahuan yang lebih luas, koneksi apa yang diungkapkan, bagaimana menerangi metode yang dapat dipindahkan ke bidang lain.

Sebuah demonstrasi yang dihasilkan oleh AI, bahkan secara formal benar ketika diterjemahkan ke dalam bahasa seperti Lean, sering kali kehilangan “suasana pengetahuan” ini. Tidak ada konteks, motivasi, perbandingan kritis dengan literatur sebelumnya, batasan metode. Secara teknis sempurna, tetapi secara praktis terbatas untuk kemajuan kolektif pengetahuan.

Selain itu, selama proses formal di Lean, tidak jarang muncul asumsi tambahan secara diam-diam, salah memahami pernyataan asli masalah, atau memanfaatkan perilaku marginal dari pustaka matematika. Pembuktian yang tidak biasa singkat atau terlalu panjang memerlukan perhatian khusus.

Peran nyata AI dalam rantai penemuan

Membaca dokumentasi Tao tentang hubungan antara kecerdasan buatan dan matematika, muncul gambaran yang beragam: AI berkontribusi dalam berbagai cara. Menghasilkan solusi lengkap atau parsial. Mengidentifikasi literatur yang sebelumnya hilang. Memformalkan pembuktian yang sudah ada. Menulis ulang argumen agar lebih jelas. Melakukan pencarian bibliografi tingkat lanjut.

Beberapa masalah telah diselesaikan sepenuhnya oleh mesin ( seperti #728 e il #729, diverifikasi secara formal), tetapi kemudian ternyata sudah dikenal sebelumnya. Ini tidak mengurangi prestasi teknis, tetapi memberi konteks makna ilmiah.

Manusia tetap menjadi kapten, AI adalah alat

Jika jatuh ke ekstrem yang berlawanan—berpikir bahwa AI tidak berguna dalam matematika—itu sama saja melakukan kesalahan besar. Gambaran yang lebih seimbang adalah: AI unggul dalam pekerjaan eksekutif dan rekayasa matematika. Mengikuti pola. Mengisi kekosongan teknis. Memformalkan dengan presisi. Menyelami literatur. Menulis ulang dengan keanggunan.

Namun, jiwa terdalam dari matematika—mengajukan pertanyaan yang mengguncang, menciptakan konsep revolusioner, menjalin intuisi dalam jaringan makna—tetap berada di domain manusia.

Mungkin matematikawan masa depan bukanlah pemikir terisolasi dari tradisi romantis, melainkan pengajar dari pasukan kecerdasan silikon: manusia yang menentukan arah, AI yang membuka jalan dan membangun infrastruktur. Hubungan antara matematika dan kecerdasan buatan bukanlah konflik, melainkan sinergi yang sadar, di mana kejelasan peran sangat penting untuk memaksimalkan potensi keduanya.