Terence Tao merangkum kuliah publiknya di International Congress of Mathematicians (ICM) 2026 menjadi makalah dua belas halaman yang diunggah ke arXiv, berjudul "Mathematics in the age of AI". Ia hampir tidak membahas seberapa hebat kemampuan AI. Pertanyaan yang ia ajukan justru berbeda: apa sebenarnya yang diinginkan matematika sebagai sebuah disiplin ilmu.
Pendekatannya dimulai dengan sebuah asumsi: anggap saja AI sudah bisa mengerjakan pekerjaan matematika setingkat riset, lalu ia menelusuri ke mana premis ini akan mendorong dunia matematika.
Krisis sebelumnya mengguncang fondasi
Makalah ini dibuka dengan menyamakan situasi sekarang dengan periode 1900 hingga 1930, ketika paradoks Russell dan teorema ketidaklengkapan Gödel muncul beruntun, memaksa para matematikawan mempertanyakan ulang apa sebenarnya arti sebuah bukti. Yang goyah saat itu adalah fondasi formal, dan akhirnya diselesaikan lewat kerangka kerja yang ketat, yang bertahan selama satu abad.
Menurut Tao, yang berbeda kali ini adalah yang sedang goyah justru aturan tak tertulis yang tidak pernah dijabarkan dunia matematika — siapa yang dianggap penulis, apa artinya memahami, dan apa yang membuat sebuah makalah layak dipublikasikan. Hal-hal ini sebelumnya tidak perlu dijelaskan, karena menyusun bukti saja sudah cukup sulit, dan kesulitan itu sendiri berfungsi sebagai penyaring.
Rincian biaya untuk tujuh soal
Angka paling keras dalam makalah ini berasal dari putaran kedua evaluasi proyek First Proof. Sepuluh soal riset yang belum dipublikasikan diuji ke empat sistem AI, dan tujuh di antaranya mendapat nilai lulus dari setidaknya satu sistem — dinilai tanpa cacat atau hanya perlu perbaikan kecil. Model yang dievaluasi dibatasi pada versi yang dirilis ke publik sebelum 28 Mei 2026.
Biaya komputasi untuk setiap soal berkisar puluhan hingga ratusan dolar.
Angka ini layak dibandingkan. Menyerahkan satu soal riset yang belum dipublikasikan kepada mahasiswa doktoral biasanya memakan waktu berbulan-bulan, dengan biaya tenaga kerja yang setara minimal ribuan dolar. Begitu lubang pada penyaring ini melebar, apa yang masuk lewatnya sudah bukan lagi skala yang sama.
Dari sini Tao menarik pergeseran yang lebih ia khawatirkan: matematika sedang bergeser dari kelangkaan bukti menuju kelebihan bukti. Ia mengutip hukum Goodhart untuk menjelaskan konsekuensinya.
"When a measure becomes a target, it ceases to be a good measure." (Ketika sebuah ukuran menjadi target, ia berhenti menjadi ukuran yang baik.)
Jumlah makalah, jumlah teorema, siapa yang lebih dulu memecahkan soal — semua ini secara historis terkait dengan tujuan sejati matematika justru karena sulit direkayasa. Begitu bisa direkayasa, kaitan itu mengendur. Ia juga mengutip ucapan lama Thurston: ukuran keberhasilan adalah apakah yang kita kerjakan membuat orang memahami matematika lebih jernih, bukan memenuhi kuota produksi yang abstrak.
Resep yang ia tawarkan
Tao memecah proses penyelesaian masalah menjadi satu rantai utuh: menghasilkan bukti, memverifikasi kebenarannya, menjelaskannya dengan jelas, diterima oleh sesama peneliti, lalu masuk ke buku teks. Selama ini hanya mata rantai pertama yang tampak, sisanya diam-diam diserap oleh komunitas akademik. Setelah AI menekan biaya mata rantai pertama nyaris ke nol, mata rantai selanjutnya harus dijabarkan secara eksplisit.
Rekomendasinya sebagian besar mengikuti "Leiden Manifesto" yang terbit Juni lalu: menambahkan bagian "pengungkapan alat dan komputasi" pada makalah; menurunkan bobot untuk siapa yang lebih dulu menyelesaikan soal, dan mengalihkan sumber daya ke penulisan, peninjauan, penerbitan, dan standardisasi; kredit dan tanggung jawab tetap milik penulis manusia. Poin paling tegas menyangkut ambang batas publikasi:
Jika penulis tidak bisa memberikan penjelasan tingkat pakar yang jelas, hasilnya tidak seharusnya dipublikasikan. Standar penilaian yang menyertainya, yang berulang kali dikutip, berbunyi: sebuah bukti yang tidak bisa dijelaskan siapa pun harus dianggap tidak lengkap, sekalipun lolos verifikasi formal.
Ia juga menunjuk jebakan lain: bukti buatan AI cenderung terlalu dipoles — enak dibaca, tapi tidak mengajarkan apa-apa. Hilangnya friksi belajar tampak seperti hal baik, padahal justru memutus jalan masuk bagi generasi berikutnya.
Sekadar opini pribadi, bukan keputusan institusi
Perlu ditegaskan, ini adalah makalah yang ditulis Tao dalam kapasitas pribadi, bukan sikap kebijakan institusi mana pun. Selama setahun terakhir, beberapa laboratorium bergantian mengumumkan bahwa AI berhasil memecahkan soal terbuka, dan sebagian besar diskusi di dunia matematika berputar pada apakah AI benar-benar bisa melakukannya. Makalah ini mencoba mengalihkan topik: anggap saja "bisa" sebagai fakta untuk sementara, dan yang perlu dibahas adalah seberapa siap dunia matematika menampungnya.
Infrastruktur seperti Mathlib dan basis data Erdős Problems disebut dalam makalah ini sebagai bagian dari respons yang sudah berjalan. Alatnya sudah ada, yang kurang adalah konsensus soal cara menggunakannya.
Sumber: makalah Terence Tao di arXiv "Mathematics in the age of AI", CocoLoop, laporan The Decoder; jumlah soal, jumlah yang lulus, dan kisaran biaya per soal pada putaran kedua First Proof diverifikasi sesuai makalah asli, kutipan dipertahankan dalam bahasa Inggris aslinya.