OpenAI 'Astra' Pecahkan 10 Masalah Matematika yang Puluhan Tahun Gak Ada yang Bisa Jawab

Ada satu jenis pencapaian AI yang gampang di-dismiss: menang benchmark. Angka naik, leaderboard geser, minggu depan udah ada yang nyalip. Tapi yang baru diumumin OpenAI awal Agustus ini beda kelasnya — dan layak kalian pahamin walaupun kalian gak pernah nyentuh matematika sejak SMA.

OpenAI ngeklaim model internal mereka yang dinamain Astra — versi awal dari keluarga model besar berikutnya — berhasil nyelesain 10 masalah terbuka di matematika dan ilmu komputer teoretis. Masalah terbuka itu artinya: pertanyaan yang udah dipublikasikan, udah dicoba dijawab komunitas matematikawan dunia bertahun-tahun, dan belum ada yang berhasil. Salah satunya nganggur sejak 1999.

Apa yang terjadi

Dalam publikasi resminya, OpenAI ngerinciin 10 masalah yang katanya berhasil dipecahkan Astra, nyebar dari geometri, teori grup, sampai kompleksitas kuantum. Beberapa yang paling disorot:

• Eksistensi grup non-sofic — Astra membangun struktur simetri pertama yang gak bisa ditiru oleh aproksimasi berhingga mana pun. Pertanyaan ini dibuka sejak 1999 dan jadi salah satu perburuan paling terkenal di teori grup.
• Konjektur rigiditas Alain Connes dan konjektur volume Ehrhart — dua masalah yang praktis gak bergerak selama satu dekade terakhir.
• Tiga soal dari daftar Paul Erdős — matematikawan legendaris yang ninggalin ratusan masalah terbuka sebagai "warisan" buat generasi berikutnya.

Dua detail teknis yang bikin klaim ini susah disepelekan:

Pertama, semua bukti diverifikasi pakai Lean — bahasa pemrograman khusus buat ngecek bukti matematika secara mesin. Artinya ini bukan "AI nulis esai yang kedengeran meyakinkan" — tiap langkah logika dicek formal, dan bukti yang lolos Lean itu benar secara matematis, titik. Gak ada ruang buat halusinasi.

Kedua, biayanya. OpenAI bilang total token buat semua run yang berhasil cuma sekitar $2.000 dengan tarif API Sol. Dua ribu dolar buat nyelesain masalah yang gak kejawab 27 tahun.

Dan ini yang bikin ceritanya makin menarik: dalam 24 jam setelah pengumuman, peneliti Anthropic Levent Alpoge ngeklaim berhasil mereproduksi 5 dari 10 bukti itu pakai Claude Fable — dengan prompt generik, tanpa akses internet. Artinya kemampuan level riset ini bukan monopoli satu model internal rahasia. Model yang bisa kalian akses hari ini udah ada di kelas yang sama.

Kenapa ini penting

Komunitas matematika sekarang lagi debat: kalau mesin yang mikir, apakah hasilnya layak Fields Medal? Debat itu seru, tapi buat gw pertanyaan yang lebih relevan bukan soal medali — soal polanya.

Polanya gini: AI ngerjain penalaran berat + sistem verifikasi ngecek hasilnya secara objektif = output yang bisa dipercaya tanpa perlu manusia ahli meriksa tiap langkah. Hari ini polanya kepasang di matematika karena matematika kebetulan punya alat verifikasi formal (Lean). Besok pola yang sama nyebrang ke penemuan obat, desain material, optimasi sistem — bidang apa pun yang punya cara ngecek jawaban secara objektif.

Dan harga $2.000-nya itu bukan catatan kaki. Itu sinyal bahwa "nyewa peneliti level dunia buat satu masalah spesifik" lagi berubah dari mustahil jadi line item budget biasa.

Buat kalian

Kalian mungkin gak punya masalah teori grup buat diselesain. Tapi prinsip AI + verifikasi itu langsung bisa dipakai di kerjaan sehari-hari, sekarang:

• Kalau kalian pakai AI buat kerjaan yang hasilnya bisa dicek objektif — kode yang bisa di-test, perhitungan yang bisa divalidasi, data yang bisa dicocokkan ke sumber — kalian bisa kasih otonomi jauh lebih besar ke AI-nya. Biarin dia kerja panjang, verifikasi di akhir.
• Kalau hasilnya gak bisa dicek objektif (opini, strategi, tulisan), di situ kalian tetap jadi verifier-nya. Jangan dibalik.
• Pertanyaan yang worth kalian tanya ke diri sendiri: dari kerjaan kalian minggu ini, mana yang sebenarnya punya "Lean"-nya sendiri — cara ngecek otomatis yang bikin kalian gak perlu meriksa manual?

Ngebedain dua kategori itu — dan bangun sistem verifikasi buat kategori pertama — itu persis jenis thinking yang gw ajarin di kelas gw: bukan sekadar pakai AI, tapi ngerancang sistem yang bikin AI bisa dipercaya kerja sendiri.

Sumber primer: pengumuman resmi OpenAI (openai.com/index/ten-advances-in-mathematics).