Akhir dari Chain-of-Thought? CoreThink dan Peneliti Universitas California Mengusulkan Perubahan Paradigma dalam Penalaran AI

Selama bertahun-tahun, perlombaan dalam kecerdasan buatan telah menjadi tentang skala. Model yang lebih besar, lebih banyak GPU, prompt yang lebih panjang. OpenAI, Anthropic, dan Google (GOOGL ) telah memimpin dengan model bahasa besar (LLM), fine-tuning pembelajaran penguatan, dan penalaran rantai pikiran—teknik yang dirancang untuk mensimulasikan penalaran dengan mengeja langkah-langkah jawaban.

Namun, sebuah makalah teknis baru berjudul CoreThink: Lapisan Penalaran Simbolik untuk Menalar atas Tugas Jangka Panjang dengan LLM dari CoreThink AI dan peneliti Universitas California berargumen bahwa paradigma ini mungkin telah mencapai batasnya. Penulis membuat klaim provokatif: LLM adalah generator teks statistik yang kuat, tetapi mereka bukan mesin penalaran. Dan rantai pikiran, metode yang paling sering digunakan untuk menyarankan sebaliknya, lebih seperti teater kinerja daripada logika yang sebenarnya.

Sebagai respons, tim memperkenalkan Simbolik Umum, lapisan penalaran neuro-simbolik yang dirancang untuk dimasukkan ke dalam model yang ada. Evaluasi mereka menunjukkan perbaikan dramatis di seluruh rentang penalaran—dicapai tanpa pelatihan ulang atau biaya tambahan GPU. Jika divalidasi, pendekatan ini dapat menandai titik balik dalam desain sistem AI untuk logika dan pengambilan keputusan.

Apa itu Rantai Pikiran — dan Mengapa Hal Ini Penting

Rantai pikiran (CoT) telah menjadi salah satu teknik yang paling banyak digunakan dalam AI modern. Dengan meminta model untuk menulis langkah-langkah penalarannya sebelum memberikan jawaban, peneliti menemukan bahwa mereka dapat sering meningkatkan skor benchmark di bidang seperti matematika, pemrograman, dan perencanaan. Di permukaan, tampak seperti terobosan.

Namun, laporan tersebut menekankan keterbatasan pendekatan ini. Penjelasan CoT mungkin terlihat meyakinkan, tetapi studi menunjukkan bahwa mereka sering tidak setia kepada apa yang sebenarnya dihitung model, rasionalisasi output setelah fakta daripada mengungkapkan logika yang sebenarnya. Ini menciptakan risiko dunia nyata. Dalam kedokteran, narasi yang masuk akal dapat menyembunyikan ketergantungan pada korelasi yang tidak tepat, mengarah ke diagnosis yang berbahaya. Dalam hukum, rasionalisasi yang dibuat-buat dapat dianggap sebagai justifikasi yang sebenarnya, mengancam proses hukum dan akuntabilitas.

Makalah tersebut lebih lanjut menyoroti ketidakefisienan: rantai CoT sering tumbuh terlalu panjang pada masalah sederhana, sementara runtuh menjadi penalaran yang dangkal pada masalah yang kompleks. Hasilnya adalah komputasi yang terbuang dan, dalam banyak kasus, akurasi yang berkurang. Penulis menyimpulkan bahwa rantai pikiran adalah “performa, bukan mekanistik”—tampilan permukaan yang menciptakan ilusi interpretasi tanpa menghasilkannya.

AI Simbolik: Dari Mimpi Awal hingga Kebangkitan Baru

Kritik terhadap CoT mengundang kita untuk melihat kembali sejarah AI simbolik. Pada dekade-dekade awal, penelitian AI berputar di sekitar sistem berbasis aturan yang mengkodekan pengetahuan dalam bentuk logika yang eksplisit. Sistem ahli seperti MYCIN mencoba mendiagnosis penyakit dengan menerapkan aturan yang dibuat tangan, dan sistem deteksi penipuan bergantung pada himpunan logika yang luas untuk menangkap anomali.

AI Simbolik memiliki kekuatan yang tidak dapat disangkal: setiap langkah penalarannya transparan dan dapat dilacak. Namun, sistem ini rapuh. Mengkodekan puluhan ribu aturan memerlukan upaya yang besar, dan mereka bergelut ketika dihadapkan pada situasi yang baru. Kritikus seperti Hubert Dreyfus berargumen bahwa kecerdasan manusia bergantung pada pengetahuan yang tidak disadari, yang tidak dapat ditangkap oleh himpunan aturan. Pada 1990-an, pendekatan simbolik memberi jalan bagi jaringan neural yang didorong oleh data.

Dalam beberapa tahun terakhir, ada upaya untuk menggabungkan kekuatan kedua dunia melalui AI neuro-simbolik. Ideanya sederhana: biarkan jaringan neural menangani input yang kacau dan perseptual seperti gambar atau teks, sementara modul simbolik menyediakan penalaran yang terstruktur dan jaminan logika. Namun, kebanyakan hibrida ini bergelut dengan integrasi. Kerangka simbolik terlalu kaku, sementara modul neural sering merusak konsistensi. Hasilnya adalah sistem yang kompleks dan berat yang gagal menghasilkan interpretasi yang dijanjikan.

Simbolik Umum: Lapisan Penalaran Baru

Lapisan Penalaran Simbolik Umum (GSR) dari CoreThink bertujuan untuk mengatasi keterbatasan ini dengan pendekatan yang berbeda. Sebagai gantinya menerjemahkan bahasa menjadi struktur formal yang kaku atau pembenaman berdimensi tinggi, GSR beroperasi sepenuhnya dalam bahasa alami itu sendiri. Setiap langkah penalaran diekspresikan dalam kata-kata, memastikan bahwa konteks, nuansa, dan modalitas dipertahankan. Ini berarti bahwa perbedaan seperti “harus” versus “seharusnya” dibawa melalui proses penalaran, bukan diabstraksikan.

Kerangka ini bekerja dengan memarsing input secara native dalam bahasa alami, menerapkan konstrain logika melalui transformasi linguistik, dan menghasilkan jejak penalaran yang verbatim dan tetap dapat dibaca oleh manusia. Ketika kontradiksi atau kesalahan muncul, mereka disampaikan langsung dalam jalur penalaran, memungkinkan transparansi dan debugging. Untuk tetap efisien, sistem ini memangkas langkah yang tidak perlu, memungkinkan penalaran jangka panjang yang stabil tanpa penskalaan GPU.

Karena bertindak sebagai lapisan dan tidak memerlukan pelatihan ulang, GSR dapat diterapkan pada model dasar yang ada. Dalam evaluasi, secara konsisten menghasilkan perbaikan akurasi antara 30 dan 60 persen di seluruh tugas penalaran, semua tanpa meningkatkan biaya pelatihan.

Hasil Benchmark

Perbaikan tersebut terbaik diilustrasikan melalui benchmark. Pada LiveCodeBench v6, yang mengevaluasi masalah pemrograman kelas kompetisi, CoreThink mencapai tingkat lulus 66,6 persen—jauh lebih tinggi daripada model terkemuka di kategorinya. Dalam SWE-Bench Lite, benchmark untuk perbaikan bug dunia nyata yang diambil dari repositori GitHub, sistem mencapai akurasi 62,3 persen, hasil tertinggi yang pernah dilaporkan. Dan pada ARC-AGI-2, salah satu tes penalaran abstrak yang paling menantang, mencapai skor 24,4 persen, jauh melampaui model terdepan seperti Claude dan Gemini, yang tetap di bawah 6 persen.

Angka-angka ini mencerminkan lebih dari akurasi mentah. Dalam studi kasus terperinci, lapisan simbolik memungkinkan model untuk bertindak secara berbeda. Dalam ColumnTransformer scikit-learn, misalnya, model baseline mengusulkan patch superficial yang menutupi kesalahan. Sistem yang ditingkatkan dengan CoreThink mengidentifikasi masalah sinkronisasi di akar dan memperbaikinya secara menyeluruh. Pada tantangan LeetCode yang sulit, model dasar menerapkan pemrograman dinamis secara salah dan gagal sepenuhnya, sementara lapisan penalaran simbolik memperbaiki representasi keadaan yang salah dan menghasilkan solusi yang berfungsi.

Bagaimana Hal Ini Masuk ke dalam Kebangkitan Simbolik

Simbolik Umum bergabung dengan upaya yang tumbuh untuk membawa struktur kembali ke penalaran AI. AI simbolik klasik menunjukkan nilai transparansi tetapi tidak dapat beradaptasi dengan kebaruan. Hibrida neuro-simbolik tradisional menjanjikan keseimbangan tetapi sering menjadi tidak terkendali. Tumpukan perencana yang memasang pencarian ke LLM menawarkan harapan awal tetapi runtuh di bawah kompleksitas ketika tugas diperluas.

Kemajuan terbaru menunjukkan potensi hibrida baru. AlphaGeometry dari DeepMind, misalnya, telah menunjukkan bahwa struktur simbolik dapat mengungguli model neural murni pada masalah geometri. Pendekatan CoreThink memperluas tren ini. Dalam pipa ARC-AGI, deteksi objek deterministik dan abstraksi pola simbolik digabungkan dengan eksekusi neural, menghasilkan hasil yang jauh melampaui sistem LLM-saja. Dalam penggunaan alat, lapisan simbolik membantu mempertahankan konteks dan menerapkan konstrain, memungkinkan perencanaan multi-turn yang lebih andal.

Pembeda kunci adalah bahwa Simbolik Umum tidak bergantung pada logika yang kaku atau pelatihan ulang yang besar. Dengan menalar langsung dalam bahasa, tetap fleksibel sambil mempertahankan interpretasi. Ini membuatnya lebih ringan daripada hibrida sebelumnya dan, secara kritis, praktis untuk integrasi ke dalam aplikasi perusahaan.

Mengapa Hal Ini Penting

Jika rantai pikiran adalah ilusi penalaran, maka industri AI menghadapi tantangan yang mendesak. Perusahaan tidak dapat bergantung pada sistem yang hanya tampaknya menalar, terutama dalam lingkungan yang berisiko tinggi seperti kedokteran, hukum, dan keuangan. Makalah tersebut menyarankan bahwa kemajuan yang sebenarnya akan datang tidak dari penskalaan model lebih lanjut, tetapi dari memikirkan kembali fondasi penalaran itu sendiri.

Simbolik Umum adalah salah satu fondasi tersebut. Menawarkan lapisan yang ringan dan dapat diinterpretasikan yang dapat meningkatkan model yang ada tanpa pelatihan ulang, menghasilkan perbaikan penalaran yang sebenarnya daripada narasi permukaan. Bagi komunitas AI yang lebih luas, hal ini menandai perubahan paradigma yang mungkin: kembalinya penalaran simbolik, bukan sebagai himpunan aturan yang rapuh, tetapi sebagai pendamping yang fleksibel untuk pembelajaran neural.

Seperti yang dikatakan oleh penulis: “Kita tidak perlu menambahkan lebih banyak parameter untuk mendapatkan penalaran yang lebih baik—kita perlu memikirkan kembali fondasi.”