Bayangkan sebuah tambang emas yang butuh jutaan tahun untuk terbentuk, lalu dikeruk habis dalam sepuluh tahun. Emasnya memang didapat. Tapi tambangnya tidak akan terisi lagi.
Itulah perumpamaan yang dipakai Terence Tao, salah satu matematikawan paling dihormati di dunia, untuk menggambarkan apa yang sedang terjadi pada masalah-masalah matematika yang belum terpecahkan.
Ringkasan cepat
- Apa: peringatan bahwa masalah matematika terbuka sedang “ditambang” AI secara tidak terbarukan.
- Siapa: Terence Tao, peraih Fields Medal.
- Kapan: awal September 2026, disampaikan lewat Mathstodon.
- Kekhawatiran intinya: masalah terbuka yang bagus itu langka dan lambat tergantikan.
- Yang paling mengusik: sekadar rumor bahwa seseorang menggarap sebuah masalah bisa memicu daya komputasi besar untuk merebutnya lebih dulu.
- Dikutipnya: peringatan Hugo Duminil-Copin soal rusaknya ekosistem riset matematika.
Kenapa peringatan ini berbobot
Yang membuat pernyataan ini layak didengar bukan cuma reputasi orangnya, tapi posisinya.
Tao bukan penentang AI. Ia justru termasuk matematikawan yang paling serius menulis dan berbicara soal pemakaian AI dalam matematika, termasuk kemungkinan-kemungkinan baiknya.
Jadi ini bukan keluhan orang yang takut tergantikan. Ini kekhawatiran dari orang yang memakai alatnya dan justru karena itu melihat efek sampingnya lebih awal.
Apa maksud “tidak terbarukan”
Di sinilah inti gagasannya, dan sebenarnya sederhana.
Masalah matematika terbuka yang bagus itu tidak tumbuh di pohon. Sebuah masalah dianggap bagus kalau cukup sulit untuk memaksa lahirnya teknik baru, tapi cukup jelas untuk dikerjakan. Masalah semacam itu biasanya muncul dari puluhan tahun kerja komunitas.
Dan fungsinya bukan cuma untuk dipecahkan. Masalah-masalah itu adalah medan latihan. Di situlah matematikawan muda mengasah kemampuan, dan dari usaha memecahkannya lahir teknik-teknik yang kemudian dipakai di tempat lain.
Kalau semua soal latihan dikerjakan mesin dalam semalam, jawabannya memang didapat. Tapi tidak ada lagi yang belajar dari proses mengerjakannya.
Tao mengutip peringatan Hugo Duminil-Copin: pengerukan otomatis tanpa pandang bulu terhadap masalah terbuka berisiko merusak ekosistem tempat lahirnya generasi berikutnya, baik teknik, masalah, maupun orangnya.
Bagian yang paling mengubah perilaku
Ada satu detail dalam peringatan Tao yang dampaknya paling nyata sehari-hari.
Menurutnya, sekadar rumor bahwa seseorang sedang menggarap sebuah masalah sudah cukup untuk memicu pengerahan daya komputasi besar guna merebutnya lebih dulu. Akibatnya, riset yang sedang berjalan bisa “habis sebelum matang”.
Kalau itu benar, konsekuensinya berat: bercerita soal apa yang sedang kamu kerjakan berubah dari kebiasaan baik menjadi risiko.
Padahal ilmu pengetahuan selama ini justru dibangun di atas keterbukaan itu. Orang mempresentasikan hasil setengah jadi di seminar, bertukar kabar di konferensi, meminta masukan sebelum selesai.
Dan kekhawatiran ini bukan hipotesis. Pekan yang sama, persis pola itu yang dituduhkan dalam sengketa klaim OpenAI atas persamaan Navier-Stokes: kabar tentang karya yang belum terbit sampai ke sebuah lab, dan beberapa hari kemudian muncul pengumuman.
Sisi yang perlu ditimbang
Supaya adil, ada bantahan yang masuk akal terhadap kekhawatiran ini.
Matematika tidak pernah kehabisan pertanyaan. Setiap jawaban biasanya melahirkan pertanyaan baru. Sejarahnya menunjukkan bidang ini terus melahirkan soal baru, bukan menipis.
Memecahkan masalah besar juga membuka pintu. Kalau Navier-Stokes benar-benar tuntas, itu bisa melahirkan cabang pertanyaan yang belum terbayangkan sekarang.
Tapi perhatikan bahwa Tao tidak persis mengatakan soalnya akan habis. Yang ia soroti adalah kecepatannya. Masalah dipecahkan lebih cepat daripada komunitas sanggup melahirkan penggantinya, dan lebih cepat daripada orang sanggup belajar dari prosesnya.
Itu keberatan tentang laju, bukan tentang jumlah.
Kenapa ini menyangkut bidang lain juga
Ganti kata “masalah matematika” dengan hal lain, dan polanya langsung terasa akrab.
Dalam menulis, soal-soal yang dulu dipakai penulis pemula untuk berlatih sekarang bisa diselesaikan mesin dalam hitungan detik. Dalam pemrograman, tugas-tugas kecil yang dulu jadi tempat belajar programmer baru kini dikerjakan otomatis.
Pertanyaannya sama persis: kalau tangga terbawahnya hilang, dari mana generasi berikutnya naik?
Ini bukan alasan untuk menolak alatnya. Tapi alasan untuk sadar bahwa efisiensi selalu punya ongkos yang tidak muncul di tagihan.
Apa artinya buat kamu
- Kalau kamu sedang belajar sesuatu, sesekali kerjakan tanpa AI. Bukan karena hasilnya lebih bagus, tapi karena proses itulah yang membentuk kemampuanmu.
- Bedakan “butuh jawabannya” dan “butuh bisa mengerjakannya”. Untuk yang pertama, pakai AI sepuasnya. Untuk yang kedua, AI justru bisa merugikanmu.
- Kalau kamu mengajar atau membimbing, pikirkan ulang soal latihan yang kamu berikan. Yang bisa diselesaikan AI dalam sedetik tidak lagi melatih apa pun.
- Hargai proses yang lambat. Kesulitan yang kamu lewati sendiri adalah satu-satunya bagian yang tidak bisa diambil alih mesin.
Pertanyaan yang sering muncul
Apa peringatan Terence Tao soal AI dan matematika?
Ia menyatakan masalah matematika terbuka yang bagus sedang ditambang secara tidak terbarukan oleh AI. Masalah semacam itu langka dan lambat tergantikan, sehingga mengerahkan AI ke sana tanpa pandang bulu memang menjawab pertanyaan hari ini, tetapi menguras persediaan yang seharusnya memandu gelombang riset berikutnya.
Kenapa masalah terbuka disebut tidak terbarukan?
Karena masalah yang benar-benar bagus biasanya lahir dari puluhan tahun kerja komunitas, dan fungsinya bukan cuma untuk dipecahkan melainkan juga sebagai medan latihan tempat lahirnya teknik baru serta matematikawan baru.
Apa hubungannya dengan rumor riset?
Tao menyoroti bahwa sekadar rumor seseorang sedang menggarap suatu masalah bisa memicu pengerahan daya komputasi besar untuk merebutnya lebih dulu, sehingga riset yang sedang berjalan bisa habis sebelum matang. Ini membuat keterbukaan soal pekerjaan yang belum selesai berubah menjadi risiko.
Apakah Terence Tao menentang pemakaian AI?
Tidak. Ia termasuk matematikawan yang paling serius menulis dan berbicara soal pemakaian AI dalam matematika, termasuk sisi positifnya. Keberatannya menyangkut laju dan cara pemakaiannya, bukan alatnya.
Apakah matematika bisa benar-benar kehabisan masalah?
Setiap jawaban biasanya melahirkan pertanyaan baru, sehingga kecil kemungkinan bidang ini kehabisan soal. Yang disoroti Tao bukan jumlahnya, melainkan kecepatannya: masalah dipecahkan lebih cepat daripada komunitas sanggup melahirkan penggantinya dan lebih cepat daripada orang sempat belajar dari prosesnya.
Tinggalkan Komentar