10 masalah matematika, dibalik dalam 24 jam.
Akhir pekan ini, dua raksasa AI, OpenAI dan Anthropic, beradu langsung di garis depan matematika.
Pertama, pada 1 Agustus, peneliti OpenAI Sébastien Bubeck mengumumkan bahwa model andalan generasi berikutnya mereka yang belum dirilis, Astra, berhasil membuktikan 10 capaian matematika terdepan sekaligus, lengkap dengan 10 sertifikat Lean dan 10 analisis pemecahan masalah per soal.
Jangan remehkan 10 masalah ini.
Kesimpulan utama mereka setidaknya sudah 10 tahun tidak mengalami kemajuan, banyak yang tertahan selama puluhan tahun, benar-benar masalah terbuka yang sulit.
Meski bukan termasuk misteri tak terpecahkan paling dalam dalam matematika, masing-masing adalah tantangan berat yang sulit dipecahkan.
Kepala FrontierMath di bawah Epoch AI, Elliot Glazer, dengan tegas mengatakan: hanya makalah tentang keberadaan grup non-Sofic ini saja, pasti akan masuk jurnal top yang diakui komunitas matematika, Annals of Mathematics.
Begitu 10 masalah sulit ini diumumkan, komunitas AI langsung heboh, ada yang langsung berseru "singularitas matematika telah tiba".
Anthropic dengan cepat merespons.
Kurang dari 24 jam, peneliti Levent Alpöge membalas postingan Bubeck dengan kalimat: "Saya menggunakan Fable menyelesaikan setengahnya."
Kemudian dia menambahkan, yang berhasil dia selesaikan adalah item ke-4, 5, 6, 7, 8 dalam daftar OpenAI, total 5 item.
Syarat eksperimen, menurut Levent, sangat bersih: sepenuhnya mandiri, prompt umum, tanpa koneksi internet selama proses, bahkan sengaja ditambahkan lapisan perlindungan untuk mencegah solusi OpenAI bocor ke dalam konteks.
Tentu saja, Levent saat ini belum merilis detail lengkap pembuktian Fable, dia mengatakan akan mengunggahnya.
Tetapi jika terbukti, bobot peristiwa ini berubah:
Keunggulan pertama yang diraih OpenAI dengan model belum dirilis Astra, hanya bertahan 24 jam. Sedangkan Fable yang mengejar, adalah model yang sudah lama dipublikasikan Anthropic dan dapat diakses semua orang.
Sebuah "Perdana Matematika", Masa Berlaku Hanya 24 Jam
Pengguna Chubby men-tweet ulang: "Fable yang tersedia secara publik, mereplikasi setengah pencapaian Astra."
Di kolom komentar ada yang bercanda: dilihat begini, apakah OpenAI hanya mendapatkan hak perdana?
Dulu, persaingan prioritas atas suatu pencapaian matematika, biasanya diukur dalam satuan tahun.
Siapa yang pertama memikirkan, siapa yang pertama membuktikan, siapa yang pertama mempublikasikan, di antaranya terdapat proses pengiriman, peninjauan, revisi yang panjang.
Namun sekarang, Astra bahkan belum resmi dirilis, pencapaian yang diumumkannya, hanya dalam 24 jam, sudah dikejar setengahnya oleh model publik.
Nilai keunggulan pertama masih ada, tetapi masa berlakunya jauh lebih singkat.
Banyak netizen sudah berteriak "singularitas matematika", dua raksasa AI juga saling mengikuti dengan ketat.
Di Balik 2000 Dolar, Ada Perhitungan yang Lebih Mahal
OpenAI juga melemparkan sebuah angka: biaya menemukan 10 solusi ini, kurang dari 2000 dolar.
Menurut peneliti Noam Brown, angka itu sesuai dengan token yang dibutuhkan untuk mencari solusi-solusi ini, kemudian dikonversi berdasarkan harga Sol API.
Artinya, ini hanya biaya inferensi marginal pada saat 10 solusi berhasil dijalankan.
Di luar itu, masih ada pelatihan dan pengembangan Astra itu sendiri, masalah-masalah yang dicoba tetapi tidak berhasil, jam kerja manusia dalam menyusun argumen menjadi makalah 249 halaman, biaya memformalkan setiap pembuktian ke dalam Lean, serta biaya peninjauan akhir oleh matematikawan eksternal.
Noam sendiri mengakui, mereka juga mencoba masalah-masalah besar lainnya, tetapi tidak berhasil, tidak satu pun masalah Hadiah Milenium yang berhasil dipecahkan.
Meski begitu, 2000 dolar tetap menekan biaya marginal AI untuk memecahkan satu masalah matematika terdepan, ke lantai paling bawah.
Bahkan ada yang bercanda, apakah OpenAI besok akan mengumumkan 10 terobosan matematika lagi, atau minggu depan langsung mengeluarkan 100 item sekaligus.
Dari "Saling Peringkat" ke "Saling Verifikasi"
Fable mengulang soal yang sama dengan Astra, hal ini jauh lebih menarik daripada sekadar saling meningkatkan peringkat.
Peningkatan peringkat mengukur jawaban yang sudah diketahui: soal dan jawaban standar sudah ada di sana, siapa yang nilainya lebih tinggi.
Sedangkan dua model dalam kondisi tanpa jaringan, anti bocor, masing-masing secara independen mencapai kesimpulan terdepan yang sama, mengukur sesuatu yang sama sekali berbeda: apakah hasil ini benar-benar dapat diandalkan, dapat direplikasi secara independen.
Ini lebih mirip peninjauan sejawat.
Levent saat ini hanya "membuat pernyataan" di X, belum merilis PDF, prompt, log eksekusi lengkap, biaya token, atau sertifikat Lean dari 5 pembuktian tersebut.
Netizen Haider mempertanyakan: kalaupun benar, mengapa menggunakan Fable untuk mereplikasi Astra, bukan langsung menggunakannya untuk memecahkan masalah terbuka baru?
Faktanya, Fable tidak hanya bisa ikut tren panas Astra, dia juga bisa memecahkan soal baru.
Pada Juli, Levent menggunakan Fable untuk memberikan contoh tandingan tiga dimensi dari Konjektur Jacobian, setelah itu bahkan ada orang yang secara khusus menulis materi verifikasi aljabar 7 halaman, mengkonfirmasi bahwa pemetaan eksplisit tersebut memang membantah konjektur untuk dimensi tiga dan lebih tinggi.
Pencapaian yang Tidak Dipahami Mayoritas Orang, Siapa yang Akan Memeriksa
10 pencapaian ini, seberapa pentingnya, sangat sulit dinilai oleh mayoritas orang.
Ethan Mollick menegaskan: bagi hampir setiap orang di bumi, ini bukan hanya di luar kemampuan, tetapi di luar jangkauan pemahaman. Kita hanya bisa percaya pada matematikawan profesional yang memberi tahu kita apakah ini hebat atau tidak.
Kode, gambar, obrolan, orang biasa masih bisa merasakan langsung kehebatan AI.
Tetapi keberadaan grup non-Sofic, contoh tandingan Konjektur Kekakuan Connes, teorema pengulangan paralel kuantum, ini hanya dapat dipahami oleh segelintir pakar.
Semakin jauh kemampuan AI melaju ke garis depan sains, yang dapat diandalkan publik semakin bukan pengalaman langsung, melainkan rantai kepercayaan yang panjang. Keadaan "bahkan tidak tahu harus terkejut bagaimana" ini, semakin banyak terjadi di berbagai bidang sekaligus.
Matematikawan Thomas Bloom mengingatkan, pencapaian ini menggunakan teori matematika yang terakumulasi ratusan tahun, sistem formalisasi yang dibangun langsung oleh matematikawan, menggambarkannya secara sederhana sebagai "AI menggantikan matematikawan", tidak jujur.
Standar yang dia berikan adalah: apakah pembuktian ini, mengajarkan kita hal baru tentang masalah ini?
Jadi masalah sebenarnya muncul: ketika AI dapat menghasilkan pembuktian matematika terdepan dengan biaya rendah, secara massal, apa yang seharusnya kita gunakan untuk mengukur pencapaiannya?
Jawabannya mungkin tidak ada di sisi produksinya, tetapi di sisi pemeriksaan: apakah suatu pembuktian dapat dipahami, diperiksa, dinilai bobotnya, baru dapat menentukan nilai sebenarnya.
Kemampuan paling langka, sedang beralih dari "membuat pembuktian" ke "memahami dan memeriksa pembuktian".
Ketika AI dalam semalam dapat membuktikan sepuluh masalah sulit, ujian sesungguhnya baru dimulai: pembuktian semakin cepat dibuat, apakah verifikasi kita, masih bisa mengejar?
Referensi:
https://x.com/haider1/status/2083908869915611554
https://x.com/polynoamial/status/2083470822258467194
https://x.com/kimmonismus/status/2083950641978679363 https://x.com/Dr_Singularity/status/2083653287463571742
Artikel ini berasal dari akun WeChat publik "新智元", penulis: ASI启示录
