Dari Perak ke Emas: Bagaimana AI DeepMind Menaklukkan Olimpiade Matematika

AI DeepMind telah membuat kemajuan luar biasa dalam penalaran matematika dalam waktu satu tahun. Setelah memenangkan medali perak di Olimpiade Matematika Internasional (IMO) pada 2024, sistem AI mereka memenangkan medali emas pada 2025. Kemajuan pesat ini menyoroti kemampuan yang berkembang dari kecerdasan buatan dalam menangani masalah abstrak yang kompleks yang memerlukan kreativitas dan wawasan seperti manusia. Artikel ini akan membahas bagaimana DeepMind mencapai transformasi ini, pilihan teknis dan strategis di baliknya, dan implikasi yang lebih luas dari kemajuan ini.

Signifikansi IMO

Olimpiade Matematika Internasional, yang didirikan pada 1959, diakui secara global sebagai kompetisi matematika utama untuk siswa sekolah menengah. Setiap tahun, siswa terbaik dari seluruh dunia menghadapi enam masalah yang menantang di bidang aljabar, geometri, teori bilangan, dan kombinatorik. Menyelesaikan masalah ini memerlukan lebih dari sekedar komputasi; peserta harus menunjukkan kreativitas matematika yang sebenarnya, pemikiran logis yang ketat, dan kemampuan untuk membangun bukti yang elegan.

Bagi kecerdasan buatan, IMO menyajikan tantangan unik. Sementara AI telah menguasai pengenalan pola, analisis data, dan bahkan permainan yang kompleks seperti Go dan catur, matematika Olimpiade memerlukan penalaran abstrak yang kreatif dan sintesis ide baru, keterampilan yang tradisional dianggap sebagai ciri khas kecerdasan manusia. Sebagai hasilnya, IMO telah menjadi tempat uji coba alami untuk mengevaluasi seberapa dekat AI dengan mencapai penalaran yang benar-benar seperti manusia.

Pecahan Medali Perak 2024

Pada 2024, DeepMind memperkenalkan dua sistem AI untuk menangani masalah tingkat IMO: AlphaProof dan AlphaGeometry 2. Kedua sistem ini adalah contoh “neuro-simbolik” AI, menggabungkan kekuatan model bahasa besar (LLM) dengan ketatnya logika simbolik.

AlphaProof dirancang untuk membuktikan pernyataan matematika menggunakan Lean, bahasa matematika formal. Ini menggabungkan Gemini, model bahasa besar DeepMind, dengan AlphaZero, yang merupakan mesin pembelajaran penguatan yang dikenal karena kesuksesannya dalam permainan papan. Dalam pengaturan ini, peran Gemini adalah menerjemahkan masalah bahasa alami ke Lean dan mencoba membuktikan dengan menghasilkan langkah logis. AlphaProof dilatih pada jutaan contoh masalah yang meliputi disiplin matematika yang berbeda dan tingkat kesulitan. Sistem ini memperbaiki diri dengan mencoba membuktikan pernyataan yang semakin kompleks, serupa dengan bagaimana AlphaZero belajar dengan bermain game melawan dirinya sendiri.

AlphaGeometry 2 dirancang untuk menyelesaikan masalah geometri. Di sini, pemahaman bahasa Gemini memungkinkan AI untuk memprediksi konstruksi bantu yang berguna, sedangkan mesin penalaran simbolik mengelola deduksi logis. Pendekatan hibrida ini memungkinkan AlphaGeometry untuk menangani masalah geometri jauh melampaui cakupan penalaran mesin tradisional.

Bersama, sistem ini menyelesaikan empat dari enam masalah IMO: dua dalam aljabar, satu dalam teori bilangan, dan satu dalam geometri, mencapai skor 28 dari 42. Kinerja ini merupakan tonggak penting, karena ini adalah pertama kalinya AI mencapai tingkat medali perak di IMO. Namun, kesuksesan ini sangat bergantung pada ahli manusia untuk menerjemahkan masalah ke bahasa matematika formal. Mereka juga memerlukan sumber daya komputasi yang masif, yang membutuhkan waktu pemrosesan beberapa hari untuk setiap masalah.

Inovasi Teknis di Balik Medali Emas

Transisi DeepMind dari perak ke emas didorong oleh beberapa perbaikan teknis yang signifikan.

1. Bahasa Alami sebagai Media untuk Bukti

Perubahan paling signifikan adalah beralih dari sistem yang memerlukan terjemahan ahli ke bahasa formal ke mengobati bahasa alami sebagai media untuk bukti. Perubahan ini dicapai melalui versi ditingkatkan dari Gemini dilengkapi dengan kemampuan Deep Think. Alih-alih mengubah masalah ke Lean, model ini memproses teks secara langsung, menghasilkan sketsa informal, memformalkan langkah-langkah kritis secara internal, dan menghasilkan bukti bahasa Inggris yang rapi. Pembelajaran penguatan dari umpan balik manusia (RLHF) digunakan untuk menghargai solusi yang konsisten secara logis, singkat, dan disajikan.

Gemini Deep Think berbeda dari versi publik Gemini dalam dua cara utama. Pertama, itu mengalokasikan jendela konteks yang lebih lama dan lebih banyak token komputasi per kueri, yang memungkinkan model untuk mempertahankan rantai pemikiran multi-halaman. Kedua, itu menggunakan penalaran paralel, di mana ratusan benang spekulatif dihasilkan untuk solusi potensial yang berbeda. Seorang pengawas ringan kemudian memeringkat dan mempromosikan jalur yang paling menjanjikan, meminjam konsep dari Monte Carlo tree search tetapi diterapkan pada teks. Pendekatan ini meniru bagaimana tim manusia membrainstorm, membuang ide yang tidak produktif, dan berkumpul pada solusi yang elegan.

2. Pelatihan dan Pembelajaran Penguatan

Pelatihan Gemini Deep Think melibatkan penyetelan model untuk memprediksi langkah berikutnya daripada jawaban akhir. Untuk tujuan ini, korpus 100.000 solusi kontes matematika tingkat Olimpiade dan sarjana yang berkualitas tinggi dikompilasi. Korpus ini sebagian besar dikumpulkan dari forum matematika publik, pracetak arXiv, dan set soal masalah perguruan tinggi. Mentor manusia meninjau contoh pelatihan untuk menyaring bukti yang tidak logis atau tidak lengkap. Pembelajaran penguatan membantu memperbaiki model, mendorongnya untuk menghasilkan bukti yang ringkas dan presisi. Versi awal menghasilkan bukti yang terlalu panjang, tetapi hukuman pada frasa berlebihan membantu memotong output.

Tidak seperti penyetelan konvensional, yang sering bergelut dengan imbalan yang langka di mana umpan balik bersifat biner, baik bukti itu benar atau tidak. DeepMind mengimplementasikan sistem imbalan langkah demi langkah, di mana setiap sub-lemma yang diverifikasi memberikan kontribusi pada skor keseluruhan. Mekanisme imbalan ini membimbing Gemini bahkan ketika bukti lengkap jarang terjadi. Proses pelatihan berlangsung selama tiga bulan dan menggunakan sekitar 25 juta jam TPU.

3. Paralelisasi Masif

Paralelisasi juga memainkan peran kritis dalam kemajuan DeepMind dari perak ke emas. Setiap masalah menghasilkan beberapa cabang penalaran paralel, dengan sumber daya yang berpindah secara dinamis ke jalur yang lebih menjanjikan ketika yang lain macet. Penjadwalan dinamis ini sangat bermanfaat untuk masalah kombinatorik, yang memiliki ruang solusi yang besar. Pendekatan ini seperti bagaimana manusia menguji ketidaksetaraan bantu sebelum melakukan induksi penuh. Meskipun teknik ini komputasi yang mahal, itu dapat dikelola menggunakan klaster TPU v5 DeepMind.

DeepMind di IMO 2025

Untuk mempertahankan integritas kompetisi, DeepMind membekukan bobot model tiga minggu sebelum IMO untuk mencegah kebocoran masalah resmi ke dalam set pelatihan. Mereka juga menyaring data yang berisi solusi untuk pertanyaan Olimpiade yang belum dipublikasikan.

Selama kompetisi, Gemini Deep Think diberikan enam masalah resmi dalam format teks biasa, tanpa akses ke internet. Sistem ini beroperasi pada klaster yang dikonfigurasi untuk mensimulasikan kekuatan komputasi laptop standar per proses. Proses penyelesaian masalah selesai dalam waktu kurang dari tiga jam, jauh dalam batas waktu. Bukti yang dihasilkan dikirimkan ke koordinator IMO tanpa perubahan.

Gemini Deep Think memperoleh skor sempurna pada lima masalah pertama. Pertanyaan terakhir, yang merupakan teka-teki kombinatorik yang menantang, bagaimanapun, menggagalkan baik AI dan 94% peserta manusia. Meskipun demikian, AI selesai dengan skor total 35/42 untuk memenangkan medali emas. Skor ini tujuh poin lebih tinggi dari kinerja perak tahun sebelumnya. Pengamat kemudian menggambarkan bukti AI sebagai ‘teliti’ dan ‘lengkap’, mencatat bahwa mereka mengikuti justifikasi yang ketat yang diharapkan dari peserta manusia.

Implikasi untuk AI dan Matematika

Prestasi DeepMind merupakan tonggak penting bagi AI dan matematika. Bagi AI, menguasai IMO adalah langkah menuju kecerdasan buatan umum (AGI), di mana sistem dapat melakukan tugas intelektual apa pun yang dapat dilakukan manusia. Menyelesaikan masalah matematika yang kompleks memerlukan penalaran dan pemahaman, yang merupakan komponen dasar kecerdasan umum. Kesuksesan ini menunjukkan bahwa AI membuat kemajuan menuju kemampuan kognitif yang lebih seperti manusia.

Bagi matematika, sistem AI seperti Gemini Deep Think dapat menjadi alat yang sangat berharga bagi matematikawan. Mereka dapat membantu dalam menjelajahi area baru, memverifikasi konjektur, dan bahkan menemukan teorema baru. Dengan mengotomatisasi aspek yang lebih membosankan dari konstruksi bukti, AI membebaskan matematikawan manusia untuk fokus pada pekerjaan konseptual tingkat yang lebih tinggi. Selain itu, teknik yang dikembangkan untuk sistem AI ini dapat menginspirasi metode baru dalam penelitian matematika yang mungkin tidak mungkin melalui upaya manusia saja.

Namun, kemajuan AI dalam matematika juga menimbulkan pertanyaan tentang peran AI dalam pengaturan pendidikan dan kompetisi. Ketika kemampuan AI terus berkembang, akan ada debat tentang bagaimana keterlibatan AI mungkin mengubah sifat pendidikan dan kompetisi matematika.

Menghadap ke Depan

Memenangkan medali emas IMO adalah tonggak penting, tetapi banyak tantangan matematika masih belum terjangkau oleh sistem AI saat ini. Namun, kemajuan pesat dari perak ke emas dalam waktu satu tahun menyoroti percepatan kemajuan inovasi dan pengembangan AI. Jika kecepatan ini berlanjut, sistem AI mungkin segera menangani beberapa masalah matematika yang paling terkenal yang belum terpecahkan. Sementara pertanyaan tentang apakah AI akan menggantikan atau meningkatkan kreativitas manusia masih belum terpecahkan, IMO 2025 adalah indikasi yang jelas bahwa kecerdasan buatan telah membuat kemajuan signifikan dalam penalaran logis.