Viral hari ini di kalangan peneliti kecerdasan buatan: klaim OpenAI bahwa modelnya memecahkan masalah Navier-Stokes semakin banyak dipertanyakan. Sejumlah kelompok matematikawan yang menelaah makalah 166 halaman itu menilai metode yang dipakai berbeda dari yang disebutkan perusahaan pada pengumuman awal.
Viral Hari Ini: Bukti Navier-Stokes OpenAI Dipertanyakan
OpenAI mengumumkan solusi masalah matematika bernilai satu juta dolar itu pada awal September 2026. Perusahaan menyebut bukti tersebut disusun model kecerdasan buatan internal mereka, dengan bantuan ribuan agen yang bekerja dalam waktu lama.
Pengumuman itu sempat mengguncang dunia matematika. Navier-Stokes adalah salah satu dari tujuh masalah Millennium Prize yang dikelola Clay Mathematics Institute. Memecahkannya berarti menyelesaikan persoalan yang bertahan lebih dari satu abad.
Namun, laporan Scientific American menyebut sejumlah ahli kini menilai kemiripan bukti OpenAI dengan pendekatan dua matematikawan Spanyol hanya tampak di permukaan. Perbedaan muncul ketika persoalan ditelaah sampai rincian teknis.
“Ketika Anda masuk ke detailnya, ini pendekatan yang berbeda,” kata Gonzalo Cao-Labora, matematikawan di EPFL, Swiss, seperti dikutip Scientific American. Ia menilai kemiripan yang terlihat sebelumnya bersifat dangkal.
Iklan
Campus Commercial Park: rukost di kawasan kampus
C.CO Park menghadirkan kawasan ruko dan kost dalam satu gerbang, dirancang untuk mahasiswa dan penghuni sekitar kampus. Cocok untuk yang mencari aset produktif dengan pengelolaan kawasan yang tertata.
Apa Itu Masalah Navier-Stokes
Persamaan Navier-Stokes menggambarkan gerak fluida, mulai dari air di sungai sampai aliran udara di sekitar pesawat. Persamaan ini dipakai luas dalam teknik dan fisika, tetapi perilakunya dalam kondisi ekstrem belum sepenuhnya dipahami.
Masalah bernilai satu juta dolar itu bertanya apakah solusi persamaan tersebut selalu bisa didefinisikan untuk waktu yang tak terbatas, atau bisa mengalami ledakan kecepatan tak hingga. Ledakan semacam itu tidak terjadi di alam, tetapi secara matematis mungkin muncul.
Clay Mathematics Institute merumuskan masalah ini pada 2000. Rumusannya memberi beberapa opsi, termasuk kemungkinan memakai gaya luar yang mendorong fluida. Opsi itulah yang kemudian dimanfaatkan OpenAI untuk membangun skenario ledakan.
Sejumlah ahli menilai celah pada rumusan resmi itu membuat persoalan yang dipecahkan berbeda dari yang paling ingin diketahui matematikawan. Perdebatan soal apakah yang diselesaikan adalah masalah yang tepat menjadi salah satu titik kritik.
Klaim Awal dan Bantahan Para Ahli
Pada pengumuman September, OpenAI menyebut bukti itu mengikuti pendekatan yang dikembangkan Diego Córdoba dan Luis Martínez-Zoroa. Versi awal laporan media, termasuk dari perusahaan sendiri, menyebut kaitan dengan program Spanyol tersebut.
Setelah para ahli menelaah makalah dan kode formalnya, gambaran berubah. Bukti OpenAI memang memanfaatkan celah yang sama pada rumusan Clay, tetapi cara membangun gaya luar yang tidak fisis itu berbeda dari pendekatan Córdoba dan Martínez-Zoroa.
Perbedaan ini penting karena menyangkut kredit ilmiah. Jika OpenAI sekadar melanjutkan program yang sudah ada, kontribusinya dinilai lebih kecil. Jika metodenya benar-benar baru, penilaian terhadap hasilnya bisa berbeda.
Scientific American mewawancarai beberapa kelompok peneliti yang sedang menelaah makalah tersebut. Semuanya menyatakan bahwa bukti OpenAI tidak mengikuti program Spanyol, meski keduanya berangkat dari celah yang sama.
OpenAI sendiri belum memberikan klarifikasi rinci kepada publik soal perbedaan metode ini. Perusahaan sebelumnya menyatakan bahwa modelnya bekerja dengan pendekatan yang disebutnya baru, tanpa merinci perbandingan teknis dengan karya peneliti lain.
Peran 10 Ribu Agen dan 130 Miliar Token
Untuk menghasilkan bukti itu, OpenAI mengerahkan sekitar 10.000 instance model yang bekerja sekitar 88 jam. Secara kolektif, mereka memproses sekitar 130 miliar token. Angka itu menunjukkan biaya komputasi yang sangat besar.
Noam Brown, peneliti OpenAI, menyatakan bahwa kontribusi formasi multi-agen tersebut kurang dari 10 persen. Ia juga mengakui tidak ada yang tahu persis apa yang disumbangkan oleh kerja 10.000 agen itu.
Pernyataan itu menarik karena bertentangan dengan kesan awal bahwa kekuatan besar berasal dari kerja swarm. Jika kontribusi formasi agen kecil, maka nilai utama justru ada pada model dasar dan arahan manusia di belakangnya.
Para peneliti menilai skala eksperimen semacam ini belum banyak dipelajari. Membandingkan hasil 10.000 agen dengan 1.000 agen saja sangat mahal, sehingga klaim tentang manfaat kerja massal masih sulit diuji secara sistematis.
Bukti itu sendiri ditulis dalam Lean, bahasa pemrograman yang memverifikasi setiap langkah logika. Verifikasi formal membuat kesalahan teknis lebih mudah dideteksi, tetapi tidak otomatis membuat argumennya mudah dipahami manusia.
