Matematikawan Terence Tao mengunggah rangkaian utas di Mathstodon pada 9 September, membahas sesuatu yang mulai hilang dari dunia akademik setelah alat AI masuk ke riset matematika: menemukan soal terbuka yang benar-benar berbobot kini mulai menjadi langka.
Klaimnya, soal-soal terbuka yang bagus — jenis yang bisa memicu riset lanjutan — sedang ditambang dengan cara yang tidak dapat diperbarui. Ia menambahkan poin yang lebih tajam: begitu kabar bahwa seseorang sedang mengerjakan suatu soal bocor, hal itu bisa memancing komputasi AI berskala besar untuk menyelesaikannya lebih dulu, menghabiskan jalur riset tersebut sebelum sempat berkembang penuh — dengan kata-katanya sendiri, ini membalik tradisi sains terbuka yang sudah berjalan berabad-abad.
Tangga Kesulitan Jadi Rata
Istilah teknis yang dipakai Tao adalah tangga kesulitan (difficulty gradient). Dalam bidang riset yang sehat, soal-soal tersusun berdasarkan tingkat kesulitan: ada latihan tingkat pemula, soal setara disertasi doktoral, soal yang butuh alat baru, dan sejumlah soal besar yang belum terpecahkan. Peneliti memakai tangga ini untuk menentukan arah langkah mereka, sekaligus untuk membimbing mahasiswa.
Di banyak bidang, alat AI telah meratakan tangga ini. Soal yang dulu butuh tiga bulan dan soal yang dulu butuh tiga tahun kini bisa sama-sama terpecahkan dalam satu sore yang sama, atau bisa juga sama-sama tidak terpecahkan, tanpa batas yang bisa dikenali di antara keduanya. Ia menunjukkan bahwa saat ini tidak ada garis batas yang jelas yang memisahkan soal "bisa dipecahkan AI" dari soal "sulit bagi AI".
Hal ini diperkuat oleh faktor lain: perusahaan AI umumnya tidak mempublikasikan hasil negatif, juga tidak membuka proses di balik sebuah solusi setelah didapat. Publik hanya melihat kasus-kasus sukses, tidak melihat soal mana yang sudah dicoba tapi gagal. Utas Tao tidak menyebut nama perusahaan tertentu, juga tidak memberikan daftar konkret soal yang sudah "ditambang" — kedua hal ini untuk saat ini tidak dapat diverifikasi. Tanpa data kegagalan, komunitas akademik bahkan tidak bisa menilai jenis soal mana yang masih aman untuk dikerjakan.
Dari Terbuka Menjadi Tertutup
Efek ikutan yang ia sebutkan sudah bisa diamati: sebagian matematikawan mulai berhenti mempublikasikan arah riset inti mereka.
Kebiasaan default dunia akademik selama beberapa abad terakhir adalah membagikan ide sedini mungkin — memaparkan hasil setengah jadi di seminar, mengunggah gagasan yang belum tuntas di platform preprint, menuliskan dugaan (conjecture) di blog. Kebiasaan ini berpijak pada asumsi bahwa meskipun orang lain tahu, mereka belum tentu bisa segera menyelesaikannya, sehingga masih ada waktu untuk merampungkannya sendiri. Asumsi ini kini sudah dipatahkan oleh komputasi.
Saran Tao adalah menggeser standar penilaian satu langkah lebih awal: untuk soal-soal tertentu, tidak cukup hanya memberikan jawaban, tapi juga perlu menganalisis proses penyelesaian dan struktur kesulitan yang terkait. Menjadikan "mengapa soal ini sulit" sebagai hasil yang layak dipublikasikan adalah cara membangun kembali tangga kesulitan yang sudah rata.
Kaitannya dengan Makalah Agustus Lalu
Pada Agustus, Tao merangkum kuliah umumnya di Kongres Matematikawan Internasional (ICM) menjadi makalah arXiv setebal dua belas halaman dengan tema kelebihan bukti (proof glut): dengan asumsi AI sudah mampu melakukan matematika setingkat riset, dunia matematika akan menghadapi situasi di mana output terlalu banyak sampai tidak ada yang sanggup membacanya semua.
Utas Mathstodon kali ini menyoroti sisi yang berbeda. Makalah sebelumnya mengkhawatirkan sisi output, sedangkan utas ini mengkhawatirkan sisi input — dari mana soal-soal itu berasal. Jika digabungkan, ia sebenarnya menggambarkan masalah yang muncul bersamaan di dua ujung satu pipa yang sama: soal-soal bagus di hulu dihabiskan dengan cepat, sementara bukti-bukti di hilir menumpuk tanpa ada yang memverifikasi.
Dampak bagi Tiongkok
Komunitas matematika Tiongkok mungkin merasakan dampak mekanisme ini lebih langsung. Pertama, porsi tim domestik yang mendiskusikan arah riset di platform preprint terbuka dan media sosial terus meningkat dalam beberapa tahun terakhir, dengan tidak sedikit kelompok menjadikan arXiv sebagai kanal rilis utama mereka. Kedua, institusi yang mampu menggerakkan komputasi inferensi berskala besar untuk menyapu soal-soal terbuka terkonsentrasi di segelintir perusahaan, sementara sebagian besar peneliti di sisi Tiongkok berperan sebagai pengguna komputasi tersebut, bukan pihak yang menentukan alokasinya.
Secara praktis, yang berpotensi terdampak adalah pemilihan topik mahasiswa pascasarjana. Jika soal yang dikerjakan seorang mahasiswa doktoral selama tiga tahun tiba-tiba terpecahkan oleh model milik suatu perusahaan hanya dalam satu minggu pada tahun kedua, bagaimana tiga tahun tersebut harus dihitung tidak memiliki ketentuan yang sepadan dalam sistem evaluasi gelar di kampus mana pun. Dalam setahun terakhir sudah muncul beberapa perselisihan soal kepenulisan dan hak prioritas, dan belum ada preseden untuk menangani konflik semacam ini.
Tao sendiri tidak menawarkan solusi di tingkat kelembagaan; ia hanya berhenti pada pernyataan bahwa dunia matematika perlu memikirkan ulang apa yang seharusnya dihargai. Apakah pernyataan ini akan mendorong perubahan aturan penilaian yang konkret akan terlihat tanda-tandanya dalam satu-dua tahun ke depan: jika jurnal-jurnal mulai menerima makalah yang kontribusi utamanya adalah analisis tingkat kesulitan, berarti jalan ini berhasil; jika tidak, penyusutan diskusi terbuka akan terus berlanjut.
Sumber: unggahan Mathstodon Terence Tao, arXiv, CocoLoop, blog Simon Willison; ungkapan "ditambang dengan cara tidak dapat diperbarui" dan soal peneliti yang tidak lagi mempublikasikan arah riset dikutip sesuai maksud teks asli berbahasa Inggris, sedangkan bagian dampak bagi Tiongkok merupakan perkiraan editorial.