AI Matematika, Menyambut Momen "Tamparan" yang Sama dengan Dunia Go Dekade Lalu.
Yang memiliki penilaian serupa bukanlah orang lain, melainkan Demis Hassabis, salah satu pendiri DeepMind yang mendorong proyek AlphaGo sepuluh tahun lalu.
Meski Hassabis baru-baru ini mengalami serangkaian perubahan peran—dari CEO DeepMind menjadi Chief Scientist Google sekaligus Chairman DeepMind.
Tapi dalam hal bagaimana AI mengubah pemahaman manusia, dia tetap termasuk salah satu yang paling berhak berbicara.
Sepuluh tahun lalu, dia mengalami sendiri AlphaGo mengalahkan legenda Go Lee Sedol dengan langkah ke-37 yang menggemparkan.
Sepuluh tahun kemudian, berdiri di garda depan AI memasuki batas matematika dan sains, dia kembali memberikan penilaian baru:
Jika AI dapat memecahkan satu masalah Milenium Prize dalam matematika, itu akan menjadi terobosan besar setara "Langkah ke-37". Saat ini, tampaknya AI mencapai level itu hanya masalah waktu, saya tidak melihat alasan mengapa tidak.
Langkah ke-37, sebuah momen yang mewakili pertama kalinya manusia "ditampar" oleh AI, dikenang dunia.
Tapi sedikit yang ingat, Langkah ke-37 bukanlah satu-satunya jawaban yang ditinggalkan oleh pertempuran manusia-mesin itu.
Dua pertandingan kemudian, Lee Sedol yang sudah kalah tiga kali berturut-turut menempatkan batu pada langkah ke-78.
Langkah ini juga hanya memiliki probabilitas satu per sepuluh ribu menurut perhitungan manusia, tetapi berhasil mengacaukan AlphaGo, membantu Lee Sedol meraih satu-satunya kemenangan manusia dalam lima pertandingan.
Melihat kembali pertempuran manusia-mesin ini sepuluh tahun kemudian, sungguh mengesankan:
Hubungan manusia dengan AI, persis seperti dua angka ini.
Satu membuat manusia mengenal kembali AI, satu membuat manusia mengenal kembali dirinya sendiri.
Langkah ke-37 yang Memalukan Manusia
Waktu dialihkan kembali ke Maret 2016, pertempuran lima babak antara AlphaGo dan Lee Sedol sedang berlangsung di Seoul, Korea Selatan.
Pertandingan pertama, Lee Sedol kalah dari AlphaGo, awal yang tidak baik.
Memasuki babak kedua, seluruh dunia menunggu legenda ini melakukan serangan balik.
Pertengahan permainan, Lee Sedol meninggalkan tempat sebentar, merokok untuk menenangkan emosi, tetapi ketika dia kembali ke papan, sebuah batu hitam sudah ditempatkan.
Langkah ke-37.
Lee Sedol tidak langsung duduk, dia berdiri memandangi papan, hampir tidak percaya dengan apa yang dilihatnya.
Alasannya sederhana, langkah ini terlalu tidak seperti manusia.
AlphaGo menempatkan batu di garis kelima, menyimpang dari intuisi tata letak yang dipegang pemain profesional selama ratusan tahun. Dalam pemahaman konvensional Go manusia, batu harus menempati posisi tinggi untuk mengendalikan permainan, tetapi AlphaGo justru menempatkannya di area yang belum terjadi pertempuran langsung.
Komentator di tempat awalnya bahkan menduga, jangan-jangan AlphaGo salah langkah.
Pemain profesional level 9 Michael Redmond yang bertugas sebagai komentator, lama tidak dapat menilai batu hitam ini, hanya bisa berkata:
Saya tidak tahu ini langkah bagus atau buruk, ini sangat aneh.
Rekannya lebih langsung:
Saya kira ini sebuah kesalahan.
Tim DeepMind kemudian menghitung, probabilitas pemain manusia memilih langkah ini hanya satu per sepuluh ribu.
Tapi seiring permainan berlanjut, orang baru perlahan melihat, ini bukan langkah buruk, ini adalah langkah brilian yang mengubah jalannya pertandingan dari skala yang lebih besar.
Sekitar 100 langkah kemudian, batu hitam yang tampaknya salah tempat ini, justru menjadi kunci kemenangan AlphaGo di pertandingan kedua.
Kemudian, momen yang membuat manusia salah menilai secara kolektif ini, perlahan disebut sebagai "Momen Tamparan"—
Awalnya dikira AI yang salah, ternyata manusia sendiri yang salah.
Tapi selain "ditampar", langkah ini juga membuat dunia menyadari untuk pertama kalinya, AI tidak hanya bisa meniru manusia bermain Go, dia juga bisa melangkah dengan cara yang tidak pernah terpikirkan manusia.
Dan tepat sepuluh tahun kemudian, "Langkah ke-37" benar-benar muncul kembali, dan kali ini dia dikaitkan dengan sebuah disiplin ilmu kuno:
Matematika.
Bagi AI, Go dan matematika memiliki kesamaan besar, yaitu dapat diverifikasi.
Karena logika dan aturan di bidang-bidang ini cukup jelas, AI dapat terus mengulangi proses sederhana:
Mencoba sebuah ide, mengujinya, belajar dari hasilnya, lalu terus mencoba, sampai berhasil (sistem pembelajaran penguatan).
Mekanisme ini juga menjelaskan, mengapa matematika menjadi disiplin ilmu pertama yang "dibombardir" oleh "Langkah ke-37" AI.
Di bidang seperti pengembangan obat, biologi, apakah sebuah ide efektif atau tidak, seringkali memerlukan eksperimen panjang untuk diverifikasi.
Matematika berbeda, proses pembuktian dapat diperiksa langkah demi langkah, benar ya benar, salah ya salah, AI karena itu dapat mencari tanpa lelah.
Demikianlah, seiring kemampuan AI semakin kuat, perubahan mulai berakselerasi dengan satuan tahun.
Dengan kelahiran ChatGPT sebagai titik awal, tahun 2023 model besar masih tersandung soal aritmatika dasar, insiden "9.11 dan 9.9 mana yang lebih besar" sempat mengundang tawa.
Tapi pada tahun 2024, AlphaProof dan AlphaGeometry 2 dari DeepMind sudah menerjang ke Olimpiade Matematika Internasional (IMO).
Kedua sistem menyelesaikan 4 dari 6 soal, meraih 28 poin, mencapai level medali perak (hanya selisih 1 poin dari garis medali emas tahun itu).
Dan hanya setahun kemudian, Gemini Deep Think dalam waktu 4.5 jam sesuai aturan pertandingan resmi menyelesaikan 5 soal, meraih 35 poin, mencapai level medali emas IMO.
Dua tahun, AI berkembang dari pemula hingga level emas IMO, kecepatan yang menakjubkan.
Tapi ini masih hanya ujian.
Yang benar-benar membuat dunia matematika merasakan gelombang, adalah AI mulai dari "mengerjakan soal" menuju "penelitian".
2025, GPT-5 berpartisipasi memecahkan Masalah Erdős 848, mengusulkan estimasi kunci yang diperlukan untuk pembuktian.
Matematikawan melakukan koreksi dan perketatan, akhirnya menyelesaikan pembuktian lengkap.
Tahun yang sama, matematikawan UCLA Ernest Ryu dengan bantuan GPT-5, menemukan terobosan untuk masalah terbuka yang menghantui teori optimasi selama 40 tahun.
Pada tahap ini, AI tidak lagi hanya menghitung jawaban, dia mulai memberikan ide-ide kunci.
Kemudian, waktu sampai di tahun 2026, serangkaian masalah matematika besar mulai mengalami terobosan.
Yang pertama melempar bom masih OpenAI.
Sebuah model penalaran internal umum mengincar masalah jarak satuan bidang. Masalah ini diajukan oleh matematikawan Paul Erdős pada 1946, mempelajari berapa banyak pasangan titik dengan jarak tepat 1 yang dapat dihasilkan dengan menempatkan n titik pada bidang.
Hampir 80 tahun, dunia matematika umumnya percaya, konstruksi seperti kisi persegi sudah mendekati optimal.
Tapi AI langsung meminjam seperangkat alat dari teori bilangan aljabar yang tampaknya tidak terkait, mengonstruksi sekumpulan titik baru, menggulingkan konjektur jangka panjang ini.
Seluruh pembuktian kemudian diperiksa oleh matematikawan eksternal.
OpenAI menyatakan, ini adalah pertama kalinya AI umum secara mandiri memecahkan masalah terbuka yang memiliki posisi penting dalam cabang matematika.
Berikutnya, Anthropic juga mengikuti.
Juli 2026, matematikawan Anthropic Levent Alpöge dengan bantuan Claude Fable 5, menemukan contoh tandingan eksplisit untuk Konjektur Jacobian.
Sebuah konjektur yang menghantui dunia matematika selama 87 tahun, dalam semalam dibuktikan salah oleh AI.
Bahkan ada juga kerja sama O dan A.
Baru dua hari lalu, GPT-5.6 dan Fable 5 bekerja sama, memecahkan masalah matematika yang menggantung selama 25 tahun.
(Cerita serupa terlalu banyak......)
Tapi yang paling ekstrem adalah Google, DeepMind sedang mengubah terobosan ini menjadi jalur perakitan.
Agen matematika mereka Aletheia tidak lagi hanya menghasilkan jawaban sekali, tetapi akan berulang kali mengajukan pembuktian, memeriksa celah, menggulingkan dirinya sendiri, lalu mencari jalur baru lagi.
DeepMind menggunakannya untuk memindai 700 masalah terbuka dalam database Konjektur Erdős.
Diantaranya, AI secara mandiri memecahkan 4 masalah yang belum terpecahkan, juga berpartisipasi menghasilkan banyak karya matematika berkualitas makalah.
Percobaan ini menunjukkan, AI telah mulai mencari secara terorganisir di wilayah kosong dunia matematika.
Jadi tidak sulit dibayangkan:
AI memecahkan lebih banyak masalah matematika besar, benar-benar hanya masalah waktu.
Dari memecahkan soal ke penelitian, dari mengulang pengetahuan yang diketahui ke mengusulkan jawaban yang tidak diketahui, langkah ke-37 di bidang matematika, sedang berturut-turut ditempatkan.
Mencari Langkah ke-78 Manusia
Dan menghadapi momen yang kemungkinan besar akan datang ini, manusia pasti akan menghadapi pertanyaan mendasar:
Jika AI akan terus melangkah dengan cara baru yang tidak pernah terpikirkan manusia, apa yang harus dilakukan manusia?
Langkah ke-78 yang muncul dalam pertempuran sepuluh tahun lalu, mungkin adalah jawabannya.
Pertandingan keempat lima babak, Lee Sedol yang sudah kalah tiga kali berturut-turut, menyelipkan sebuah batu putih ke tengah formasi AlphaGo.
Langkah ini juga menyimpang dari konvensional, perkiraan AlphaGo probabilitas manusia melangkah seperti ini juga hanya satu per sepuluh ribu.
Kemudian, mesin menjadi kacau.
Lee Sedol akhirnya meraih satu-satunya kemenangan manusia, langkah ke-78 karena itu disebut "Langkah Dewa".
Kemenangan ini tidak berarti manusia kembali mengalahkan AI.
Tapi setidaknya menunjukkan, manusia dapat menemukan langkah selanjutnya yang tidak diantisipasi mesin, setelah memahami mesin.
Inilah pencerahan yang ditinggalkan langkah ke-78 untuk hari ini.
Saat AI semakin mahir memberikan jawaban, nilai manusia akan lebih banyak beralih ke mengajukan pertanyaan, menilai arah, serta memutuskan jawaban mana yang benar-benar layak dicari.
Meminjam konsep "catur centaur" dalam catur, yaitu membiarkan pemain catur manusia dan mesin komputer bekerja sama.
Catatan: Setelah "Deep Blue" IBM mengalahkan juara dunia manusia Kasparov pada 1997, Kasparov pada 1998 menganjurkan dan menyelenggarakan turnamen "Catur Centaur" pertama, mengeksplorasi kemungkinan kerja sama manusia dan AI.
Hassabis berpendapat, sains sedang memasuki "Era Centaur" yang serupa:
Kita sedang memasuki era di mana manusia dan komputer bekerja sama, saya tidak tahu berapa lama siklus ini akan bertahan. Tapi untuk bidang yang sangat kompleks, waktunya mungkin akan sangat lama. Misalnya pengembangan obat, biologi, kimia, bidang-bidang ini sangat kompleks, situasinya berubah-ubah, dan tidak semua dapat diverifikasi. Di sinilah intuisi dan wawasan manusia diperlukan, untuk memutuskan arah ke depan.
Perkembangan Go kemudian telah membuktikan hal ini.
Setelah AlphaGo muncul, AI dengan cepat menjadi alat review pemain profesional, pemain dapat menggunakan AI untuk memeriksa kembali pola-pola lama, menemukan pengalaman mana yang sebenarnya tidak dapat diandalkan, juga mempelajari langkah-langkah baru yang dulu dianggap tidak masuk akal.
Sebuah analisis terhadap lebih dari 5.8 juta keputusan langkah pemain profesional menemukan:
Setelah super AI muncul, kualitas langkah pemain manusia meningkat signifikan, langkah-langkah baru juga menjadi lebih banyak.
Tapi ada sisi lain, yaitu:
Orang mulai bergantung pada AI memberikan jawaban, perlahan kehilangan kemampuan menilai jawaban.
Seperti yang dikatakan Lee Sedol saat pensiun, menghadapi lawan yang tidak dapat dikalahkan, dia sudah sulit menikmati Go yang dulu dicintainya.
Ini mungkin masalah paling perlu diwaspadai di era AI.
Saat lebih banyak bidang di luar matematika dipengaruhi AI, sistem yang lebih kuat akan membuat kita lebih kreatif, lebih efisien, dan lebih seperti manusia?
Atau akan membuat orang menyerah berusaha?
Di masa depan, AI akan terus menempatkan langkah ke-37.
Masalah yang tersisa adalah, apakah manusia dapat menemukan langkah ke-78 mereka sendiri.
Referensi:
[1]https://www.wsj.com/tech/ai/move-37-ai-demis-hassabis-google-deepmind-alphago-ec832a41?st=9XMAjn&reflink=desktopwebshare_permalink
[2]https://x.com/demishassabis/status/2085914742414061886
Artikel ini berasal dari akun WeChat publik "量子位", penulis: 关注前沿科技
