DeepSeek-Prover-V2: Membantu Menutup Celah Antara Penalaran Matematika Formal dan Non-Formal

Sementara DeepSeek-R1 telah secara signifikan meningkatkan kemampuan AI dalam penalaran non-formal, penalaran matematika formal masih menjadi tugas yang menantang bagi AI. Ini terutama karena menghasilkan bukti matematika yang dapat diverifikasi memerlukan pemahaman konseptual yang mendalam dan kemampuan untuk membangun argumen logis yang tepat dan langkah demi langkah. Namun, baru-baru ini, kemajuan yang signifikan telah dibuat dalam arah ini karena peneliti di DeepSeek-AI telah memperkenalkan DeepSeek-Prover-V2, sebuah model AI open-source yang mampu mengubah intuisi matematika menjadi bukti yang ketat dan dapat diverifikasi. Artikel ini akan membahas detail tentang DeepSeek-Prover-V2 dan mempertimbangkan dampak potensialnya pada penemuan ilmiah di masa depan.

Tantangan Penalaran Matematika Formal

Matematikawan sering menyelesaikan masalah menggunakan intuisi, heuristik, dan penalaran tingkat tinggi. Pendekatan ini memungkinkan mereka untuk melewati langkah-langkah yang tampaknya jelas atau mengandalkan perkiraan yang cukup untuk kebutuhan mereka. Namun, pembuktian teorema formal menuntut pendekatan yang berbeda. Ini memerlukan presisi lengkap, dengan setiap langkah dinyatakan secara eksplisit dan dibenarkan secara logis tanpa ambiguitas.

Baru-baru ini, kemajuan dalam model bahasa besar (LLM) telah menunjukkan bahwa mereka dapat menangani masalah matematika kompleks tingkat kompetisi menggunakan penalaran bahasa alami. Meskipun kemajuan ini, LLM masih bergelut untuk mengubah penalaran intuitif menjadi bukti formal yang dapat diverifikasi mesin. Ini terutama karena penalaran non-formal sering kali mencakup jalan pintas dan langkah-langkah yang dihilangkan yang tidak dapat diverifikasi oleh sistem formal.

DeepSeek-Prover-V2 menangani masalah ini dengan menggabungkan kekuatan penalaran non-formal dan formal. Ini memecah masalah kompleks menjadi bagian-bagian yang lebih kecil dan dapat dikelola sambil mempertahankan presisi yang diperlukan oleh verifikasi formal. Pendekatan ini membuatnya lebih mudah untuk menjembatani celah antara intuisi manusia dan bukti yang diverifikasi mesin.

Pendekatan Baru untuk Pembuktian Teorema

Pada dasarnya, DeepSeek-Prover-V2 menggunakan pipa pengolahan data unik yang melibatkan penalaran non-formal dan formal. Pipa ini dimulai dengan DeepSeek-V3, sebuah LLM umum, yang menganalisis masalah matematika dalam bahasa alami, memecahnya menjadi langkah-langkah yang lebih kecil, dan menerjemahkan langkah-langkah tersebut ke dalam bahasa formal yang dapat dipahami mesin.

Daripada mencoba menyelesaikan seluruh masalah sekaligus, sistem ini memecahnya menjadi serangkaian “subgoal” – lemma antara yang berfungsi sebagai batu loncatan menuju bukti akhir. Pendekatan ini meniru bagaimana matematikawan manusia menangani masalah yang sulit, dengan bekerja melalui bagian-bagian yang dapat dikelola daripada mencoba menyelesaikan semuanya sekaligus.

Apa yang membuat pendekatan ini sangat inovatif adalah bagaimana ia mensintesis data pelatihan. Ketika semua subgoal dari masalah kompleks berhasil diselesaikan, sistem ini menggabungkan solusi-solusi tersebut menjadi bukti formal lengkap. Bukti ini kemudian dipasangkan dengan penalaran rantai-pemikiran asli DeepSeek-V3 untuk membuat data pelatihan “cold-start” berkualitas tinggi untuk pelatihan model.

Pembelajaran Penguatan untuk Penalaran Matematika

Setelah pelatihan awal pada data sintetis, DeepSeek-Prover-V2 menggunakan pembelajaran penguatan untuk lebih meningkatkan kemampuannya. Model ini mendapatkan umpan balik tentang apakah solusinya benar atau tidak, dan itu menggunakan umpan balik ini untuk belajar pendekatan mana yang paling efektif.

Salah satu tantangan di sini adalah struktur bukti yang dihasilkan tidak selalu sesuai dengan dekomposisi lemma yang disarankan oleh rantai-pemikiran. Untuk memperbaiki ini, peneliti memasukkan hadiah konsistensi dalam tahap pelatihan untuk mengurangi kesalahan struktural dan memastikan inklusi semua lemma yang didekomposisi dalam bukti akhir. Pendekatan penyelarasan ini terbukti sangat efektif untuk teorema kompleks yang memerlukan penalaran multi-langkah.

Kinerja dan Kemampuan Dunia Nyata

Kinerja DeepSeek-Prover-V2 pada benchmark yang mapan menunjukkan kemampuan luar biasa. Model ini mencapai hasil yang mengesankan pada benchmark MiniF2F-test dan berhasil menyelesaikan 49 dari 658 masalah dari PutnamBench – sebuah koleksi masalah dari kompetisi matematika William Lowell Putnam yang bergengsi.

Mungkin lebih mengesankan, ketika dievaluasi pada 15 masalah yang dipilih dari kompetisi American Invitational Mathematics Examination (AIME) terbaru, model ini berhasil menyelesaikan 6 masalah. Ini juga menarik untuk dicatat bahwa, dibandingkan dengan DeepSeek-Prover-V2, DeepSeek-V3 menyelesaikan 8 dari masalah-masalah ini menggunakan voting mayoritas. Ini menunjukkan bahwa celah antara penalaran matematika formal dan non-formal di LLM semakin sempit. Namun, kinerja model pada masalah kombinatorial masih memerlukan perbaikan, menyoroti area di mana penelitian masa depan bisa fokus.

ProverBench: Benchmark Baru untuk AI dalam Matematika

Peneliti DeepSeek juga memperkenalkan dataset benchmark baru untuk mengevaluasi kemampuan pemecahan masalah matematika LLM. Benchmark ini, dinamai ProverBench, terdiri dari 325 masalah matematika formal, termasuk 15 masalah dari kompetisi AIME terbaru, serta masalah dari buku teks dan tutorial pendidikan. Masalah-masalah ini mencakup bidang seperti teori bilangan, aljabar, kalkulus, analisis riil, dan lain-lain. Pengenalan masalah AIME sangat penting karena menilai model pada masalah yang tidak hanya memerlukan pengingatan pengetahuan tetapi juga pemecahan masalah kreatif.

Akses Open-Source dan Implikasi Masa Depan

DeepSeek-Prover-V2 menawarkan kesempatan menarik dengan ketersediaan open-source. Dihosting di platform seperti Hugging Face, model ini dapat diakses oleh berbagai pengguna, termasuk peneliti, pendidik, dan pengembang. Dengan versi 7-miliar parameter yang lebih ringan dan versi 671-miliar parameter yang lebih kuat, peneliti DeepSeek memastikan bahwa pengguna dengan sumber daya komputasi yang bervariasi masih dapat memanfaatkannya. Akses open-source ini mendorong eksperimen dan memungkinkan pengembang untuk membuat alat AI canggih untuk pemecahan masalah matematika. Sebagai hasilnya, model ini memiliki potensi untuk mendorong inovasi dalam penelitian matematika, memungkinkan peneliti untuk menangani masalah kompleks dan mengungkap wawasan baru di bidang ini.

Implikasi untuk AI dan Penelitian Matematika

Pengembangan DeepSeek-Prover-V2 memiliki implikasi signifikan tidak hanya untuk penelitian matematika tetapi juga untuk AI. Kemampuan model untuk menghasilkan bukti formal dapat membantu matematikawan dalam menyelesaikan teorema yang sulit, mengotomatisasi proses verifikasi, dan bahkan menyarankan konjektur baru. Selain itu, teknik yang digunakan untuk membuat DeepSeek-Prover-V2 dapat mempengaruhi pengembangan model AI masa depan di bidang lain yang bergantung pada penalaran logis yang ketat, seperti teknik perangkat lunak dan perangkat keras.

Peneliti berencana untuk menskalakan model untuk menangani masalah yang lebih menantang, seperti masalah di level Olimpiade Matematika Internasional (IMO). Ini dapat lebih lanjut meningkatkan kemampuan AI untuk membuktikan teorema matematika. Ketika model seperti DeepSeek-Prover-V2 terus berkembang, mereka mungkin akan mendefinisikan kembali masa depan matematika dan AI, mendorong kemajuan di bidang penelitian teoretis hingga aplikasi praktis dalam teknologi.

Intinya

DeepSeek-Prover-V2 merupakan pengembangan signifikan dalam penalaran matematika yang digerakkan AI. Ini menggabungkan intuisi non-formal dengan logika formal untuk memecah masalah kompleks dan menghasilkan bukti yang dapat diverifikasi. Kinerjanya yang mengesankan pada benchmark menunjukkan potensinya untuk mendukung matematikawan, mengotomatisasi verifikasi bukti, dan bahkan mendorong penemuan baru di bidang ini. Sebagai model open-source, ini dapat diakses secara luas, menawarkan kemungkinan menarik untuk inovasi dan aplikasi baru di bidang AI dan matematika.