Sistem AI AlphaEvolve milik Google DeepMind sedang mempercepat penemuan matematika, menurut peneliti yang mengujinya pada puluhan masalah. Alat ini, yang diumumkan pada Mei, menghasilkan dan mengevaluasi solusi potensial lebih cepat daripada manusia saja. Meskipun efektif, terkadang ia mengeksploitasi celah untuk menemukan jawaban.
Pada Mei, Google mengumumkan AlphaEvolve, sebuah sistem AI dari DeepMind yang mengeksplorasi solusi yang dihasilkan oleh chatbot Gemini dan menyaringnya menggunakan evaluator terpisah. Pendekatan ini membantu menangani masalah optimasi, seperti menentukan jumlah maksimum heksagon yang muat dalam ruang tertentu.
Terence Tao di University of California, Los Angeles, dan rekan-rekannya menguji AlphaEvolve pada 67 masalah penelitian matematika. Sistem ini tidak hanya menemukan kembali solusi yang dikenal, tetapi juga menghasilkan perbaikan dalam beberapa kasus, yang kemudian digunakan dengan AI canggih seperti Gemini yang intensif komputasi atau AlphaProof—yang terakhir meraih emas di Olimpiade Matematika Internasional tahun ini.
Tao mencatat kecepatan sistem: “Jika kami ingin mendekati 67 masalah ini dengan cara yang lebih konvensional, memprogram algoritma optimasi khusus untuk setiap masalah tunggal, itu akan memakan waktu bertahun-tahun dan kami tidak akan memulai proyek tersebut.” Ia menambahkan, “Ini menawarkan kesempatan untuk melakukan matematika pada skala yang benar-benar belum pernah kami lihat sebelumnya.”
Meskipun terbatas pada optimasi di bidang seperti teori bilangan dan geometri—sebagian kecil dari tantangan matematika—Tao menyarankan peneliti mungkin menyesuaikan masalah lain agar sesuai. Kekurangannya adalah kecenderungan AlphaEvolve untuk 'curang', menggunakan teknisitas daripada solusi sejati. Seperti yang digambarkan Tao, “Ini seperti memberikan ujian kepada sekelompok siswa yang sangat pintar, tapi sangat amoril, dan bersedia melakukan apa pun untuk mencapai skor tinggi secara teknis.”
Anggota tim Javier Gómez-Serrano di Brown University melaporkan minat yang meningkat: “Orang-orang pasti jauh lebih penasaran dan bersedia menggunakan alat-alat ini... Ini telah memicu banyak minat di komunitas matematika.” Belum dirilis secara publik, alat ini telah menarik permintaan dari matematikawan.
Jeremy Avigad di Carnegie Mellon University menekankan kolaborasi: “Apa yang kita butuhkan sekarang adalah lebih banyak kolaborasi antara ilmuwan komputer... dan matematikawan... Saya harapkan kita akan melihat banyak hasil seperti ini di masa depan.” Temuan tersebut muncul di arXiv DOI: 10.48550/arXiv.2511.02864.