Dengan pemecatan baru-baru ini dan perekrutan kembali dengan cepat oleh Sam Altman oleh OpenAI, perdebatan seputar pengembangan dan penggunaan kecerdasan buatan (AI) sekali lagi menjadi sorotan. Hal yang lebih tidak biasa lagi adalah bahwa tema yang menonjol dalam pemberitaan media adalah kemampuan Sistem AI untuk mengerjakan matematika.
Rupanya, beberapa drama di OpenAI terkait dengan pengembangan perusahaan baru Algoritma AI disebut Q*. Sistem ini disebut-sebut sebagai kemajuan yang signifikan dan salah satu fitur yang menonjol adalah kemampuan untuk berpikir secara matematis.
Tapi bukankah matematika adalah dasar dari AI? Bagaimana sistem AI bisa mengalami masalah dengan penalaran matematis, mengingat komputer dan kalkulator dapat melakukan tugas matematika?
AI bukanlah satu kesatuan. Ini adalah strategi tambal sulam untuk melakukan komputasi tanpa instruksi langsung dari manusia. Seperti yang akan kita lihat, beberapa sistem AI kompeten dalam matematika.
Namun, salah satu teknologi terpenting saat ini, model bahasa besar (LLM) di balik chatbot AI seperti ChatGPT, sejauh ini masih kesulitan untuk meniru penalaran matematis. Ini karena mereka dirancang untuk berkonsentrasi pada bahasa.
Jika algoritme Q* baru perusahaan dapat memecahkan masalah matematika yang belum pernah ada sebelumnya, maka hal itu mungkin saja bisa dilakukan menjadi terobosan yang signifikan. Matematika adalah bentuk penalaran manusia kuno yang model bahasa besar (LLM) sejauh ini sulit untuk ditiru. LLM adalah teknologi yang mendasari sistem seperti ChatGPT OpenAI.
Pada saat penulisan, rincian algoritma Q* dan kemampuannya masih terbatas, namun sangat menarik. Jadi, ada berbagai seluk-beluk yang perlu dipertimbangkan sebelum menganggap Q* sukses.
Misalnya, matematika adalah mata pelajaran yang setiap orang terlibat dalam tingkatan yang berbeda-beda, dan tingkat kompetensi matematika Q* masih belum jelas. Namun, telah diterbitkan karya akademis yang menggunakan bentuk alternatif AI untuk memajukan matematika tingkat penelitian (termasuk beberapa yang saya tulis sendiri, dan satu lagi ditulis oleh tim matematikawan yang bekerja sama dengan peneliti di Google DeepMind).
Sistem AI ini dapat digambarkan sebagai sistem yang kompeten dalam matematika. Namun, kemungkinan besar Q* tidak digunakan untuk membantu akademisi dalam pekerjaannya melainkan dimaksudkan untuk tujuan lain.
Namun demikian, meskipun Q* tidak mampu mendorong batas-batas penelitian mutakhir, kemungkinan besar terdapat beberapa hal penting yang dapat ditemukan dalam cara penelitian ini dibangun yang dapat meningkatkan peluang yang menggiurkan untuk pengembangan di masa depan.
Semakin nyaman
Sebagai masyarakat, kita semakin merasa nyaman dengan penggunaan AI spesialis untuk memecahkan jenis masalah yang telah ditentukan sebelumnya. Misalnya, asisten digital, pengenalan wajah, dan sistem rekomendasi online akan akrab bagi kebanyakan orang. Apa yang masih sulit dipahami adalah apa yang disebut “kecerdasan umum buatan” (AGI) yang mempunyai kemampuan penalaran yang luas sebanding dengan manusia.
Matematika adalah keterampilan dasar yang ingin kami ajarkan kepada setiap anak sekolah, dan tentunya akan memenuhi syarat sebagai tonggak penting dalam pencarian AGI. Jadi, bagaimana lagi sistem AI yang kompeten secara matematis dapat membantu masyarakat?
Pola pikir matematis relevan dengan banyak aplikasi, misalnya pengkodean dan teknik, sehingga penalaran matematis adalah keterampilan penting yang dapat ditransfer baik untuk kecerdasan manusia maupun kecerdasan buatan. Ironisnya, AI pada dasarnya didasarkan pada matematika.
Misalnya, banyak teknik yang diterapkan oleh algoritma AI pada akhirnya bermuara pada bidang matematika yang dikenal sebagai aljabar matriks. Matriks hanyalah sebuah kisi-kisi angka, dimana gambar digital adalah contohnya. Setiap piksel adalah tidak lebih dari data numerik.
Model bahasa besar pada dasarnya juga bersifat matematis. Berdasarkan sampel teks yang sangat banyak, mesin dapat mempelajari probabilitas kata-kata yang ada kemungkinan besar mengikuti perintah (atau pertanyaan) dari pengguna ke bot obrolan. Jika Anda ingin LLM terlatih untuk berspesialisasi dalam topik tertentu, maka LLM tersebut dapat disesuaikan dengan literatur matematika, atau domain pembelajaran lainnya. LLM dapat menghasilkan teks yang berbunyi seolah-olah memahami matematika.
Sayangnya, hal itu menghasilkan LLM yang bagus dalam menggertak, tapi buruk dalam detail. Masalahnya adalah bahwa pernyataan matematika, menurut definisi, adalah pernyataan yang dapat diberikan nilai Boolean yang tidak ambigu (yaitu, benar atau salah). Penalaran matematis sama dengan deduksi logis atas pernyataan-pernyataan matematis baru dari pernyataan-pernyataan yang telah ditetapkan sebelumnya.
Pendukung setan
Tentu saja, pendekatan apa pun terhadap penalaran matematis yang mengandalkan probabilitas linguistik akan keluar jalur. Salah satu cara mengatasi hal ini adalah dengan memasukkan beberapa sistem verifikasi formal ke dalam arsitektur (persisnya bagaimana LLM dibangun), yang terus-menerus memeriksa logika di balik lompatan yang dibuat oleh model bahasa besar.
Petunjuk bahwa hal ini telah dilakukan mungkin ada pada nama Q*, yang mungkin merujuk pada hal tersebut sebuah algoritma yang dikembangkan sejak tahun 1970an untuk membantu penalaran deduktif. Alternatifnya, Q* bisa mengacu pada Q-learning, yang mana model dapat ditingkatkan seiring waktu dengan menguji dan memberi penghargaan pada kesimpulan yang benar.
Namun terdapat beberapa tantangan dalam membangun AI yang mampu secara matematis. Misalnya, beberapa matematika paling menarik terdiri dari peristiwa-peristiwa yang sangat tidak mungkin terjadi. Ada banyak situasi di mana seseorang mungkin berpikir bahwa suatu pola ada berdasarkan angka-angka kecil, namun tiba-tiba pola tersebut rusak ketika seseorang memeriksa cukup banyak kasus. Kemampuan ini sulit untuk dimasukkan ke dalam mesin.
Tantangan lain mungkin mengejutkan: penelitian matematika bisa sangat kreatif. Hal ini harus dilakukan, karena para praktisi perlu menciptakan konsep-konsep baru namun tetap berpegang pada konsep tersebut aturan formal suatu subjek kuno.
Metodologi AI apa pun yang dilatih hanya untuk menemukan pola dalam matematika yang sudah ada mungkin tidak akan pernah bisa menciptakan matematika yang benar-benar baru. Mengingat adanya hubungan antara matematika dan teknologi, hal ini tampaknya menghalangi konsepsi revolusi teknologi baru.
Tapi mari kita bermain-main sejenak, dan bayangkan apakah AI memang bisa menciptakan matematika baru. Argumen sebelumnya yang menentang hal ini mempunyai kelemahan, yaitu dapat dikatakan bahwa manusia matematikawan terbaik juga dilatih secara eksklusif pada matematika yang sudah ada sebelumnya. Model bahasa besar telah mengejutkan kita sebelumnya, dan akan terjadi lagi.
Tom Oliver, Dosen Ilmu dan Teknik Komputer, University of Westminster
Artikel ini diterbitkan kembali dari Percakapan di bawah lisensi Creative Commons. Membaca Artikel asli.
