Dalam 24 jam terakhir, kabar tentang matematika Claude menyebar cepat di media sosial.
Kemarin, blogger Andrew Curran memposting "prediksi" bahwa Anthropic telah menyelesaikan salah satu masalah Hadiah Milenium, yaitu masalah eksistensi dan kehalusan terkait persamaan Navier-Stokes, dan hasilnya saat ini sedang dalam tinjauan oleh para ahli, serta kemungkinan akan diumumkan publik sebelum IPO Anthropic.
Posting ini dengan cepat mendapatkan lebih dari 2,5 juta tayangan dan semakin banyak akun yang membagikannya.
Sampai saat ini, tidak ada makalah, dokumen bukti, atau bahan tinjauan ahli yang dapat dilihat di saluran publik, dan Clay Mathematics Institute tetap memasukkan masalah eksistensi dan kehalusan Navier-Stokes dalam daftar masalah Hadiah Milenium yang belum terpecahkan.
Namun, rumor ini bukanlah tanpa dasar. Salah satu latar belakang pentingnya berasal dari serangkaian posting yang diterbitkan oleh matematikawan Terence Tao dua hari yang lalu.
Sebuah imajinasi tentang AI
On September 3, Terence Tao discussed the potential impact of AI on mathematical research using the Navier-Stokes equations as an example.
https://mathstodon.xyz/@tao
Persamaan Navier-Stokes menggambarkan bagaimana fluida seperti air dan udara bergerak. Masalah yang belum terpecahkan oleh para matematikawan adalah, dalam kasus tiga dimensi tak-termampatkan, apakah solusi yang berasal dari kondisi awal halus tetap halus sepanjang waktu, atau akan membentuk singularitas dalam waktu terbatas. Masalah ini telah dijadikan salah satu Masalah Hadiah Milenium oleh Clay Mathematics Institute, dengan hadiah sebesar 1 juta dolar AS.
Terence Tao dalam postingannya membayangkan sebuah proses penelitian masa depan yang mungkin muncul: sistem AI otonom yang memiliki sumber daya komputasi besar dapat terus mencoba berbagai konstruksi matematis, menganalisis penyebab kegagalan, menyesuaikan pendekatan, dan memverifikasi hasil, hingga akhirnya menghasilkan sebuah bukti kandidat yang sangat kompleks dan melakukan verifikasi mesin melalui sistem pembuktian formal seperti Lean.
Fokusnya adalah bagaimana pengetahuan matematis yang dihasilkan selama proses ini dapat disimpan.
Dalam penelitian matematika tradisional, sebuah masalah sulit sering menghasilkan banyak produk sampingan selama bertahun-tahun eksplorasi: lemma baru, alat baru, arah penelitian baru, serta masalah-masalah yang layak diteliti lebih lanjut. Tao Zhexiong khawatir bahwa jika AI menyelesaikan seluruh proses eksplorasi dalam lingkungan tertutup, dan manusia hanya menerima hasil yang telah diverifikasi, banyak jalur tengah yang bernilai mungkin sulit masuk ke komunitas matematika.
Adegan dalam postingan ditulis dengan sangat spesifik: AI mencari struktur kandidat, melakukan uji numerik, membentuk berkas bukti Lean yang besar, dan akhirnya menyelesaikan masalah regularitas Navier-Stokes.
Maka, skenario yang dikenal di internet muncul.
Beberapa orang mulai menebak apakah Terence Tao memiliki informasi yang belum diumumkan. Di platform sosial, diskusi cepat muncul tentang apakah Terence Tao sedang menyiratkan bahwa Claude telah menyelesaikan persamaan Navier-Stokes, kemudian Curran memberikan prediksi yang lebih jelas: "Claude telah menyelesaikan persamaan Navier-Stokes." Pernyataan ini pun menyebar dengan cepat.
Seiring dengan membesarnya spekulasi, Terence Tao kemudian memberikan klarifikasi khusus.
Sikapnya sangat hati-hati: saat ini ia tidak mengetahui adanya perkembangan baru signifikan terkait masalah Navier-Stokes, dan diskusi sebelumnya termasuk dalam skenario penelitian AI hipotetis. Sementara itu, dengan kecepatan perkembangan teknologi AI saat ini, skenario semacam itu sudah memiliki kemungkinan nyata.
Dia kemudian membahas "biaya kesempatan".
Masalah terbuka seperti Navier-Stokes telah mendorong munculnya metode baru, pertanyaan baru, dan peneliti baru selama puluhan tahun. Jika AI dapat segera memberikan jawaban akhir, komunitas matematika perlu mempertimbangkan bagaimana mengubah proses, metode, dan jalur kegagalan yang dijelajahi mesin menjadi pengetahuan matematis yang dapat dipahami dan diwarisi oleh manusia.
Ini telah secara bertahap menjadi isu nyata dalam penelitian matematika AI.
AI sedang mengubah sumber daya langka dalam matematika
Mengapa rumor ini begitu populer?
Dalam beberapa bulan terakhir, AI memang secara berturut-turut melewati beberapa ambang batas yang sebelumnya sulit dibayangkan di bidang matematika.
Kemarin, Anthropic mengumumkan pekerjaan formalisasi Claude terhadap Teorema Terakhir Fermat.
https://www.anthropic.com/research/formalizing-fermats-last-theorem
Teorema Terakhir Fermat telah dibuktikan pada tahun 1990-an oleh matematikawan seperti Andrew Wiles. Selama beberapa dekade, komunitas matematika telah berharap untuk menerjemahkan bukti yang sangat kompleks ini sepenuhnya ke dalam bahasa formal seperti Lean, sehingga komputer dapat memverifikasi setiap langkahnya secara bertahap.
Anthropic menyatakan bahwa Claude secara mandiri menyelesaikan formalisasi Lean end-to-end dalam 11 hari, dengan ukuran kode akhir mencapai sekitar 13 juta baris, menghasilkan sekitar 30.300 teorema yang dapat diverifikasi mesin, di mana sekitar 29.500 di antaranya masuk ke bukti akhir. Matematikawan yang terlibat dalam proyek formalisasi Teorema Terakhir Fermat jangka panjang, Kevin Buzzard, juga memberikan evaluasi positif terhadap hasil ini.
Satu bulan sebelumnya.
Pada 10 Agustus, Anthropic mengumumkan bahwa sebuah model penelitian Claude yang belum diumumkan membuat kemajuan dalam menangani masalah terkait dugaan Riemann: meningkatkan batas bawah proporsi nol fungsi ζ yang memenuhi kondisi dugaan Riemann dari 41,6% menjadi 67,2%. Dugaan Riemann terkait erat dengan distribusi bilangan prima dan merupakan salah satu dari tujuh Masalah Hadiah Milenium.
https://www.anthropic.com/research/riemann-zeta
Pada Mei tahun ini, OpenAI juga mengumumkan hasil geometri diskret. Model penalaran umum membangun himpunan titik jarak satuan baru, yang membantah dugaan panjang yang berlaku seputar masalah jarak satuan bidang Erdős. Bukti terkait kemudian diperiksa oleh matematikawan eksternal. Hasil ini menyelesaikan salah satu dugaan penting dalam masalah tersebut, namun masalah jarak satuan secara keseluruhan masih memiliki ruang untuk dikembangkan lebih lanjut.
https://openai.com/zh-Hans-CN/index/model-disproves-discrete-geometry-conjecture/
Pada Agustus, OpenAI kembali mengumumkan sepuluh hasil dalam matematika dan ilmu komputer teoretis, termasuk penyelesaian atau kemajuan signifikan terhadap beberapa masalah terbuka jangka panjang.
https://openai.com/zh-Hans-CN/index/ten-advances-in-mathematics/
Beberapa tahun lalu, pencapaian paling mencolok dari model besar di bidang matematika masih berupa soal olimpiade matematika. Sekarang, objek penelitian telah mulai memasuki masalah terbuka, hasil tingkat paper, dan pembuktian formal berskala besar.
Dampak AI terhadap dunia matematika juga mulai beralih dari seberapa banyak soal yang bisa diselesaikan menjadi apa yang akan menjadi tanggung jawab utama matematikawan di masa depan.
Satu perubahan adalah pentingnya verifikasi sedang meningkat.
Model bahasa dapat dengan cepat menghasilkan sejumlah besar derivasi matematis, sekaligus berpotensi menghasilkan kesalahan yang sangat halus. Alat pembantu bukti seperti Lean mampu memecah bukti menjadi bentuk yang dapat diperiksa secara bertahap oleh mesin. Seiring peningkatan kecepatan generasi bukti oleh AI, verifikasi formal menjadi infrastruktur yang semakin penting. Terence Tao sebelumnya telah beberapa kali menekankan bahwa hambatan dalam penelitian matematika di masa depan mungkin secara bertahap bergeser ke pemeriksaan, pengorganisasian, dan pemahaman.
https://academy.openai.com/public/blogs/terence-tao-ai-is-ready-for-primetime-in-math-and-theoretical-physics-2026-03-06
Perubahan kedua terjadi pada pembagian tugas dalam pekerjaan para matematikawan.
Jika inferensi rutin, pencarian literatur, eksperimen komputasi, bahkan sebagian bukti dapat diserahkan kepada AI, fokus upaya peneliti manusia mungkin beralih ke pemilihan topik, merumuskan dugaan yang tepat, merancang jalur penelitian, serta menyaring hasil yang dihasilkan mesin menjadi teori baru yang dapat dijelaskan.
Terence Tao menyebut masa depan ini sebagai pola "matematika besar": masalah kompleks dipecah menjadi banyak modul, di mana manusia, AI, dan sistem pembuktian formal berkolaborasi, lalu hasilnya digabungkan kembali melalui verifikasi mesin.
https://spectrum.ieee.org/ai-in-mathematics
Ketika jawaban menjadi semakin "murah", apa yang sebenarnya menjadi bagian langka dalam penelitian matematika?
Dulu, satu pertanyaan terbuka penting bisa mempertahankan sebuah bidang penelitian selama puluhan tahun. Jalan berliku yang dilalui para matematikawan di sekitarnya sendiri bisa melahirkan teori baru. Jika AI secara signifikan mempercepat proses ini, jawaban akhir akan datang lebih cepat, sekaligus menuntut komunitas matematika untuk merancang ulang metode untuk melestarikan proses penelitian, mendistribusikan kontribusi, dan membina peneliti generasi berikutnya.
Terence Tao kali ini menggunakan contoh Navier-Stokes untuk membahas perubahan ini.
Mengenai apakah Claude benar-benar telah memecahkan masalah milenium ini, saat ini masih berada pada tahap rumor di media sosial.
Namun diskusi yang agak kacau ini telah menunjukkan satu hal: beberapa tahun lalu, "AI menyelesaikan masalah milenium" lebih dekat ke setting fiksi ilmiah; pada tahun 2026, orang-orang mulai serius mempertimbangkan apa yang harus dilakukan dunia matematika jika hal itu benar-benar terjadi.
Tautan referensi:
https://x.com/AndrewCurran_/status/2096062392442724805
Artikel ini berasal dari akun WeChat "Machine Heart" (ID: almosthuman2014), penulis: yang peduli pada matematika