Masalah-Masalah Milenium Sedang Tumbang. Perdebatannya Adalah Tentang Apa yang Tumbang.

Pada 8 September, OpenAI menerbitkan bukti yang telah diperiksa Lean tentang ledakan dalam waktu berhingga untuk persamaan Navier–Stokes, dan pada 26 Oktober mengumumkan bukti eksistensi untuk teori Yang–Mills. Claude milik Anthropic membantah Hipotesis Waktu Eksponensial pada bulan yang sama. Dua dari tujuh masalah Millennium kini telah disentuh oleh mesin — tetapi makalah Yang–Mills masih belum dirilis, celah massa belum tersentuh, dan para matematikawan memperdebatkan apakah hasil fluida itu menjawab pertanyaan sebagaimana dirumuskan.

Dua bulan, empat tanggal, dan batas tentang apa yang dapat disumbangkan mesin bagi matematika bergeser lebih jauh daripada dalam tiga puluh tahun sebelumnya.

Apa yang sebenarnya diklaim

Ketepatan itu penting, karena judul-judul berita mengaburkannya.

Navier–Stokes adalah salah satu dari tujuh masalah Hadiah Milenium yang diajukan oleh Clay Mathematics Institute pada tahun 2000, masing-masing bernilai satu juta dolar. Pertanyaannya adalah apakah solusi persamaan tiga dimensi selalu tetap mulus, atau apakah solusi tersebut dapat meledak dalam waktu terbatas. Makalah OpenAI berjudul Finite time blowup for Navier–Stokes: makalah itu mengklaim hasil kedua, untuk sejumlah data awal.

Yang–Mills adalah satu lagi dari tujuh masalah itu. Masalah tersebut memiliki dua bagian. Bagian pertama adalah menunjukkan bahwa teori itu ada sebagai objek matematis yang ketat. Bagian kedua adalah menunjukkan bahwa teori itu memiliki celah massa — bahwa partikel paling ringan yang diprediksi teori tersebut memiliki massa yang secara ketat lebih besar dari nol, yang menjadi alasan gaya kuat berjangkauan pendek.

Klaim OpenAI pada Oktober adalah bagian eksistensi. Itu bukan celah massa. Masalah Clay membutuhkan keduanya, jadi tidak ada hadiah yang dapat diklaim berdasarkan apa yang telah diumumkan, dan pernyataan OpenAI sendiri menggambarkan hasil tersebut sebagai bukti eksistensi, bukan solusi atas masalah Millennium.

Perselisihan seputar hasil fluida

Klaim Navier–Stokes adalah yang lebih diperdebatkan di antara keduanya, dan bukan karena ada orang yang menemukan kesalahan.

Kritikus — termasuk Scientific American — berpendapat bahwa OpenAI membuktikan blow-up untuk versi persamaan yang bukan versi yang ditanyakan oleh masalah Clay, dan bahwa perbedaannya adalah celah, bukan detail. Tiga matematikawan kemudian menerbitkan bukti bahwa metode OpenAI tidak dapat diperluas ke masalah lengkap, yang menutup celah itu dari arah sebaliknya: teknik tersebut berhasil, dan teknik itu tidak dapat menjangkau pertanyaan sebagaimana dirumuskan.

Ada pula sengketa prioritas di latar belakang. Matematikawan Levent Alpöge dan Tristan Buckmaster telah bekerja secara terbuka pada hasil terkait Euler dan Navier–Stokes; OpenAI mengatakan upayanya didorong oleh rumor tentang pekerjaan itu, dan bahwa kedua pembuktian tersebut berbeda secara substansial. The New York Times melaporkan perselisihan itu pada September.

Tidak satu pun dari itu membuat hasilnya tak berharga. Bukti blowup yang dihasilkan mesin dan diperiksa mesin untuk varian yang terdefinisi dengan baik adalah objek matematis yang nyata. Hal itu jelas bukan hal yang sama dengan Masalah Milenium yang telah terpecahkan, dan celah antara kedua kalimat itu adalah tempat sebagian besar argumen berada.

Jawaban Anthropic, dan mengapa itu penting

Pada 16 Oktober, Anthropic menerbitkan bantahan atas Hipotesis Waktu Eksponensial — dugaan bahwa masalah-masalah komputasional tertentu benar-benar memerlukan waktu eksponensial — yang ditemukan oleh model Claude internal. Makalah tersebut mencantumkan model itu sebagai kontributor dan menyertakan bukti Lean 4 yang diperiksa oleh kernel kedua yang independen.

Detail terakhir itulah yang penting. Kernel kedua berarti pembuktian tidak sekadar dihasilkan oleh mesin dan dipercaya oleh pembuatnya; pembuktian itu diperiksa oleh perangkat lunak berbeda yang menerapkan aturan logika yang sama. Pemeriksaan independen adalah yang mengubah suatu klaim menjadi hasil, dan itulah bagian dari kisah ini yang akan bertahan lebih lama daripada pengumuman-pengumuman.

Hambatan utama bukan lagi pembangkitan

Selama sebagian besar sejarah komputasi, bagian tersulit dari suatu hasil matematis adalah menemukannya. Itu tidak lagi jelas benar.

Peter Woit, matematikawan Columbia yang blognya merupakan skeptis yang andal, menggambarkan situasi Yang–Mills secara blak-blakan: sebuah hasil yang disimpan secara tertutup sementara para ahli dikumpulkan untuk memeriksanya belum merupakan matematika dalam pengertian yang dimaksud bidang itu. Itu standar yang wajar, dan hal itu juga berlaku untuk hasil-hasil yang baik.

Mengapa fondasi layak dipermasalahkan

Matematika dan fisika bukanlah dua subjek di antara banyak subjek. Keduanya adalah lapisan tempat subjek-subjek lain dibangun.

AI semakin pintar sehingga memecahkan masalah-masalah matematika paling sulit, satu per satu. Saya tidak akan terkejut jika dalam satu atau dua tahun semua masalah matematika bernilai jutaan dolar yang tersisa dipecahkan oleh AI. Saya teringat dulu ketika AI pada dasarnya memecahkan catur dengan mengalahkan manusia terbaik. Sekarang AI mengalahkan para matematikawan terbaik, dan bahkan tidak dekat. Tapi menurut saya kali ini berbeda, karena AI sekarang adalah kecerdasan yang bersifat umum, artinya mencakup hampir semua bidang dan disiplin.

Jadi potensi dan kemungkinannya hampir tak terbatas.

Ketika Anda berpikir tentang matematika dan fisika, itu adalah blok bangunan, fondasi bagi banyak cara kita memahami dunia. Jadi saat AI membantu memecahkan masalah matematika dan fisika tersulit, itu akan mengarah pada penemuan tak terhitung di bidang-bidang yang dibangun di atas matematika atau fisika. Ini salah satu alasan mengapa Anthropic begitu optimistis terhadap biologi dan kedokteran, dan mengapa mereka membangun upaya laboratorium mereka sendiri.

Ketika landasan matematis suatu teori materi menjadi dapat ditangani, konsekuensinya baru muncul belakangan dan di tempat lain: dalam material yang dirancang, bukan ditemukan; dalam target obat yang ditemukan melalui simulasi sebelum laboratorium dijadwalkan; dalam kimia yang tidak lagi menjadi soal coba-coba. Taruhan publik Anthropic pada biologi dan kedokteran bukanlah peralihan dari model-modelnya; itu adalah taruhan bahwa penalaran yang lebih baik tentang sistem fisik akan berubah menjadi sistem biologis.

Pandangan penulis

Ini adalah opini, bukan reportase. Inilah argumen yang disampaikan dalam video yang menyertai artikel ini.

Saya pikir kita juga akan melihat penemuan-penemuan baru yang tak terhitung jumlahnya di ilmu material — kita akan menemukan cara-cara baru untuk membuat benda, membangun sesuatu.

Pada dasarnya, AI membantu kita memahami cara kerja dunia dan tubuh kita, dan pemahaman itulah yang akan menghasilkan penemuan-penemuan menakjubkan dengan laju yang belum pernah terlihat sepanjang sejarah. Inilah sebabnya topik ini sangat menarik. Kita berada di titik balik besar. Segalanya semakin cepat. Saya tidak mengatakan tidak akan ada tantangan — memang ada. Tetapi laju penemuan baru semakin cepat, dan ini baru permulaan.

Versi yang lebih tenang dari argumen itu lebih sempit dan lebih sulit diabaikan. Mesin telah beralih dari membantu matematikawan menjadi menghasilkan hasil yang dapat diperiksa oleh asisten pembuktian, pada masalah yang terbuka selama puluhan tahun. Verifikasinya lambat, sebagian klaim tidak akan bertahan, dan hadiah yang belum diberikan kepada siapa pun bukanlah hadiah yang telah dimenangkan. Namun arahnya tidak lagi diragukan.

Sumber: OpenAI, "Tentang Masalah Hadiah Milenium Navier–Stokes" (8 September 2026) dan "Bekerja sama dengan komunitas akademik untuk membangun pemahaman ilmiah" (26 Oktober 2026); Anthropic, penyangkalan hipotesis waktu eksponensial (16 Oktober 2026); Scientific American, "Apakah OpenAI memecahkan masalah Navier–Stokes yang salah?" (21 September 2026); Quanta Magazine (8 September 2026); The New York Times (10 September 2026); Clay Mathematics Institute, pernyataan masalah Hadiah Milenium.

Kontak: [email protected]

Harap dicatat bahwa versi bahasa Indonesia didukung oleh AI dan karena itu mungkin terjadi kesalahan kecil.

Penulis

Ai-Banking-NetworkSecurity (ABN), ABN ASIA didirikan oleh orang-orang dengan akar yang kuat di dunia akademis, dengan pengalaman kerja di Amerika Serikat, Belanda, Hungaria, Jepang, Korea Selatan, Singapura, dan Vietnam. ABN Asia adalah tempat di mana akademik dan teknologi bertemu dengan peluang. Dengan solusi terdepan kami dan layanan pengembangan perangkat lunak yang kompeten, kami membantu bisnis untuk meningkatkan level dan bersaing di panggung global. Komitmen kami: Lebih Cepat. Lebih Baik. Lebih handal. Dalam kebanyakan kasus: Lebih murah juga.

Jangan ragu untuk menghubungi kami jika Anda membutuhkan layanan IT, konsultasi digital, solusi perangkat lunak siap pakai, atau jika Anda ingin mengirimkan permintaan proposal (RFP). Anda dapat menghubungi kami di [email protected]. Kami siap membantu Anda dengan semua kebutuhan teknologi Anda.

© ABN ASIA