Telset.id – OpenAI mengumumkan telah menemukan solusi untuk masalah Navier-Stokes, salah satu teka-teki matematika tertua yang belum terpecahkan. Namun, pencapaian besar ini ternoda oleh perdebatan sengit mengenai apakah perusahaan tersebut bertindak berdasarkan penelitian yang belum dipublikasikan dari pihak lain.
Pengumuman yang dibuat pada September 2026 ini menjadi sorotan utama di dunia matematika dan kecerdasan buatan. Pasalnya, solusi terhadap masalah Navier-Stokes merupakan pencapaian kedua dari tujuh masalah Millennium Prize Problems yang berhasil dipecahkan sejak hadiah tersebut dibuat pada tahun 2000 oleh Clay Mathematics Institute. Masalah ini dianggap sebagai salah satu masalah terbuka paling penting dalam matematika, dan solusinya datang dengan hadiah satu juta dolar.
Masalah Navier-Stokes sendiri berpusat pada dinamika fluida, yaitu aturan untuk menganalisis perilaku cairan dan gas. Persamaan ini digunakan secara luas dalam bidang dinamika fluida dan telah terbukti sangat kuat, namun para fisikawan dan matematikawan belum memahaminya sepenuhnya. Dalam istilah yang sangat sederhana, pertanyaan yang diajukan kepada para matematikawan adalah apakah ada kasus-kasus ekstrem di mana persamaan Navier-Stokes menghasilkan hasil yang tidak mungkin terjadi di dunia nyata—seperti fluida yang memiliki kecepatan tak terbatas.
Yang membuat kontroversi ini semakin rumit adalah penggunaan alat-alat AI dari perusahaan pesaing dalam mengembangkan solusi tersebut. Situasi ini menciptakan ketegangan di kalangan peneliti mengenai siapa yang berhak mendapatkan kredit atas pekerjaan tersebut dan bagaimana cara mengklaimnya.
Kronologi Tuduhan dan Klarifikasi
Tristan Buckmaster, matematikawan dari New York University, dan Levent Alpöge, peneliti yang bekerja di Anthropic, telah mengembangkan solusi mereka sendiri terhadap masalah Navier-Stokes. Pada hari Senin, Buckmaster memposting bukti di platform media sosial Mastodon yang menunjukkan bahwa versi sederhana dari persamaan Navier-Stokes memang bisa gagal—sebuah langkah maju yang signifikan terhadap Millennium Problem. Ia dan Alpöge telah mengerjakan masalah tersebut selama hampir satu tahun, menggunakan model publik dari OpenAI dan Anthropic.
Dalam prosesnya, mereka menggunakan berbagai LLM yang berbeda, termasuk Anthropic Claude, alat Codex milik OpenAI, dan model frontier Astra. Namun, keesokan harinya, OpenAI mempresentasikan bukti yang menunjukkan bahwa persamaan Navier-Stokes lengkap juga bisa gagal. Bukti tersebut diperoleh menggunakan model internal yang secara dramatis mengungguli model Astra yang baru dirilis minggu lalu.
Menurut pernyataan Buckmaster, OpenAI mungkin telah menggandakan upayanya terhadap Navier-Stokes setelah mengetahui bahwa tim yang mencakup pesaingnya, Anthropic, hampir mencapai solusi. Ia mempertanyakan apakah OpenAI telah memanfaatkan pekerjaan yang ia dan rekannya lakukan dengan Codex untuk mendapatkan terobosan sendiri.
“Saya bertanya apakah model tersebut telah dilatih pada, atau memiliki akses ke, sesi kami di Codex, di mana kami telah memasukkan semua draf kami selama proyek ini. Saya diberitahu bahwa model tersebut tidak melihat data pengguna. Saya bertanya lagi tentang pelatihan, dan saya tidak mendapatkan jawaban,” demikian bunyi pernyataan Buckmaster.
Buckmaster kemudian mengaku berbicara dengan Sebastien Bubeck, matematikawan dan peneliti AI di OpenAI, serta pihak lain yang tidak disebutkan namanya. Dalam pertemuan tersebut, ia ditawari dua opsi untuk mengklaim kredit atas pekerjaan tersebut.
Opsi pertama adalah menerbitkan pengembangan parsial, dengan OpenAI menerbitkan solusi Navier-Stokes-nya pada hari berikutnya. Opsi kedua adalah menulis makalah solo yang memberikan kredit atas penggunaan LLM OpenAI dalam solusi Navier-Stokes tanpa menyertakan nama Alpöge, karena afiliasinya dengan Anthropic, rival terbesar OpenAI.
Buckmaster mengatakan ia menolak kedua proposal tersebut. Sementara itu, Bubeck dan CEO OpenAI Sam Altman telah memposting versi kejadian mereka masing-masing di media sosial sebagai tanggapan. Bubeck secara spesifik membantah klaim bahwa ia meminta nama Alpöge dihapus dari sebuah makalah.
Pengumuman dari OpenAI juga menyatakan bahwa perusahaan tidak berencana untuk mengklaim hadiah sebesar $1 juta untuk solusi tersebut. Sikap ini menunjukkan bahwa fokus OpenAI lebih kepada pengakuan ilmiah daripada imbalan finansial, meskipun kontroversi seputar metode dan kredit masih menjadi pertanyaan besar yang belum terjawab.
Baca Juga:
Implikasi Etika dan Kekayaan Intelektual
Perdebatan ini membuka pertanyaan yang lebih luas tentang bagaimana kredit intelektual seharusnya diberikan dalam era di mana kecerdasan buatan memainkan peran yang semakin besar dalam penelitian ilmiah. Penggunaan berbagai alat AI dari perusahaan berbeda dalam satu proyek penelitian kini menjadi praktik yang umum, namun aturan mengenai kepemilikan dan pengakuan masih belum jelas.
Kasus ini juga menyoroti persaingan yang semakin ketat antara perusahaan-perusahaan AI besar. Ketika batas antara alat dan kontributor semakin kabur, komunitas ilmiah dan industri teknologi perlu merumuskan standar baru untuk atribusi dan kolaborasi.
Dalam konferensi pers, Mark Chen, chief research officer OpenAI, kembali membantah bahwa agen atau karyawan OpenAI mengakses transkrip kerja Buckmaster dan Alpöge. Namun, mengingat apa yang telah terungkap tentang peretasan Hugging Face, jelas bahwa OpenAI tidak selalu sepenuhnya menyadari apa yang dilakukan agen-agennya.
Jika model OpenAI memang dilatih pada pekerjaan Buckmaster dan Alpöge, atau jika agen-agennya entah bagaimana mendapatkan akses ke pekerjaan tersebut, maka kegagalan perusahaan untuk menemukan kebenaran dan memberikan kredit yang sesuai kepada para peneliti tersebut mencerminkan buruk pada perusahaan. Namun, ada kemungkinan sisi positif dari versi cerita tersebut bagi para matematikawan, karena hal itu akan menunjukkan bahwa kerja keras dua manusia, salah satunya adalah ahli terkemuka di bidang Navier-Stokes, sangat penting bagi kemampuan agen untuk memecahkan Millennium Problem.
Masa Depan Matematika di Era AI
Para ahli telah lama mengidentifikasi “selera penelitian,” atau kemampuan untuk memilih pertanyaan dan arah penelitian yang menjanjikan, sebagai hambatan utama bagi AI dalam sains dan matematika. Jika agen OpenAI memang memilih untuk mengikuti pendekatan Córdoba–Martínez-Zoroa karena Buckmaster dan Alpöge melakukan hal yang sama, maka selera penelitian manusia memainkan peran penting dalam kesuksesan OpenAI.
Meski begitu, gambaran besarnya di sini cukup meresahkan. Kemajuan yang dicapai Buckmaster dan Alpöge selama hampir satu tahun kolaborasi dengan model yang tersedia untuk umum berbicara tentang janji kolaborasi manusia-AI. Namun, mereka tidak mampu mencapai solusi penuh. Sementara itu, OpenAI memaksa solusi dalam beberapa hari menggunakan model internal, dan solusi sukses mereka datang dengan biaya astronomis: tim hanya mampu memecahkan masalah dengan menjalankan sekitar 10.000 agen secara bersamaan, dengan biaya jutaan dolar.
Selama beberapa bulan terakhir, beberapa peneliti mengungkapkan bahwa para matematikawan menjadi depresi, dan tidak sulit untuk melihat alasannya. Matematika dengan cepat menjadi wilayah perusahaan AI terdepan dengan model internal yang mengesankan, uang untuk dibakar, dan kurangnya semangat kolaboratif. “Apakah perusahaan AI akan memutuskan untuk menghabiskan uang mereka untuk melakukan satu hal atau hal lain, saya benar-benar tidak tahu,” kata Javier Gómez-Serrano, profesor matematika di Brown University. “Yang jelas adalah sangat sedikit matematikawan yang akan memiliki sumber daya sebesar itu.”
Jika OpenAI dan Anthropic terus berusaha untuk meraih penghargaan matematika yang semakin mengesankan, mungkin tidak akan ada masalah terbuka yang tersisa bagi matematikawan manusia di luar perusahaan-perusahaan tersebut untuk diperjuangkan. Itu akan secara dramatis mengubah bidang matematika.
Minggu lalu, matematikawan UCLA Terence Tao menulis thread Mastodon yang menggambarkan betapa pentingnya kesalahan, arah yang salah, dan solusi yang tidak lengkap bagi bidang ini. “Dalam kebanyakan kasus dalam matematika murni, masalah diajukan bukan karena kita sangat menginginkan solusi untuk masalah itu sendiri, tetapi karena kita telah melihat dari pengalaman masa lalu bahwa upaya yang diarahkan manusia untuk memecahkan masalah ini cenderung mendorong pengembangan lebih lanjut bidang ini,” tulis Tao. “Memecahkan masalah secara prematur dengan metode murni bertenaga AI—terutama tanpa transparansi penuh ke dalam proses solusi—dapat mengontaminasi proses ini sampai-sampai sebenarnya menjadi negatif bersih bagi kemajuan matematika secara keseluruhan.”
Dampak bagi Pengguna Teknologi AI
Keberhasilan memecahkan masalah Millennium Prize kedua dengan bantuan AI merupakan tonggak penting. Namun, cara penyelesaian kontroversi ini akan menentukan bagaimana kolaborasi antara peneliti manusia dan sistem AI akan diatur di masa depan. Terlepas dari siapa yang akhirnya mendapatkan pengakuan, fakta bahwa teknologi AI kini mampu berkontribusi pada pemecahan masalah matematika paling sulit di dunia adalah perkembangan yang tidak bisa diabaikan.
Bagi para pengguna teknologi AI, perkembangan ini menunjukkan bahwa alat seperti ChatGPT dan Codex tidak hanya berguna untuk tugas-tugas sehari-hari, tetapi juga memiliki potensi untuk membantu penelitian tingkat lanjut. Manusia mungkin membutuhkan waktu lebih lama daripada agen untuk memecahkan masalah matematika, tetapi dalam prosesnya, mereka menemukan pendekatan dan ide matematika baru yang mungkin menginspirasi rekan-rekan mereka dan bahkan melahirkan subbidang mereka sendiri. Namun, ketika agen AI memecahkan masalah tersebut sebagai gantinya—dan ketika perusahaan swasta menyimpan kesalahan agen dari pandangan publik—manfaat tersebut hilang.
Kasus ini juga menjadi pengingat bahwa etika dan transparansi dalam penggunaan AI tetap menjadi isu krusial yang perlu mendapat perhatian serius dari semua pihak yang terlibat. Perkembangan ini juga menarik untuk disimak di tengah berbagai kontroversi AI lainnya, termasuk studi yang menilai AI lebih baik dari dokter, serta isu deteksi AI yang kontroversial.
Hingga saat ini, belum ada kesepakatan final mengenai siapa yang berhak mendapatkan kredit atas solusi Navier-Stokes. Yang jelas, kasus ini akan menjadi preseden penting bagi bagaimana industri AI dan komunitas akademis menangani isu kekayaan intelektual di masa mendatang.
Komentar
Belum ada komentar.