Claude Raup Lompatan Terbesar dalam 150 Tahun Hipotesis Riemann—Dari 41,6% ke 67,2% Hanya dalam 1,5 Hari

Proses Otonom di Balik Hasil Ini

Pencapaian ini mengikuti alur kerja multi-agen yang mengejutkan bahkan para peneliti di Anthropic:

• Seorang staf Anthropic tanpa latar belakang matematika yang serius meminta model untuk "benar-benar mencoba" membuktikan hipotesis tersebut .
• Selama kurang lebih 1,5 hari, model menguji sekitar 650 pendekatan kandidat di seluruh 60 subagen yang terkoordinasi .
• Proses ini mengonsumsi 31 juta token output dalam dua sesi, menjalankan 2.400 perintah shell, dan meninjau 54 makalah arXiv .
• Dua dari 60 subagen bertanggung jawab untuk mengembangkan terobosan matematika utama .
• Pendekatan yang menang mensintesis makalah tahun 2000 oleh Enrico Bombieri dengan hasil yang lebih baru—sebuah kombinasi yang belum pernah dirakit oleh peneliti manusia sebelumnya .

Verifikasi: Dua Lapis Pembuktian

Dua matematikawan internal—Levent Alpöge dan Ralph Furmaniak—meninjau dan mengonfirmasi bukti tersebut . Argumen tersebut kemudian diformalisasikan dalam Lean, sebuah pembuktian teorema interaktif, menghasilkan sertifikat kebenaran yang dapat diverifikasi mesin . Validasi ganda ini (tinjauan ahli manusia + verifikasi formal) secara luas dianggap sebagai praktik terbaik untuk bukti hasil matematika yang dihasilkan AI.

Titik Balik: 2026 sebagai Tahun AI Menyeberang ke Riset Masalah Terbuka

Peningkatan batas Riemann oleh Claude bukanlah peristiwa yang terisolasi. Tahun 2026 telah menyaksikan serangkaian terobosan matematika yang dipimpin AI:

• Mei 2026 — OpenAI mengumumkan bahwa model penalaran umum yang belum dirilis secara otonom menyangkal konjektur jarak satuan Erdős, sebuah masalah terbuka berusia 80 tahun .
• Mei 2026 — AlphaProof Nexus dari Google DeepMind memecahkan sembilan masalah terbuka Erdős (beberapa belum terpecahkan selama 56 tahun) dan membuktikan 44 konjektur dari Online Encyclopedia of Integer Sequences, semuanya diformalkan dalam Lean .
• Juli 2026 — Matematikawan Anthropic Levent Alpöge menggunakan model "Fable 5" yang belum dirilis untuk menemukan contoh tandingan terhadap konjektur Jacobian, sebuah masalah yang diajukan pada tahun 1939 .
• Agustus 2026 — Model Astra dari OpenAI dilaporkan memecahkan sepuluh masalah matematika berusia puluhan tahun dengan biaya komputasi sekitar $2.000, dengan bukti yang dapat diperiksa mesin yang diterbitkan dalam Lean di GitHub .

Beberapa komentator mencatat bahwa bidang ini telah melewati ambang batas pada pertengahan 2026: sistem AI beralih dari memecahkan matematika tingkat kompetisi ke menghasilkan penelitian tingkat masalah terbuka yang dapat diterbitkan .

Perdebatan: Kepengarangan, Standar, dan Deklarasi Leiden

Laju cepat matematika yang dihasilkan AI telah memicu perdebatan sengit:

• Pada Juni 2026, sekelompok 16 matematikawan menerbitkan Deklarasi Leiden tentang Kecerdasan Buatan dan Matematika, yang merekomendasikan standar baru untuk struktur bukti, atribusi kepengarangan, dan pengawasan manusia atas hasil yang dihasilkan AI . Deklarasi tersebut sejak itu telah dibahas oleh Persatuan Matematika Internasional .
• Ketegangan utama meliputi: Siapa yang mendapat kredit kepengarangan ketika AI menghasilkan bukti? Dapatkah bidang ini mempertahankan kepercayaan epistemik jika bukti terlalu panjang atau baru untuk diperiksa manusia sepenuhnya tanpa alat formal? Dan bagaimana jurnal harus meninjau sejawat hasil yang tidak dapat dihasilkan oleh manusia tunggal ?
• Beberapa matematikawan berpendapat bahwa bukti yang dibantu AI berisiko mengikis pemahaman dan wawasan penjelasan—sebuah bukti mungkin benar namun tetap buram . Yang lain melihat verifikasi formal dalam Lean sebagai memberikan standar yang lebih ketat daripada tinjauan sejawat tradisional .

Apa Artinya Ini bagi Kemampuan AI Menemukan Sains Baru

Hasil Riemann Anthropic memajukan diskusi dalam beberapa cara konkret:

1. Skala eksplorasi otonom itu penting.

Menguji 650 ide di 60 subagen menunjukkan bahwa arsitektur multi-agen dapat melakukan pencarian sistematis pada skala yang tidak dapat ditandingi oleh kelompok peneliti manusia mana pun dalam jangka waktu yang sama . Ini menggeser pertanyaan dari "Bisakah AI melakukan matematika?" menjadi "Bagaimana kita harus mengintegrasikan eksplorasi luas AI ke dalam jalur penemuan ilmiah?"

2. Sintesis kebetulan dimungkinkan.

Fakta bahwa model tanpa pelatihan matematika menggabungkan makalah Bombieri (2000) dengan hasil yang lebih baru—sebuah kombinasi yang belum pernah dilihat manusia—menunjukkan bahwa AI dapat membuat koneksi konseptual yang tidak jelas di seluruh literatur yang berbeda . Kemampuan ini secara langsung menjawab kekhawatiran inti tentang apakah LLM hanya melakukan interpolasi atau dapat benar-benar menemukan.

3. Verifikasi formal memecahkan masalah kepercayaan.

Formalisasi Lean berarti hasilnya bukan klaim "kotak hitam". Ini adalah teorema yang terbukti benar yang dapat diperiksa oleh matematikawan mana pun secara mekanis . Ini menawarkan template untuk bagaimana hasil ilmiah yang dihasilkan AI dapat dibuat dapat diverifikasi, mengatasi salah satu keberatan terkuat terhadap penemuan yang dipimpin AI.

4. Perdebatan kepengarangan dan standar bersifat konstruktif, bukan melumpuhkan.

Kemunculan simultan dari hasil yang menakjubkan (DeepMind, OpenAI, Anthropic) dan respons institusional yang dipimpin komunitas (Deklarasi Leiden) menunjukkan bahwa komunitas matematika beradaptasi daripada mundur . Percakapan saat ini berpusat pada norma dan kredit, bukan pada penolakan output AI secara keseluruhan.

5. Biaya dan kecepatan penemuan sedang runtuh.

Biaya komputasi $2.000 untuk hasil Astra OpenAI dan waktu penyelesaian 36 jam untuk batas Riemann Claude menunjukkan bahwa biaya marjinal dari penemuan matematika yang dapat diterbitkan mendekati nol . Ini memiliki implikasi mendalam untuk pertanyaan apa yang dipilih peneliti untuk dikejar dan siapa yang dapat berpartisipasi dalam penelitian matematika.

Intinya

Peningkatan batas Riemann Anthropic adalah demonstrasi penting bahwa sistem AI sekarang dapat secara otonom menemukan hasil matematika yang dapat diterbitkan dan diverifikasi secara formal yang memajukan masalah terbuka berusia 150 tahun. Dikombinasikan dengan rentetan terobosan serupa pada tahun 2026, ini menggeser diskusi dari "apakah AI dapat berkontribusi pada penemuan ilmiah" menjadi "bagaimana komunitas ilmiah harus menyusun insentif, atribusi, dan verifikasi untuk kelas baru rekan-penemu AI."