Astra OpenAI Menghasilkan 10 Terobosan Matematika—Benarkah Sudah Terbukti?

Angka 2.000 dolar AS tersebut setara sekitar Rp32 juta jika dikonversi dengan kurs ilustratif Rp16.000 per dolar. Namun, angka rupiah itu bukan angka yang dilaporkan OpenAI dan hanya digunakan untuk memberi gambaran skala biaya.

10 masalah yang ditangani Astra

Masalah-masalah tersebut mencakup geometri berdimensi tinggi, teori pengodean, kompleksitas sirkuit aritmetika, teori grup, aljabar operator, kompleksitas kuantum, kriptografi berbasis kisi, serta kombinatorika ekstremal . Berikut daftarnya:

1. Pengemasan bola berdimensi tinggi — menghasilkan batas atas baru untuk kepadatan pengemasan bola hingga ambang Cohn–Elkies .
2. Kode biner dan kode sferis — memperbaiki secara eksponensial batas ukuran maksimum kode pada jarak minimum tertentu .
3. Grup non-sofik — memberikan konstruksi eksplisit yang menunjukkan keberadaan grup non-sofik, salah satu pertanyaan penting dalam teori grup .
4. Konjektur rigiditas Connes — membantah konjektur lama mengenai aljabar von Neumann .
5. Kompleksitas sirkuit aritmetika — menghasilkan batas bawah baru untuk komputasi permanent, termasuk batas bawah formula aritmetika berorde n⁴/log n .
6. Pengulangan paralel kuantum — membuktikan teorema pengulangan paralel eksponensial untuk permainan kuantum umum dengan dua pemain .
7. Masalah vektor terdekat — menunjukkan tingkat kesulitan pendekatan dengan faktor polinomial, yang berkaitan dengan kriptografi pascakuantum .
8. Konjektur volume Ehrhart — menentukan volume maksimum benda cembung yang memiliki titik berat sebagai satu-satunya titik kisi di bagian dalamnya .
9. Bilangan Ramsey multiwarn a — menghasilkan batas bawah super-eksponensial yang menyelesaikan masalah Erdős nomor 183 .
10. Konjektur bilangan ekstremal — memberikan hasil mengenai konjektur kompaksi dan degenerasi, sekaligus menyelesaikan masalah Erdős nomor 146 dan 180 .

Lean 4 menjadi lapisan pemeriksaan

Astra sendiri belum tersedia untuk publik. Sebagai gantinya, OpenAI merilis sertifikat bukti Lean 4 di GitHub dengan lisensi Apache 2.0, bersama manuskrip yang menjelaskan hasil-hasil tersebut . Repositori itu dilaporkan memiliki jumlah sorry sebesar nol. Dalam Lean, sorry biasanya digunakan sebagai penanda bahwa suatu bagian bukti belum dilengkapi; jumlah nol berarti seluruh langkah pada 10 bukti yang diformalkan telah diperiksa oleh sistem .

Metode ini penting karena memisahkan dua hal: bagaimana solusi ditemukan dan apakah bukti formalnya valid. Lean dapat memeriksa konsistensi langkah-langkah yang ditulis dalam format formal, terlepas dari apakah gagasan awalnya datang dari model AI atau manusia. Namun, verifikasi Lean tidak dengan sendirinya menjawab semua pertanyaan tentang kebaruan hasil, kontribusi manusia, atau seberapa penting hasil tersebut bagi bidang terkait.

OpenAI mengatakan para peneliti manusia kemudian menyiapkan manuskrip akhir menggunakan model yang sama .

Mengapa komunitas matematika masih terbelah?

Bukan masalah Clay Millennium

Sejumlah pengamat mengingatkan bahwa tidak satu pun dari 10 masalah tersebut merupakan masalah Clay Millennium Prize seperti P versus NP atau Hipotesis Riemann . Itu bukan berarti masalah-masalah Astra remeh. Konstruksi eksplisit grup non-sofik, misalnya, menjawab pertanyaan yang telah terbuka sejak Mikhail Gromov memperkenalkan konsep sofik pada 1999 . Namun, statusnya tidak membawa bobot popularitas yang sama dengan tujuh masalah hadiah Clay.

Belum melalui penelaahan sejawat

OpenAI mengumumkan hasil ini secara langsung, tanpa publikasi sebelumnya di jurnal matematika atau prosiding konferensi yang telah melalui peer review . Para kritikus menilai penelaahan oleh pakar independen tetap diperlukan untuk menilai apakah argumen tersebut benar-benar baru, seberapa dalam kontribusinya, serta apakah kesimpulannya sesuai dengan konteks literatur yang ada.

Garis antara penemuan oleh AI dan penyusunan yang dibantu manusia juga belum sepenuhnya jelas. OpenAI sendiri mengakui adanya ketegangan tersebut dengan merujuk pada Leiden Declaration on AI and Mathematics .

Keberhasilan matematika belum tentu berlaku di semua bidang

Ilmuwan kognitif Gary Marcus menyebut keberhasilan pada matematika formal sebagai “kasus khusus” yang belum tentu dapat digeneralisasi menjadi penalaran ilmiah yang lebih luas . Matematika memiliki keunggulan yang tidak selalu tersedia dalam sains lain: data sintetis dapat dibuat dalam jumlah besar, sementara hasilnya dapat diperiksa menggunakan aturan simbolik yang ketat.

Dengan kata lain, kemampuan menghasilkan bukti yang dapat diverifikasi dalam matematika tidak otomatis berarti Astra dapat merancang eksperimen, menilai bukti empiris yang berisik, atau menghasilkan teori baru dalam biologi, ilmu sosial, dan bidang lain.

Proses pembuatannya belum dapat direplikasi

Karena Astra belum dirilis dan metode prompting yang digunakan tidak dijelaskan secara lengkap, peneliti independen belum dapat mengulang proses pembentukan solusi dengan kondisi yang sama . Bukti Lean memungkinkan pemeriksaan terhadap bukti yang telah diterbitkan, tetapi tidak membuka seluruh proses penalaran model saat menemukan bukti tersebut.

Waktu pengumuman ikut dipertanyakan

Pengumuman itu muncul ketika OpenAI sedang memosisikan Astra sebagai keluarga model besar berikutnya. Hal tersebut memunculkan pertanyaan apakah publikasi tersebut terutama didorong oleh kepentingan ilmiah, dampak pemasaran, atau gabungan keduanya .

Jadi, apakah Astra benar-benar memecahkan 10 masalah?

Jawaban paling hati-hati untuk saat ini adalah: OpenAI telah mengajukan 10 klaim riset serius dan menyediakan materi yang dapat diperiksa, tetapi dampak akhirnya belum ditentukan. Jika bukti-bukti itu bertahan dari pemeriksaan para ahli, beberapa di antaranya akan menutup pertanyaan yang telah terbuka selama puluhan tahun. Hasil mengenai grup non-sofik menjadi contoh paling menonjol karena menyelesaikan persoalan yang telah berusia lebih dari 25 tahun .

Tetapi keberhasilan ini belum membuktikan bahwa AI telah “memecahkan matematika” atau siap menggantikan penalaran ilmiah secara umum. Pertanyaan pentingnya bukan hanya apakah Astra bisa mengerjakan matematika, melainkan apakah kemampuan pada masalah formal dan mudah diverifikasi dapat diterapkan pada riset dunia nyata yang lebih terbuka, tidak rapi, dan sulit diperiksa. Untuk saat ini, jawabannya masih belum terbukti.