Soal Ini Butuh 358 Tahun Buat Dipecahkan. Butuh 11 Hari Buat Diterjemahin ke Bahasa Komputer.

Dan tidak seperti hampir semua klaim AI yang lo baca minggu ini — yang satu ini nggak bisa dibohongin. Alasannya ada di bagian bawah.

Tahun 1637, seorang matematikawan Prancis bernama Pierre de Fermat nulis catatan kecil di pinggir halaman bukunya.

Isinya kira-kira: “Aku menemukan bukti yang menakjubkan untuk ini, tapi pinggiran halaman ini terlalu sempit untuk memuatnya.”

Terus dia meninggal. Dan buktinya nggak pernah ketemu.

Butuh 358 tahun buat orang lain nemuin buktinya lagi.

Soalnya apa sih?

Sebenernya sederhana banget kalau ditulis.

Lo pasti kenal rumus Pythagoras: a² + b² = c². Ada angka bulat yang cocok — misalnya 3, 4, dan 5. (9 + 16 = 25.)

Fermat bilang: kalau pangkatnya lebih dari 2, nggak ada satu pun jawaban dalam angka bulat.

Nggak ada a³ + b³ = c³. Nggak ada a⁴ + b⁴ = c⁴. Nggak ada seterusnya, sampai pangkat berapa pun.

Kedengeran gampang dibuktiin. Ternyata hampir empat abad nggak ada yang bisa.

Baru tahun 1995, matematikawan Andrew Wiles berhasil. Buktinya 129 halaman, dan butuh berbulan-bulan buat diperiksa matematikawan lain.

Terus Claude ngapain?

Anthropic pakai Claude buat “memformalkan” bukti Wiles.

Artinya: nerjemahin bukti itu ke bentuk yang bisa diperiksa otomatis sama komputer.

Bahasanya namanya Lean — bahasa pemrograman khusus yang dipakai matematikawan buat ngecek kebenaran suatu bukti.

Kenapa ini berguna? Dua alasan:

Satu: ngilangin kemungkinan salah manusia. Bukti 129 halaman itu diperiksa manusia. Manusia bisa kelewat. Komputer nggak.

Dua: bikin gampang dibangun di atasnya. Kalau buktinya udah dalam bentuk kode, matematikawan lain bisa langsung pakai sebagai fondasi tanpa harus verifikasi ulang dari nol.

Kenapa ini susah banget?

Ada dua alasan yang bikin pekerjaan ini brutal.

Pertama: bukti matematika itu ditulis padat banget. Banyak langkah yang “udah jelas lah” buat sesama matematikawan, tapi komputer nggak bisa nebak. Semua yang tersirat harus ditulis ulang secara eksplisit.

Kedua — dan ini yang bikin ngeri: satu baris salah bisa ngerusak semuanya. Argumen dalam bukti itu bertumpuk. Satu baris kode Lean yang keliru bikin semua kode setelahnya jadi nggak sah.

Makanya matematikawan memperkirakan pekerjaan ini bakal makan waktu bertahun-tahun.

Angkanya

Selesai dalam 11 hari.

Dan skalanya:

• 13 juta baris kode Lean — berkas terbesar jenis ini yang pernah ada
• 6 miliar token keluaran dihasilkan selama pengerjaan
• Beberapa lusin agent dijalanin bareng-bareng
• 29.500+ teorema perantara ikut dibuktiin di sepanjang jalan

Poin terakhir itu yang paling nggak kebayang. Buat ngebuktiin satu hal, sistemnya harus ngebuktiin hampir tiga puluh ribu hal kecil dulu.

Dan model yang dipakai bukan yang paling canggih — Anthropic bilang kemampuannya kira-kira setara Claude Fable 5.1, generasi sebelum GPT-6 Astra.

Percobaan pertamanya gagal

Ini detail yang gua suka, karena jarang diceritain.

Upaya pertama Anthropic nggak berhasil.

Terobosannya baru datang waktu mereka ngasih Claude akses ke alat sumber terbuka bernama Prove2Me — perangkat yang bikin agent AI lebih gampang nentuin langkah paling optimal berikutnya dalam alur kerja yang panjang. Alat ini juga nurunin biaya komputasi.

Jadi yang bikin beda bukan model yang lebih pinter. Tapi alat bantu yang lebih tepat.

⚠️ Sekarang bagian yang wajib diluruskan

Ini bakal jadi berita yang paling gampang dipelintir, jadi gua tegasin:

Claude TIDAK membuktikan Teorema Terakhir Fermat.

Yang ngebuktiin itu Andrew Wiles, tahun 1995, pakai otak manusia.

Yang Claude lakuin adalah menerjemahkan bukti itu ke bahasa yang bisa diperiksa mesin. Itu pekerjaan yang berat, berharga, dan sebelumnya diperkirakan makan waktu bertahun-tahun — tapi itu penerjemahan, bukan penemuan.

Kalau lo liat konten yang bilang “AI berhasil memecahkan soal matematika 358 tahun” — itu salah.

✅ Tapi ini yang bikin berita ini beda dari semua klaim AI lain

Nah, ini bagian yang menurut gua paling penting, dan nyambung sama semua yang kita bahas minggu ini.

Sepanjang minggu ini gua terus ngingetin buat curiga sama angka AI. Skor benchmark yang dibantu sistem pendukung. Benchmark yang didanai perusahaannya sendiri. “Pendapatan” yang ternyata proyeksi. Klaim paper yang nggak cocok sama tabelnya sendiri.

Yang ini beda.

Kenapa? Karena bukti dalam bahasa Lean itu diperiksa mesin. Dia jalan, atau nggak jalan. Nggak ada ruang buat pilih-pilih metrik, nggak ada ruang buat framing yang menguntungkan.

13 juta baris itu valid atau nggak valid. Titik.

Ini salah satu dari sedikit banget klaim di dunia AI yang nggak bisa dipoles. Dan itu justru yang bikin dia jauh lebih berbobot dari skor 99,9% mana pun yang lo baca minggu ini.

Matematikawan Kevin Buzzard, yang karyanya ikut dipakai Claude, ngerangkum dampaknya:

“…kita belajar bahwa artefak autoformalisasi AI sekarang sudah cukup kokoh untuk dibangun di atasnya.“

Frasa “dibangun di atasnya” itu kuncinya. Bukan “mengesankan”. Tapi cukup bisa dipercaya buat jadi fondasi pekerjaan orang lain.

Ini bagian dari tren yang lebih besar

Sebulan lalu, Anthropic pakai Claude buat nemuin informasi baru soal fungsi zeta Riemann — objek matematika yang jadi pusat salah satu teka-teki tersulit di dunia.

Dan pesaingnya juga gerak ke arah yang sama: bulan lalu OpenAI pakai model Astra buat mecahin beberapa soal Erdős dan mempersempit sejumlah pertanyaan terbuka di ilmu komputer teoretis.

Jadi matematika lagi jadi arena baru buat unjuk kemampuan AI. Dan itu masuk akal — karena di matematika, hasilnya bisa diperiksa.

Kenapa ini penting buat lo

Satu hal.

Minggu ini lo (dan gua) udah ngeliat banyak angka AI yang perlu dicurigai. Gampang banget berakhir jadi sinis ke semuanya.

Tapi berita ini ngingetin satu hal: bukan angkanya yang bermasalah — tapi apakah angkanya bisa diperiksa.

Skor benchmark yang dihitung sendiri oleh yang bikin? Curigai. Bukti yang divalidasi mesin dan bisa diunduh siapa aja? Percaya.

Bedanya bukan soal siapa yang ngomong. Bedanya soal apakah lo bisa ngecek sendiri.

Itu aturan yang kepake di luar urusan AI juga.

---

Sumber: blog riset Anthropic, SiliconANGLE, pernyataan Kevin Buzzard.