Model AI Anthropic Buktikan Hipotesis Riemann

Telset.id – Model AI dari Anthropic yang belum dirilis berhasil membuat kemajuan signifikan pada Hipotesis Riemann, salah satu masalah matematika paling sulit yang belum terpecahkan selama lebih dari 150 tahun. Temuan ini berpotensi membuka kembali perdebatan lama tentang kemampuan AI kontemporer dalam menemukan ide-ide ilmiah dan matematis baru.

Pengumuman ini disampaikan Anthropic pada Senin, menandai pencapaian terbaru dalam rentetan terobosan matematika yang dipimpin oleh large language models (LLM). Kemajuan tersebut secara spesifik meningkatkan batas bawah solusi yang terbukti benar untuk Hipotesis Riemann, sebuah langkah maju yang sebelumnya dianggap sangat sulit dicapai oleh mesin.

Yang lebih mengesankan adalah cara kemajuan ini dicapai. Seorang staf Anthropic tanpa pelatihan matematika signifikan meminta model untuk “benar-benar mencoba” membuktikan hipotesis tersebut, kemudian meninggalkan model itu untuk mengoordinasikan tugas selama satu setengah hari berikutnya. Proses ini melibatkan pengujian 650 ide berbeda untuk memecahkan masalah, dengan koordinasi lintas 60 subagen dan total 31 juta token output.

Menurut catatan kaki pada makalah yang diterbitkan, dari 60 subagen tersebut, dua di antaranya bertanggung jawab mengembangkan ide matematika kunci. Tiga belas subagen berkontribusi ide kepada agen-agen utama, 30 subagen mencoba tetapi gagal mengembangkan ide baru, 13 subagen berperan sebagai validator untuk memeriksa kebenaran argumen, dan dua subagen terakhir membantu menulis makalah awal.

Temuan ini dikonfirmasi oleh dua matematikawan internal Anthropic dan diformalkan menggunakan asisten pembuktian open source bernama Lean. Validasi ganda ini memperkuat kredibilitas hasil yang dicapai model AI tersebut.

Pencapaian ini merupakan bagian dari gelombang terobosan matematika yang dilakukan oleh LLM. Sepanjang tahun ini, sejumlah masalah Erdős telah berhasil dipecahkan oleh model AI, dan rilis model yang lebih kuat menghasilkan hasil yang semakin impresif. OpenAI baru-baru ini merilis sepuluh hasil besar yang dibuktikan oleh model internal “Astra”, sementara upaya terpisah dari Anthropic berhasil menyangkal konjektur Jacobian yang telah lama ada.

Perkembangan ini memicu reaksi beragam di kalangan matematikawan. Dalam deklarasi publik yang ditandatangani pada Juni, sekelompok matematikawan terkemuka menyuarakan kekhawatiran bahwa AI dapat melemahkan nilai-nilai kritis bidang matematika. Kekhawatiran utama mereka adalah standar bahwa bukti matematika yang benar harus “dapat diatribusikan kepada penulis tertentu yang mengambil kredit atas penemuan mereka dan bertanggung jawab atas kebenarannya.”

Namun, komunitas matematika masih terpecah mengenai bagaimana para matematikawan seharusnya menyikapi teknik penelitian baru ini. Dalam posting blog yang merespons deklarasi tersebut, peraih medali Fields Timothy Gowers mempertanyakan apakah pengaruh AI mungkin mengubah matematika dengan cara yang lebih kompleks dan positif.

“Jika kita tiba di dunia di mana teorema matematika tidak lagi dikaitkan dengan matematikawan, mungkin itu tidak akan lebih bermasalah daripada fakta bahwa bintang-bintang tidak dinamai menurut astronom dan sebagian besar tidak dinamai sama sekali,” tulis Gowers.

Keberhasilan Anthropic dalam memecahkan bagian dari Hipotesis Riemann menunjukkan bahwa model AI modern memiliki kapasitas eksplorasi yang jauh melampaui sekadar komputasi dasar. Sistem multi-agen yang digunakan memungkinkan pembagian peran yang kompleks, mulai dari pengembangan ide hingga validasi argumen, meniru cara kerja kolaborasi ilmiah manusia.

Hipotesis Riemann sendiri tetap menjadi salah satu masalah matematika paling terkenal yang belum terpecahkan, dengan hadiah US$1 juta bagi siapa pun yang mampu memberikan bukti umum yang valid. Hingga saat ini, hadiah tersebut masih belum diklaim, dan meskipun model AI Anthropic membuat kemajuan signifikan, bukti lengkap dari hipotesis tersebut masih belum ditemukan.

Kemampuan model AI untuk mengoordinasikan 60 subagen secara paralel menunjukkan potensi besar dalam menangani masalah kompleks yang membutuhkan eksplorasi banyak jalur solusi secara bersamaan. Pendekatan ini berbeda secara fundamental dari metode komputasi tradisional yang cenderung linear dan terbatas pada algoritma yang telah ditentukan sebelumnya.

Penggunaan asisten pembuktian Lean juga menjadi sorotan penting. Formalization bukti menggunakan tools seperti Lean memungkinkan verifikasi otomatis yang ketat, mengurangi risiko kesalahan manusia dalam proses validasi. Ini menjadi lapisan keamanan tambahan yang memperkuat kepercayaan terhadap hasil yang dihasilkan AI.

Implikasi dari pencapaian ini melampaui sekadar matematika murni. Kemampuan AI untuk menghasilkan ide-ide baru dan menguji ratusan pendekatan berbeda dalam waktu singkat dapat diterapkan pada berbagai bidang ilmiah lain, termasuk fisika, biologi, dan ilmu komputer. Ini membuka pertanyaan tentang bagaimana kolaborasi manusia-AI akan membentuk masa depan penelitian ilmiah.

Bagi industri teknologi, pencapaian ini juga menegaskan posisi Anthropic sebagai salah satu pemain utama dalam pengembangan AI. Sebelumnya, perusahaan ini juga terlibat dalam berbagai inisiatif pengembangan model AI, termasuk upaya membangun tim chip khusus untuk mempercepat kemampuan AI Claude. Pengembangan infrastruktur ini sejalan dengan ambisi perusahaan untuk mendorong batas kemampuan model AI mereka.

Namun, kekhawatiran tentang dampak AI pada integritas ilmiah tetap menjadi perdebatan hangat. Pengujian model AI yang menunjukkan perilaku tidak terduga menambah kompleksitas diskusi tentang seberapa jauh kita harus mempercayai sistem otonom dalam konteks ilmiah dan keamanan.

Terlepas dari perdebatan tersebut, fakta bahwa model AI dapat menghasilkan kemajuan matematika yang diverifikasi oleh matematikawan manusia menunjukkan bahwa kita berada di ambang era baru dalam penelitian ilmiah. Pertanyaannya bukan lagi apakah AI mampu berkontribusi pada sains, tetapi bagaimana kita mengelola integrasi kemampuan ini tanpa mengorbankan nilai-nilai fundamental dari praktik ilmiah.

Dengan hadiah US$1 juta yang masih menggantung untuk bukti lengkap Hipotesis Riemann, pertanyaan tentang siapa atau apa yang akan memenangkannya menjadi semakin menarik. Apakah akan menjadi matematikawan manusia, atau mungkin model AI masa depan yang lebih canggih dari yang digunakan Anthropic kali ini?

Yang jelas, kemajuan yang dicapai Anthropic ini bukan sekadar kemenangan teknis. Ini adalah demonstrasi bahwa pendekatan multi-agen dengan eksplorasi paralel dapat menghasilkan wawasan yang sebelumnya dianggap membutuhkan intuisi manusia yang mendalam. Model AI tidak hanya menghitung lebih cepat, tetapi juga mampu “berpikir” secara berbeda — mengeksplorasi 650 ide dalam satu setengah hari adalah sesuatu yang mustahil dilakukan manusia dalam waktu yang sama.

Ke depannya, integrasi AI dalam penelitian matematika kemungkinan akan semakin meluas. Pertanyaan tentang atribusi, akuntabilitas, dan definisi penemuan akan terus berkembang seiring kemampuan model yang semakin meningkat. Adopsi teknologi AI di berbagai sektor, termasuk penelitian, menunjukkan tren yang tidak bisa dihindari.

Bagi para peneliti dan akademisi, kemampuan untuk memanfaatkan tools seperti ini akan menjadi pembeda kompetitif. Mereka yang mampu mengintegrasikan AI ke dalam alur kerja penelitian mereka akan memiliki keunggulan signifikan dalam mengeksplorasi ruang solusi yang lebih luas dan menghasilkan temuan lebih cepat.

Pencapaian ini juga menegaskan bahwa investasi besar dalam pengembangan AI membuahkan hasil yang nyata. Dengan 31 juta token output yang digunakan untuk satu tugas, jelas bahwa komputasi intensif diperlukan untuk mencapai hasil semacam ini — sebuah realitas yang membatasi akses ke teknologi ini hanya untuk organisasi dengan sumber daya besar.

Pada akhirnya, kemajuan pada Hipotesis Riemann ini adalah pengingat bahwa batas-batas kemampuan AI masih terus didorong. Setiap pencapaian baru membuka pertanyaan baru tentang peran manusia dalam penemuan ilmiah, dan bagaimana kita mendefinisikan kreativitas, intuisi, dan pemahaman di era di mana mesin dapat mengeksplorasi ribuan ide dalam hitungan jam.