Terence Tao, ahli matematika UCLA dan Peraih Medali Fields yang sering digambarkan sebagai salah satu matematikawan terbaik yang masih hidup, telah mengeluarkan peringatan tentang pengaruh kecerdasan buatan terhadap penelitian matematika: persediaan masalah terbuka yang bagus sedang "ditambang dengan cara yang tidak dapat diperbarui", dan identifikasi masalah yang bermanfaat — bukan solusinya — menjadi sumber daya yang paling langka di bidang ini. Menulis di thread empat bagian di Mathstodon pada hari Senin, Tao menjelaskan mengapa dia yakin era AI dapat mendorong ahli matematika menuju kerahasiaan, membalikkan pertukaran ilmiah terbuka selama berabad-abad. Untuk informasi lebih lanjut mengenai penelitian, ikuti cakupan penelitian AI terbaru di beranda kami.
Lautan Permasalahan, Kekurangan Air Minum
Argumen Tao dimulai dengan sebuah paradoks. Kumpulan kemungkinan soal matematika tidak terbatas, jadi kelangkaan terdengar tidak masuk akal. Namun kuantitas bukanlah masalahnya, kualitaslah yang menjadi permasalahannya. Siapa pun dapat membuat masalah terbuka tanpa akhir sesuka hati, kata Tao, seperti menghitung digit pi ke-10^10^10. Sebagian besar dari mereka tidak berguna: mereka "tidak menunjukkan kecenderungan tertentu untuk mengungkapkan wawasan lebih lanjut atau hubungan dengan pertanyaan lain."
“Suatu negara atau wilayah bisa mengalami kekurangan air minum dan pada saat yang sama dikelilingi oleh lautan yang sangat luas,” tulisnya.
Memutuskan masalah mana yang patut mendapat perhatian, menurutnya, adalah “proses yang panjang, disengaja, dan subjektif,” yang didasari oleh pengalaman sejarah dan apa yang sebenarnya dihasilkan oleh penelitian sebelumnya mengenai masalah serupa. Inti dari penilaian tersebut adalah apa yang disebut oleh Tao sebagai "lanskap kesulitan" - mengetahui pertanyaan mana yang dapat dijawab dengan mudah oleh metode saat ini, mana yang memerlukan upaya nyata, dan mana yang tidak mungkin, karena masalah yang menarik cenderung berada di batas-batasnya.
AI Meratakan Tingkat Kesulitan
Lanskap itulah yang dihapus oleh AI. Alat-alat AI telah “meratakan lanskap kesulitan yang ada di banyak bidang subjek,” tulis Tao, “sehingga menghancurkan kemampuan untuk menemukan masalah-masalah baru yang menjanjikan di bidang tersebut.” Yang lebih buruk lagi, tidak ada batasan yang stabil di mana kompetensi AI berakhir: teknologi berubah terlalu cepat, dan – secara tegas – Tao menyalahkan ketidakjelasan batas tersebut sebagian karena “penolakan perusahaan AI untuk mengungkapkan hasil negatif mereka, atau mengungkapkan proses untuk mendapatkan solusi mereka.”
Hasilnya, menurut Tao, adalah dinamika ras yang dia saksikan secara langsung: "bahkan rumor tentang seseorang yang sedang mengerjakan suatu masalah dapat memicu sejumlah besar upaya bertenaga AI untuk meratakannya sebelum proyek penelitian asli memiliki waktu untuk mencapai potensi penuhnya."
Masalah Insentif Ilmu Pengetahuan Terbuka
Di sinilah peringatan berubah menjadi struktural. Jika mengumumkan arahan penelitian mengundang segerombolan AI untuk menambangnya, ahli matematika mungkin akan berhenti mengumumkan apa pun. “Insentif yang ada sekarang mungkin mengarah ke arah tidak lagi membagikan arah penelitian yang menjanjikan kepada komunitas yang lebih luas,” tulis Tao – sebuah hasil yang menurutnya akan membalikkan tradisi berabad-abad di mana matematika maju melalui pembagian masalah secara terbuka di jurnal, seminar, dan server pracetak.
Penggunaan AI secara sembarangan, menurutnya, memberikan keuntungan jangka pendek dengan kerugian jangka panjang: AI memecahkan “masalah yang ada, namun mengorbankan keberlanjutan ekosistem untuk gelombang kemajuan berikutnya, atau dalam memahami kemajuan yang telah dicapai.”
Usulan Tao: Tentukan Masalah yang Layak Dipecahkan dengan Hati-hati
Tao tidak mengusulkan pelarangan AI dalam matematika — dia mengakui bahwa hal itu mungkin tidak mungkin dilakukan. Sebaliknya, ia menyarankan agar masyarakat menentukan kelas-kelas permasalahan yang proses penyelesaiannya penting, sehingga jawaban mentah tanpa analisis terhadap teknik yang digunakan, dan tanpa mengungkap permasalahan yang ada di dekatnya, akan dianggap "bernilai negatif atau tidak berarti".
Analoginya adalah bank makanan modern, yang tidak lagi menerima sumbangan sembarangan hanya karena secara teknis dapat dimakan, namun tetap mempertahankan standar eksplisit mengenai sumbangan apa yang benar-benar bermanfaat.
Dalam balasan terhadap seorang pemberi komentar, Tao menambahkan pengamatan terkait: pembuktian teorema otomatis tradisional "tidak begitu baik dalam membuktikan teorema", sebuah bidang yang didominasi oleh apa yang disebutnya "pemverifikasi teorema otomatis" - perbedaannya dengan LLM adalah "sebagian besar keefektifannya."
Minggu yang Ramai untuk AI dan Matematika
Utas mendarat pada saat terisi daya. Hal ini terjadi beberapa hari setelah OpenAI mengumumkan bahwa model internal telah menghasilkan bukti terverifikasi Lean bahwa cairan Navier-Stokes dapat meledak dalam waktu yang terbatas — sebuah pencapaian yang diklaim sebagai tonggak sejarah menuju Masalah Hadiah Milenium yang menurut para ahli matematika NYU yang karyanya mendukung upaya tersebut terjadi tanpa penghargaan yang layak, sebuah perselisihan yang diliput oleh majalah Science dan di sini di AI Buzz Wire. Tao telah mencatat transisi ini dengan cermat sepanjang tahun, menerbitkan esai matematika yang banyak dibaca di era AI.
Postingan barunya mempertajam argumen tersebut dari sudut pandang baru: risikonya bukanlah AI menyelesaikan segalanya, namun AI menghabiskan, tanpa menghasilkan uang dan tidak menganalisis, katalog masalah terbatas yang layak untuk dipecahkan — meninggalkan generasi matematikawan berikutnya dengan lautan yang tidak berharga.
---
Tetap Terdepan dalam AIDapatkan berita, analisis, dan terobosan AI terkini — semuanya di satu tempat.
Baca berita AI selengkapnya →
