## IA dalam matematika: antara mitos dan kenyataan, Terence Tao menarik rem

Komunitas matematika telah berminggu-minggu dalam keadaan bergolak. Judul sensasional menyatakan bahwa kecerdasan buatan telah menaklukkan masalah-masalah yang tak terpecahkan selama dekade, memicu teori tentang kemunduran matematikawan yang akan segera terjadi. Tetapi seseorang harus menghentikan narasi yang berlebihan ini, dan orang itu adalah salah satu peneliti paling antusias di persimpangan antara IA dan matematika: Terence Tao.

Dalam langkah awal yang mencerminkan urgensi, Tao telah memperbarui dokumentasinya di GitHub untuk secara kritis mempertanyakan bagaimana pencapaian IA diinterpretasikan. Pesannya tegas: jangan bingung antara "menghasilkan hasil yang dapat diverifikasi" dengan "menguasai matematika". Perbedaan ini sangat penting, tetapi sering diabaikan.

### Masalah interpretasi yang tidak kontekstual

Ketika IA menyelesaikan masalah Erdős, ada kecenderungan alami untuk membesar-besarkan pencapaian tersebut. Namun, Tao menunjukkan bahwa pandangan sederhana ini menyembunyikan kompleksitas fundamental. Pertama, masalah Erdős tidak setara dalam tingkat kesulitan. Beberapa merupakan tantangan ekstrem, sementara yang lain adalah "buah rendah" yang dapat dicapai dengan alat saat ini secara relatif. Membandingkan "jumlah masalah yang diselesaikan" tanpa mengukur tingkat kesulitan adalah seperti mengukur keberhasilan berdasarkan angka tanpa konteks.

Ada faktor kritis lain: banyak masalah yang diberi label "belum terselesaikan" di platform publik tidak melalui tinjauan literatur yang menyeluruh. Ketika IA "menyelesaikan" salah satu dari masalah ini, sering kali terungkap bahwa sudah ada solusi di sudut tertentu dari koleksi ilmiah. Narasi tentang "penemuan pertama oleh IA" runtuh di bawah pengawasan.

### Sebuah skenario yang dipengaruhi oleh visibilitas

Catatan publik terutama menangkap kasus-kasus yang berhasil. Kegagalan, percobaan tanpa kemajuan, jalan buntu eksplorasi IA tidak tercatat. Asimetri informasi ini secara tak terelakkan mengubah persepsi kita tentang kemampuan nyata.

Selain itu, ketika Tao menganalisis bagaimana sebuah demonstrasi diformalisasi dalam asisten seperti Lean, ia mengidentifikasi jebakan halus: penambahan aksioma, pernyataan yang salah tafsir, pemanfaatan perilaku unik dari perpustakaan matematika. Sebuah bukti yang secara formal diverifikasi tidak selalu berarti validitas konseptual yang asli.

### Lebih dari sekadar jawaban yang benar

Di sini Tao menyentuh inti dari apa artinya menjadi matematikawan. Bahwa sebuah jawaban secara harfiah benar dalam matematika bukan hanya memberikan jawaban yang dapat diverifikasi, tetapi juga menenun jawaban tersebut ke dalam jaringan pengetahuan disipliner yang lebih luas. Sebuah demonstrasi manusia biasanya mencakup konteks, motivasi historis, perbandingan dengan karya sebelumnya, cakupan dan batasan dari metode tersebut.

Demonstrasi yang dipimpin oleh IA, sebagai perbandingan, sering kali kekurangan "halo makna" ini. Secara teknis benar tetapi secara epistemologis miskin bagi komunitas yang menerimanya.

### Apa yang sebenarnya dilakukan IA

Tao berhati-hati tetapi adil dalam penilaiannya. IA unggul sebagai alat gabungan: pencarian literatur, penulisan ulang argumen, formalitas pembuktian yang ada, tinjauan otomatis, pelacakan rutinitas. Dalam kasus tertentu, masalah seperti #728 y el #729 mendapatkan solusi lengkap yang diverifikasi di Lean pada awal Januari 2026, membuktikan bahwa dalam niche tertentu IA memang dapat menghasilkan "struktur demonstrasi yang dapat dijalankan".

Namun, ini tidak setara dengan kapasitas matematika secara menyeluruh. IA bukan matematikawan; ia adalah komponen canggih dalam rantai alat.

### Masa depan tanpa penyembahan berlebihan

Matematika masa depan kemungkinan besar bukan karya pemikir tunggal, melainkan dari komandan yang mengorkestrasi pasukan kecerdasan sintetis. Manusia merumuskan pertanyaan mendalam, menetapkan konsep baru, mengintuisikan koneksi bermakna. IA menggali, memformalkan, memverifikasi, mempercepat.

Seruan Tao adalah untuk keseimbangan: jangan mendemonisasi maupun memuja. Mengakui potensi transformasional IA tanpa jatuh ke dalam mitologi yang didorong oleh kasus-kasus terpencil, tanpa membiarkan eksagerasi menggantikan analisis yang ketat.