‘Matematik 2.0’ Terence Tao: Apabila AI Memberi Jawapan tetapi Mengambil Kefahaman

Artikel ini ditulis pada 10 November 2026.

Mengapa AI begitu kuat dalam matematik?

Tao menyenaraikan tiga sebab mengapa penyelesaian masalah matematik tulen amat sesuai untuk AI.

• Boleh disahkan — betul atau salahnya sesuatu bukti boleh disemak secara objektif.
• Semuanya digital — semuanya selesai di dalam komputer, tanpa ujian klinikal atau data lapangan.
• Banyak data yang baik — buku teks dan makalah selama ribuan tahun sudah sedia ada.

Sebaliknya, kata beliau, jika satu sahaja daripada tiga syarat ini tiada, AI “teruk sehingga memalukan”. Ia teknologi yang tidak sekata, dengan jurang yang melampau antara perkara yang dikuasainya dengan perkara yang tidak.

Daripada era kekurangan bukti kepada era lambakan bukti

Dahulu, apabila satu masalah sukar diselesaikan, orang dalam bidang itu akan berhenti daripada kerja mereka untuk membaca dan membincangkannya bersama-sama. Kini keadaannya terbalik. Tao berkata sedozen atau lebih hasil yang beliau minati telah dibuktikan, tetapi beliau tiada masa untuk membacanya.

Beliau juga menegaskan bahawa pencapaian hebat yang dilihat di media sosial hanyalah sebahagian. Menurut penjelasan beliau, di sebalik kira-kira 300 penyelesaian yang diumumkan secara besar-besaran oleh OpenAI, terdapat nota kaki: kira-kira 4,000 masalah telah dicuba, dan hanya sekitar 9% berjaya diselesaikan. Yang 91% tidak diselesaikan itu cuma tidak menjadi berita.

Eksperimen apabila manusia dan mesin bersama-sama menyelesaikan 22 juta masalah

Contoh “matematik eksperimen” yang dikemukakan Tao ialah Equational Theories Project (Projek Teori Persamaan) yang bermula pada 2024. Projek ini menentukan benar atau palsu bagi 22,028,942 hubungan implikasi antara 4,694 hukum algebra ringkas tanpa tertinggal satu pun, dan mencapai sasarannya pada 14 April 2025. Semua bukti dan contoh penyangkal disahkan menggunakan Lean, bahasa pengesahan bukti.^※

Dalam syarahan itu, Tao berkata, “Satu masalah boleh diselesaikan oleh pelajar siswazah dalam 30 minit, tetapi saya tidak ada 22 juta pelajar siswazah.” Beliau menjelaskan bahawa kira-kira 50 sukarelawan berjaya melakukannya dengan menggabungkan “AI cara lama” seperti pembukti teorem automatik dengan pengiraan tangan.

Apabila wujud data sebesar ini, matematik juga, seperti sains lain, boleh mula melakar peta “bahagian mana yang sukar dan bahagian mana yang mudah”. Inilah yang Tao gelar sebagai ledakan matematik eksperimen.

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

Masalah sebenar: mendapat jawapan tetapi kehilangan kefahaman

Inilah yang paling membimbangkan Tao. Dahulu, untuk menyelesaikan masalah sukar, seseorang perlu memahami masalah itu, membaca makalah dan berbincang dengan orang lain. Dalam proses itu, kefahaman bertambah, masalah baharu muncul dan pelajar berkembang. Kini, masukkan sahaja masalah ke dalam AI dan jawapan pun keluar, tetapi ada kalanya tiada sesiapa yang mampu menerangkan jawapan itu.

Beliau berpendapat perkara ini tidak terhenti dalam matematik sahaja. Jika AI digunakan dengan cara yang sama untuk masalah dunia sebenar seperti grid elektrik, kawalan trafik udara atau reka bentuk ubat baharu, AI mungkin mengeksploitasi kelemahan model dan menghasilkan jawapan yang “lulus penanda aras tetapi sebenarnya salah”. Itulah amaran beliau.

Jadi, apakah yang dicadangkan oleh Matematik 2.0?

• Bukan sekadar menyelesaikan masalah dengan AI, tetapi menulis semula bukti yang sudah ada namun terlalu panjang dan sukar diikuti supaya lebih mudah difahami
• Membina rangkaian makalah dan perpustakaan berskala besar yang sentiasa dikemas kini, bukan berfikir satu makalah demi satu makalah
• Meminta AI mencari kaedah dan pandangan baharu, bukan sekadar bukti baharu
• Melibatkan lebih ramai ahli matematik dalam menganalisis titik kegagalan model dunia sebenar

Tao menutup syarahannya dengan berkata bahawa halangan terbesar bukanlah teknologi, tetapi “imaginasi”.

Sebagai seorang pengajar bahasa

Saya seorang profesional dalam bidang bahasa, dan kecenderungan ini juga jelas dalam bidang saya. Sama ada bahasa ibunda atau bahasa asing, mempelajari bahasa memang mengambil masa yang lama, dan sejauh mana kemahiran kita meningkat tidak selalu kelihatan sekali imbas. Dalam keadaan begitu, apabila kita menggunakan penulisan dan terjemahan AI yang terus menunjukkan ungkapan yang diperlukan atau bercakap bagi pihak kita sebelum kita sempat berfikir sendiri, mudah sahaja kita berasa seolah-olah kemahiran kita sudah meningkat sebanyak itu. Timbullah ilusi “saya sudah tahu sebanyak ini”.

Kemudahan AI, gunakanlah. Namun, pembelajaran dan usaha sehingga kita mampu menggunakan pengetahuan itu dengan bebas mestilah berjalan seiring.

Kelajuan AI memberikan jawapan yang betul akan terus meningkat. Justeru, keupayaan untuk menerangkan “mengapa” dengan kata-kata sendiri menjadi semakin berharga. Sama ada matematik atau bahasa asing, gunakan AI bukan sebagai alat yang berfikir bagi pihak kita, tetapi sebagai alat yang meluaskan kefahaman kita. ‘Matematik 2.0’ Tao juga merupakan persoalan tentang cara kita semua belajar.

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