‘Matematika 2.0’ Terence Tao: Saat AI Memberi Jawaban tetapi Mengambil Pemahaman

Artikel ini ditulis pada 10 November 2026.

Mengapa AI begitu kuat justru di matematika?

Tao menyebut tiga alasan mengapa pemecahan soal matematika murni sangat cocok untuk AI.

• Bisa diverifikasi — benar atau salahnya sebuah bukti bisa diperiksa secara objektif.
• Semuanya digital — semua selesai di dalam komputer, tanpa uji klinis atau data lapangan.
• Banyak data berkualitas — buku teks dan makalah dari ribuan tahun sudah tersedia.

Sebaliknya, katanya, jika satu saja dari ketiga syarat itu tidak ada, AI “payah sampai memalukan”. Ini teknologi yang tidak merata, dengan jurang yang ekstrem antara hal yang dikuasainya dan hal yang tidak.

Dari era kekurangan bukti ke era kelebihan bukti

Dulu, ketika satu soal sulit terpecahkan, orang-orang di bidang itu berhenti dari pekerjaannya untuk membaca dan mendiskusikannya bersama. Sekarang justru sebaliknya. Tao mengatakan bahwa belasan hasil yang ia minati sudah dibuktikan, tetapi ia tidak punya waktu untuk membacanya.

Ia juga menegaskan bahwa capaian mengesankan yang terlihat di media sosial hanyalah sebagian. Menurut penjelasannya, di balik sekitar 300 solusi yang diumumkan besar-besaran oleh OpenAI, ada catatan kaki: sekitar 4.000 soal dicoba, dan hanya sekitar 9% yang terpecahkan. Yang 91% tidak terpecahkan hanya tidak menjadi berita.

Eksperimen ketika manusia dan mesin bersama-sama memecahkan 22 juta soal

Contoh “matematika eksperimental” yang diangkat Tao adalah Equational Theories Project (Proyek Teori Persamaan) yang dimulai pada 2024. Proyek ini menentukan benar atau salahnya 22.028.942 relasi implikasi di antara 4.694 hukum aljabar sederhana tanpa satu pun terlewat, dan mencapai targetnya pada 14 April 2025. Semua bukti dan contoh penyangkal diperiksa dengan Lean, bahasa verifikasi bukti.^※

Dalam ceramahnya, Tao berkata, “Satu soal bisa diselesaikan mahasiswa pascasarjana dalam 30 menit, tetapi saya tidak punya 22 juta mahasiswa pascasarjana.” Ia menjelaskan bahwa sekitar 50 sukarelawan berhasil menuntaskannya dengan memadukan “AI gaya lama” seperti pembukti teorema otomatis dengan perhitungan tangan.

Begitu ada data sebesar ini, matematika pun, seperti ilmu lain, bisa mulai menggambar peta “bagian mana yang sulit dan bagian mana yang mudah”. Inilah yang disebut Tao sebagai ledakan matematika eksperimental.

※ Sumber: makalah The Equational Theories Project (arXiv 2512.07087)

Masalah sebenarnya: mendapat jawaban, kehilangan pemahaman

Inilah yang paling dikhawatirkan Tao. Dulu, untuk memecahkan soal sulit, orang harus memahami soalnya, membaca makalah, dan berdiskusi dengan orang lain. Dalam proses itu, pemahaman bertambah, soal baru muncul, dan mahasiswa berkembang. Sekarang, cukup masukkan soal ke AI dan jawabannya keluar, tetapi ada kalanya tidak ada seorang pun yang bisa menjelaskan jawaban itu.

Ia berpendapat ini tidak berhenti di dalam matematika saja. Jika AI digunakan dengan cara yang sama untuk masalah nyata seperti jaringan listrik, pengendalian lalu lintas udara, atau perancangan obat baru, AI bisa memanfaatkan kelemahan model dan menghasilkan jawaban yang “lolos uji tolok ukur tetapi sebenarnya salah”. Itulah peringatannya.

Jadi, apa yang ditawarkan Matematika 2.0?

• Bukan hanya memecahkan soal dengan AI, tetapi juga menulis ulang bukti yang sudah ada namun terlalu panjang dan sulit diikuti agar lebih mudah dipahami
• Membangun jaringan makalah dan perpustakaan berskala besar yang terus diperbarui, bukan berpikir per satu makalah
• Meminta AI mencari metode dan wawasan baru, bukan sekadar bukti baru
• Melibatkan lebih banyak matematikawan dalam menganalisis titik kegagalan model dunia nyata

Tao menutup ceramahnya dengan mengatakan bahwa hambatan terbesar bukanlah teknologi, melainkan “imajinasi”.

Sebagai seorang pengajar bahasa

Saya berprofesi di bidang bahasa, dan kecenderungan ini juga sangat terasa di bidang saya. Baik bahasa ibu maupun bahasa asing, belajar bahasa memang memakan waktu lama, dan seberapa jauh kemampuan kita meningkat tidak selalu terlihat sekilas. Dalam situasi seperti itu, saat memakai fitur menulis dan menerjemahkan AI yang langsung menunjukkan ungkapan yang kita butuhkan atau berbicara menggantikan kita sebelum kita sempat berpikir sendiri, mudah sekali merasa seolah-olah kemampuan kita sudah meningkat sejauh itu. Muncullah ilusi “saya sudah tahu sebanyak ini”.

Kemudahan AI silakan dimanfaatkan. Namun, proses belajar dan usaha sampai kita bisa menggunakan pengetahuan itu dengan leluasa harus tetap berjalan bersamanya.

AI akan memberikan jawaban yang benar makin cepat lagi ke depannya. Justru karena itu, kemampuan menjelaskan “mengapa” dengan kata-kata sendiri menjadi makin berharga. Entah matematika entah bahasa asing, gunakan AI bukan sebagai alat yang berpikir menggantikan kita, melainkan sebagai alat yang memperluas pemahaman kita. ‘Matematika 2.0’ Tao juga merupakan pertanyaan bagi cara belajar kita semua.

Sumber: video ceramah Terence Tao YouTube / The Equational Theories Project, arXiv 2512.07087