Telset.id – Kemampuan model AI tercanggih dalam menyelesaikan soal fisika teori melesat dari sekitar 2 persen menjadi sekitar 35 persen hanya dalam dua tahun, dan tidak ada tanda-tanda laju ini akan melambat. Temuan itu disampaikan Neil Thompson, peneliti yang mempelajari kemajuan komputasi dan kecerdasan artifisial, dalam sebuah pemaparan di MIT. Studi terbarunya menunjukkan bahwa bidang probabilitas, teori statistika, teori ekonomi, teori energi tinggi, gravitasi dan kosmologi, serta fisika kuantum berpotensi menjadi sasaran berikutnya setelah matematika.
Angka lonjakan tersebut tercatat antara pertengahan 2024 hingga pertengahan 2026. Menurut Thompson, dalam beberapa tahun ke depan sebagian besar pertanyaan teori diperkirakan akan sepenuhnya berubah dari sisi kemampuan AI untuk mengerjakannya.
Studi ini disusun Thompson bersama Gabriel Manso, seorang mahasiswa PhD, dan Claudio Mayrink Verdun, seorang research scientist. Laboratorium Thompson secara umum meneliti bagaimana kemajuan ilmu komputer berdampak pada masyarakat dan memengaruhi inovasi.
Metodologi: Soal Baru, Tanpa Akses Internet
Untuk menguji kemampuan model, tim peneliti mengambil soal-soal yang tertulis dalam makalah riset yang dipublikasikan secara online antara Desember 2025 dan Mei 2026. Soal-soal itu kemudian diberikan kepada sejumlah model OpenAI, yaitu o1, o3, GPT-5, GPT-5.1, GPT-5.4, dan GPT-5.5.
Yang membuat pengujian ini penting adalah solusi dari soal-soal tersebut baru diterbitkan setelah batas waktu pelatihan (training cutoff) GPT-5.5 dan model-model sebelumnya. Artinya, model yang diuji harus mencari solusi sendiri, bukan mengandalkan jawaban yang sudah masuk sebagai data pelatihan. Makalah-makalah itu berfungsi sebagai ground truth untuk mengukur kemampuan pemecahan masalah para model.
Peneliti juga memblokir akses internet. Langkah ini mencegah model yang diuji mencari solusi secara online. Dengan begitu, hasil yang dicapai murni berasal dari kemampuan penalaran model, bukan dari pencarian jawaban di web.
Cakupan studi ini terbatas. Ketiganya fokus pada bidang di mana model AI bisa menemukan jawaban tanpa perlu menjalankan simulasi atau eksperimen. Meski begitu, hasilnya menunjukkan bahwa gelombang kejut yang kini terasa di matematika kemungkinan besar akan merambat ke area ilmu pengetahuan lain yang berat matematika dan teori.
Pengujian semacam ini relevan dengan tren pengawasan berbasis AI yang juga menuai sorotan, seperti yang tergambar dalam kasus Larangan Flock Cameras di beberapa wilayah.
Matematika Lebih Dulu, Bidang Lain Menyusul
Sebelum studi ini, dunia matematika sudah lebih dulu terguncang. Bulan lalu, OpenAI menghebohkan komunitas matematika dengan mengumumkan bahwa sebuah model yang belum dirilis berhasil memecahkan tantangan besar yang sudah lama berdiri di bidang matematika, yaitu Navier-Stokes, persamaan yang menjelaskan perilaku gerak fluida.
Episodenya kemudian menjadi kontroversial setelah seorang matematikawan di NYU, yang tengah bekerja sama dengan akademisi lain yang berafiliasi dengan Anthropic, menuduh OpenAI menyalip mereka setelah mengetahui kemajuan yang telah dicapai. OpenAI dan pihak lain sejak itu mengumumkan ratusan solusi tambahan untuk masalah matematika yang sudah lama belum terpecahkan, memicu semacam krisis di bidang tersebut. Sejumlah matematikawan menyerukan pembatasan penggunaan AI, dengan peringatan bahwa proses memecahkan masalah sering kali sama bermanfaatnya dengan jawaban akhirnya.
Baca Juga:
Seperti halnya di matematika, Thompson mengatakan kemajuan di area lain juga akan membawa efek positif sekaligus negatif. Ia mencatat bahwa kemajuan teori kadang mendorong kemajuan praktis dalam sains, dan penggunaan AI yang lebih besar bisa berarti lebih banyak kemajuan terjadi lewat jalur ini.
Sejumlah peneliti AI terkemuka sudah mendirikan laboratorium baru yang berfokus pada AI untuk sains. Laboratorium AI besar juga tengah meningkatkan riset ilmiah mereka. Upaya-upaya ini mengeksplorasi bagaimana AI bisa diberdayakan untuk menjalankan eksperimen nyata berdampingan dengan analisis teoretis.
Perkembangan kapabilitas model AI ini juga sejalan dengan makin banyaknya perangkat konsumen yang mengandalkan kamera dan kecerdasan artifisial, misalnya pada Dyson CameraJet Bermasalah yang sempat menjadi sorotan.
Meski AI bisa membuat para teoritikus tidak lagi diperlukan untuk memecahkan masalah kunci, para peneliti menegaskan bukan berarti para ahli tidak dibutuhkan. Mereka tetap diperlukan untuk memahami solusi dan memastikan solusinya valid.
Kebutuhan akan verifikasi ini nyata. OpenAI bahkan menarik beberapa solusi dalam kumpulan data terbarunya setelah dipublikasikan. Manso menyebut untuk masalah yang sangat kompleks, ada kemungkinan AI membuat kesalahan. Ia menambahkan bahwa kita juga membutuhkan cara untuk memverifikasi apa yang telah dikerjakan, karena sangat mudah bagi sebuah model untuk mengatakan ini jawaban yang benar, namun ketika seluruh solusinya diperiksa, mulai terlihat bahwa jawabannya mungkin tidak tepat.
Kemampuan verifikasi dan pemantauan berbasis AI memang terus berkembang di berbagai perangkat, termasuk pada perangkat rumah seperti yang dibahas dalam ulasan Eufy E10 Window Camera.
Thompson menyimpulkan bahwa dalam beberapa tahun ke depan, banyak pertanyaan teori akan sepenuhnya berubah dari sisi kemampuan AI untuk mengerjakannya. Studi ini menjadi penanda bahwa dampak AI pada sains tidak lagi berhenti di matematika, melainkan mulai merambah ke bidang-bidang yang selama ini dianggap butuh penalaran teoretis tingkat tinggi.
Komentar
Belum ada komentar.