AlphaGeometry2: AI yang Mengungguli Juara Olimpiade Manusia di Geometri

Kecerdasan buatan telah lama mencoba meniru penalaran logis manusia. Sementara itu, telah membuat kemajuan besar dalam pengenalan pola, penalaran abstrak dan deduksi simbolik tetap menjadi tantangan yang sulit bagi AI. Keterbatasan ini menjadi sangat jelas ketika AI digunakan untuk pemecahan masalah matematika, disiplin yang telah lama menjadi bukti kemampuan kognitif manusia seperti berpikir logis, kreativitas, dan pemahaman yang mendalam. Tidak seperti cabang matematika lain yang bergantung pada rumus dan manipulasi aljabar, geometri berbeda. Ini memerlukan tidak hanya penalaran terstruktur, langkah demi langkah, tetapi juga kemampuan untuk mengenali hubungan tersembunyi dan keterampilan untuk membuat elemen tambahan untuk memecahkan masalah.

Selama waktu yang lama, kemampuan ini dianggap unik bagi manusia. Namun, Google DeepMind telah bekerja pada pengembangan AI yang dapat menyelesaikan tugas penalaran kompleks ini. Tahun lalu, mereka memperkenalkan AlphaGeometry, sistem AI yang menggabungkan kekuatan prediktif jaringan neural dengan logika terstruktur penalaran simbolik untuk menyelesaikan masalah geometri kompleks. Sistem ini membuat dampak signifikan dengan menyelesaikan 54% masalah geometri Olimpiade Matematika Internasional (IMO) untuk mencapai kinerja setara dengan peraih medali perak. Baru-baru ini, mereka membawa ini lebih jauh dengan AlphaGeometry2, yang mencapai tingkat penyelesaian yang luar biasa sebesar 84% untuk mengungguli rata-rata peraih medali emas IMO.

Dalam artikel ini, kita akan menjelajahi inovasi kunci yang membantu AlphaGeometry2 mencapai tingkat kinerja ini dan apa yang dimaksud dengan perkembangan ini untuk masa depan AI dalam menyelesaikan masalah penalaran kompleks. Namun, sebelum memasuki apa yang membuat AlphaGeometry2 istimewa, penting untuk memahami apa itu AlphaGeometry dan bagaimana cara kerjanya.

AlphaGeometry: Pionir AI dalam Pemecahan Masalah Geometri

AlphaGeometry adalah sistem AI yang dirancang untuk menyelesaikan masalah geometri kompleks pada tingkat IMO. Ini pada dasarnya adalah sistem neuro-simbolik yang menggabungkan model bahasa neural dengan mesin deduksi simbolik. Model bahasa neural membantu sistem memprediksi konstruk geometri baru, sementara AI simbolik menerapkan logika formal untuk menghasilkan bukti. Pengaturan ini memungkinkan AlphaGeometry untuk berpikir lebih seperti manusia dengan menggabungkan kemampuan pengenalan pola jaringan neural, yang meniru pemikiran intuitif manusia, dengan penalaran terstruktur logika formal, yang meniru kemampuan penalaran deduktif manusia. Salah satu inovasi kunci dalam AlphaGeometry adalah bagaimana ia menghasilkan data pelatihan. Alih-alih mengandalkan demonstrasi manusia, ia menciptakan satu miliar diagram geometri acak dan secara sistematis menghasilkan hubungan antara titik dan garis. Proses ini menciptakan dataset besar sebesar 100 juta contoh unik, membantu model neural memprediksi konstruk geometri fungsional dan membimbing mesin simbolik menuju solusi yang akurat. Pendekatan hibrida ini memungkinkan AlphaGeometry untuk menyelesaikan 25 dari 30 masalah geometri Olimpiade dalam waktu kompetisi standar, yang sangat dekat dengan kinerja pesaing manusia teratas.

Bagaimana AlphaGeometry2 Mencapai Kinerja yang Ditingkatkan

Sementara AlphaGeometry adalah terobosan dalam penalaran matematika yang digerakkan AI, itu memiliki beberapa keterbatasan. Ini berjuang untuk menyelesaikan masalah kompleks, kekurangan efisiensi dalam menangani berbagai tantangan geometri, dan memiliki keterbatasan dalam cakupan masalah. Untuk mengatasi hambatan ini, AlphaGeometry2 memperkenalkan serangkaian perbaikan signifikan:

1. Meningkatkan Kemampuan AI untuk Memahami Masalah Geometri yang Lebih Kompleks

Salah satu perbaikan paling signifikan dalam AlphaGeometry2 adalah kemampuannya untuk bekerja dengan berbagai masalah geometri yang lebih luas. AlphaGeometry sebelumnya berjuang dengan masalah yang melibatkan persamaan garis, rasio, dan jarak, serta yang memerlukan penalaran tentang titik, garis, dan lingkaran yang bergerak. AlphaGeometry2 mengatasi keterbatasan ini dengan memperkenalkan model bahasa yang lebih maju yang memungkinkannya untuk mendeskripsikan dan menganalisis masalah kompleks ini. Sebagai hasilnya, ia sekarang dapat menangani 88% dari semua masalah geometri IMO dari dua dekade terakhir, peningkatan signifikan dari 66% sebelumnya.

2. Mesin Pemecahan Masalah yang Lebih Cepat dan Efisien

Alasan lain AlphaGeometry2 berkinerja sangat baik adalah mesin simboliknya yang ditingkatkan. Mesin ini, yang berfungsi sebagai inti logis sistem ini, telah diperbaiki dalam beberapa cara. Pertama, itu diperbaiki untuk bekerja dengan himpunan aturan pemecahan masalah yang lebih halus yang membuatnya lebih efektif dan lebih cepat. Kedua, itu sekarang dapat mengenali ketika konstruk geometri yang berbeda mewakili titik yang sama dalam suatu masalah, memungkinkannya untuk berpikir lebih fleksibel. Terakhir, mesin ini telah ditulis ulang dalam C++ bukan Python, membuatnya lebih dari 300 kali lebih cepat dari sebelumnya. Peningkatan kecepatan ini memungkinkan AlphaGeometry2 untuk menghasilkan solusi lebih cepat dan lebih efisien.

3. Melatih AI dengan Masalah Geometri yang Lebih Kompleks dan Bervariasi

Efektivitas model neural AlphaGeometry2 berasal dari pelatihan luas dalam masalah geometri sintetis. AlphaGeometry awalnya menghasilkan satu miliar diagram geometri acak untuk menciptakan 100 juta contoh pelatihan unik. AlphaGeometry2 membawa ini lebih jauh dengan menghasilkan diagram yang lebih luas dan lebih kompleks yang mencakup hubungan geometri yang rumit. Selain itu, sekarang ia juga mencakup masalah yang memerlukan pengenalan konstruksi bantuan—titik atau garis baru yang didefinisikan untuk membantu menyelesaikan suatu masalah, memungkinkannya untuk memprediksi dan menghasilkan solusi yang lebih canggih.

4. Menemukan Jalur Terbaik ke Solusi dengan Strategi Pencarian yang Lebih Pintar

Inovasi kunci dari AlphaGeometry2 adalah pendekatan pencarian baru, yang disebut Ensemble Pencarian Pohon Berbagi (SKEST). Tidak seperti pendahulunya, yang mengandalkan metode pencarian dasar, AlphaGeometry2 menjalankan beberapa pencarian secara paralel, dengan setiap pencarian belajar dari yang lain. Teknik ini memungkinkannya untuk menjelajahi berbagai kemungkinan solusi dan secara signifikan meningkatkan kemampuan AI untuk menyelesaikan masalah kompleks dalam waktu yang lebih singkat.

5. Belajar dari Model Bahasa yang Lebih Maju

Faktor kunci lain di balik kesuksesan AlphaGeometry2 adalah adopsi model Gemini Google, model AI mutakhir yang telah dilatih pada himpunan masalah matematika yang lebih luas dan lebih beragam. Model bahasa baru ini meningkatkan kemampuan AlphaGeometry2 untuk menghasilkan solusi langkah demi langkah karena penalaran rantai pikiran yang ditingkatkan. Sekarang, AlphaGeometry2 dapat mendekati masalah dengan cara yang lebih terstruktur. Dengan memperbaiki prediksi dan belajar dari berbagai jenis masalah, sistem ini sekarang dapat menyelesaikan persentase yang jauh lebih besar dari pertanyaan geometri tingkat Olimpiade.

Mencapai Hasil yang Mengungguli Juara Olimpiade Manusia

Berkat kemajuan di atas, AlphaGeometry2 menyelesaikan 42 dari 50 masalah geometri IMO dari 2000-2024, mencapai tingkat keberhasilan sebesar 84%. Hasil ini mengungguli kinerja rata-rata peraih medali emas IMO dan menetapkan standar baru untuk penalaran matematika yang digerakkan AI. Di luar kinerjanya yang mengesankan, AlphaGeometry2 juga membuat kemajuan dalam pembuktian teorema otomatis, membawa kita lebih dekat ke sistem AI yang tidak hanya dapat menyelesaikan masalah geometri tetapi juga menjelaskan penalaran mereka dengan cara yang dapat dipahami manusia.

Masa Depan AI dalam Penalaran Matematika

Kemajuan dari AlphaGeometry ke AlphaGeometry2 menunjukkan bagaimana AI menjadi lebih baik dalam menangani masalah matematika kompleks yang memerlukan pemikiran mendalam, logika, dan strategi. Ini juga menandakan bahwa AI tidak lagi hanya tentang mengenali pola—itu dapat berpikir, membuat koneksi, dan menyelesaikan masalah dengan cara yang terasa lebih seperti penalaran logis manusia.

AlphaGeometry2 juga menunjukkan kepada kita apa yang mungkin dilakukan AI di masa depan. Alih-alih hanya mengikuti instruksi, AI bisa mulai menjelajahi ide matematika baru secara mandiri dan bahkan membantu dengan penelitian ilmiah. Dengan menggabungkan jaringan neural dengan penalaran logis, AI mungkin tidak hanya menjadi alat yang dapat mengotomatisasi tugas sederhana tetapi mitra yang memenuhi syarat yang membantu memperluas pengetahuan manusia di bidang yang bergantung pada pemikiran kritis.

Apakah kita memasuki era di mana AI membuktikan teorema dan membuat penemuan baru di fisika, teknik, dan biologi? Ketika AI beralih dari perhitungan brute-force ke pemecahan masalah yang lebih berpikir, kita mungkin berada di ambang masa depan di mana manusia dan AI bekerja sama untuk mengungkap ide yang tidak pernah kita bayangkan.