GPT-5.6 Sol Ultra OpenAI Selesaikan Konjektur Matematik Berusia 50 Tahun

Model penaakulan terbaru OpenAI, GPT-5.6 Sol Ultra, dilaporkan telah mencapai kejayaan besar dalam teori graf dengan menyelesaikan satu konjektur matematik yang kekal tidak terungkai sejak tahun 1970-an. Dengan memanfaatkan ketekunan pengkomputeran yang ekstrem dan seni bina pelbagai ejen (multi-agent architecture), model tersebut menghasilkan bukti lengkap dalam masa kurang dari satu jam.

Menyelesaikan Misteri Teori Graf

Konjektur yang dimaksudkan menangani persoalan asas dalam teori graf: sama ada satu set kitaran boleh ditemui dalam mana-mana rangkaian bucu (vertices) dan tepi (edges) yang merentasi setiap tepi individu tepat dua kali. Walaupun ahli matematik telah menemui penyelesaian separa bagi kes-kes tertentu sepanjang lima dekad yang lalu, bukti umum masih belum ditemui.

Thomas Bloom, seorang ahli matematik di Universiti Manchester, menyifatkan bukti tersebut sebagai "pendek, mudah, dan sepatutnya boleh ditemui pada tahun 1980-an." Menariknya, penyelesaian tersebut tidak memerlukan penciptaan teori matematik yang baharu sepenuhnya; sebaliknya, ia mensintesis alatan sedia ada dan kerangka matematik yang diketahui secara bijak.

Kuasa Ketekunan Mesin

Satu persoalan kritikal timbul: jika matematik tersebut adalah "mudah," mengapa manusia gagal menyelesaikannya selama 50 tahun? Bloom mencadangkan bahawa penyelesaian tersebut memerlukan satu anjakan penaakulan kecil yang bertentangan dengan intuisi. Ahli matematik manusia sering mengikut laluan logik yang, apabila gagal, membawa kepada kesimpulan bahawa masalah tersebut tidak boleh diselesaikan.

Sebaliknya, GPT-5.6 Sol Ultra mempamerkan tahap "ketekunan mesin." Ia tidak mengalami bias kognitif seperti rasa putus asa. Sebaliknya, model ini terus menerus meneroka variasi kecil dalam logik dan pelabelan sehingga laluan yang berjaya dikenal pasti. Keupayaan untuk melakukan cubaan secara paksa (brute-force) terhadap permutasi logik tanpa "sikap menyerah kalah" membolehkan AI tersebut melepasi halangan mental yang telah menyekat penyelidik manusia.

Kejuruteraan Prompt Lanjutan dan Seni Bina Pelbagai Ejen

Kejayaan Sol Ultra bukan sekadar hasil daripada kecerdasan mentah, tetapi hasil daripada kejuruteraan prompt yang sangat canggih. Untuk memastikan model tersebut tidak memberikan jawapan lalai "Saya tidak tahu," penyelidik menggunakan siri arahan yang ketat:

  • Andaian Paksaan: Prompt tersebut memaksa model untuk mengandaikan bahawa bukti lengkap wujud, bagi menghalangnya daripada menyatakan bahawa konjektur tersebut belum diselesaikan.
  • Pengasingan Maklumat: Model tersebut dilarang daripada mencari di internet untuk mengesahkan sama ada masalah tersebut telah pun diselesaikan.
  • Ujian Adversarial Pelbagai Ejen: Sistem yang terdiri daripada 64 ejen telah digunakan. Kebanyakannya dikekalkan "tanpa pengetahuan" tentang pendekatan logik mana yang sedang berjaya bagi memastikan penaakulan bebas, manakala ejen adversarial meneliti bukti calon untuk ralat tertentu, seperti laluan tertutup yang dikenal pasti secara salah.

Debat Mengenai Kreativiti AI dan Petikan

Kejayaan ini telah menghidupkan semula debat mengenai sama ada LLM benar-benar "kreatif" atau sekadar penggabung semula pengetahuan sedia ada yang canggih. Bloom menyatakan bahawa idea teras dalam bukti tersebut berakar umbi daripada kertas kerja tahun 1983 oleh Bermond, Jackson, dan Jaeger. Beliau mengkritik OpenAI kerana gagal memetik hasil kerja terdahulu ini, dengan menyatakan bahawa kertas kerja yang dihasilkan oleh AI sering menggunakan strategi sedia ada tanpa atribusi yang betul.

Walaupun komuniti saintifik masih menunggu pengesahan matematik sepenuhnya, peristiwa ini menandakan peralihan dalam landskap AI. Model AI berskala besar semakin banyak digunakan untuk menangani masalah saintifik yang terbuka, yang berpotensi mendedahkan penyelesaian yang sebenarnya sudah berada dalam jangkauan manusia selama ini.

Ringkasan Utama

  • Ketekunan Melebihi Kerumitan: AI tersebut menyelesaikan masalah lama bukan dengan mencipta matematik baharu, tetapi dengan mengaplikasikan teori sedia ada dengan tahap variasi logik tanpa henti yang tidak dimiliki oleh manusia.
  • Kekangan Ketat Memacu Hasil: Penggunaan prompting "adversarial" dan larangan carian internet memaksa model tersebut untuk mencari penyelesaian dan bukannya memberikan jawapan standard "tidak diselesaikan."
  • Cabaran Atribusi: Insiden ini menonjolkan kebimbangan yang semakin meningkat dalam penyelidikan AI mengenai kekurangan petikan yang betul apabila model menggabungkan semula literatur saintifik sedia ada.