Beberapa tahun sebelumnya ObrolanGPT mulai mengoceh, Google mengembangkan jenis yang sangat berbeda kecerdasan buatan program yang disebut AlfaGo yang belajar memainkan permainan papan Go dengan keterampilan super melalui latihan yang tak kenal lelah.
Para peneliti di perusahaan tersebut kini telah menerbitkan penelitian yang menggabungkan kemampuan model bahasa besar (AI di balik chatbot masa kini) dengan kemampuan AlphaZero, penerus AlphaGo yang juga mampu bermain catur, untuk memecahkan pembuktian matematika yang sangat rumit.
Kreasi Frankensteinian baru mereka, yang dijuluki AlphaProof, telah menunjukkan kehebatannya dengan mengatasi beberapa masalah dari tahun 2024 Olimpiade Matematika Internasional (IMO), kompetisi bergengsi untuk siswa sekolah menengah atas.
AlphaProof menggunakan model bahasa besar Gemini untuk mengubah pertanyaan matematika yang diutarakan secara alami menjadi bahasa pemrograman yang disebut BersandarIni menyediakan bahan pelatihan bagi algoritma kedua untuk belajar, melalui coba-coba, cara menemukan bukti yang dapat dikonfirmasi kebenarannya.
Awal tahun ini, Google DeepMind mengungkapkan algoritma matematika lainnya disebut AlphaGeometry yang juga menggabungkan model bahasa dengan pendekatan AI yang berbeda. AlphaGeometry menggunakan Gemini untuk mengubah masalah geometri menjadi bentuk yang dapat dimanipulasi dan diuji oleh program yang menangani elemen geometris. Google hari ini juga mengumumkan versi AlphaGeometry yang baru dan lebih baik.
Para peneliti menemukan bahwa dua program matematika mereka dapat memberikan bukti untuk teka-teki IMO seperti halnya seorang peraih medali perak. Program tersebut memecahkan dua soal aljabar dan satu soal teori bilangan dari total enam soal. Program tersebut menyelesaikan satu soal dalam hitungan menit tetapi butuh beberapa hari untuk menyelesaikan soal lainnya. Google DeepMind belum mengungkapkan seberapa besar daya komputer yang digunakan untuk menyelesaikan soal-soal tersebut.
Google DeepMind menyebut pendekatan yang digunakan untuk AlphaProof dan AlphaGeometry sebagai “neuro-simbolis” karena mereka menggabungkan pembelajaran mesin murni jaringan syaraf tiruanteknologi yang mendukung sebagian besar kemajuan dalam AI akhir-akhir ini, dengan bahasa pemrograman konvensional.
“Apa yang kami lihat di sini adalah Anda dapat menggabungkan pendekatan yang sangat sukses, dan hal-hal seperti AlphaGo, dengan model bahasa yang besar dan menghasilkan sesuatu yang sangat mumpuni,” kata David Perakpeneliti Google DeepMind yang memimpin penelitian tentang AlphaZero. Silver mengatakan teknik yang ditunjukkan dengan AlphaProof, secara teori, seharusnya dapat diterapkan ke bidang matematika lainnya.
Memang, penelitian ini memunculkan prospek untuk mengatasi kecenderungan terburuk dari model bahasa besar dengan menerapkan logika dan penalaran dengan cara yang lebih membumi. Meskipun model bahasa besar dapat menjadi ajaib, mereka sering kali kesulitan untuk memahami bahkan matematika dasar atau untuk menalar masalah secara logis.
Di masa depan, metode neural-simbolis dapat menyediakan sarana bagi sistem AI untuk mengubah pertanyaan atau tugas menjadi bentuk yang dapat dipikirkan dengan cara yang menghasilkan hasil yang dapat diandalkan. OpenAI juga dikabarkan tengah mengerjakan sistem semacam itu, dengan nama sandi “Strawberry.”
Akan tetapi, ada batasan utama pada sistem yang terungkap saat ini, seperti yang diakui Silver. Solusi matematika bisa benar atau salah, yang memungkinkan AlphaProof dan AlphaGeometry untuk mencari jawaban yang benar. Banyak masalah di dunia nyata—misalnya, menemukan rencana perjalanan yang ideal—memiliki banyak kemungkinan solusi, dan solusi mana yang ideal mungkin tidak jelas. Silver mengatakan solusi untuk pertanyaan yang lebih ambigu mungkin adalah dengan menggunakan model bahasa untuk mencoba menentukan apa yang merupakan jawaban yang “benar” selama pelatihan. “Ada spektrum berbagai hal yang dapat dicoba,” katanya.
Silver juga berhati-hati untuk mencatat bahwa Google DeepMind tidak akan membuat matematikawan manusia kehilangan pekerjaan. “Kami bertujuan untuk menyediakan sistem yang dapat membuktikan apa pun, tetapi itu bukanlah akhir dari apa yang dilakukan matematikawan,” katanya. “Bagian penting dari matematika adalah mengajukan masalah dan menemukan pertanyaan menarik yang dapat diajukan. Anda mungkin menganggap ini sebagai alat lain seperti mistar hitung atau kalkulator atau alat komputasi.”
