AI Ko-Matematikawan Google: Workbench Matematika Agenik dari DeepMind

Pada Mei 2026, peneliti Google DeepMind merilis sebuah preprint di arXiv berjudul "AI co-mathematician: Accelerating mathematicians with agentic AI," yang menjelaskan sebuah AI agenik workbench yang mengorkestrasi seluruh siklus kerja matematika, termasuk ideasi, penelusuran literatur, komputasi, percobaan bukti, dan pengembangan teori.

AI ko-matematikawan, yang saat ini dirilis terbatas untuk sekelompok peneliti terpilih, bukanlah pemecah masalah atau chatbot itu sendiri, melainkan ruang kerja yang menyimpan status dan mengorkestrasi alur kerja matematika yang nonlinier dan berantakan. Ia mengelola benang riset paralel, melacak ketidakpastian, dan menyimpan upaya yang gagal untuk referensi di masa depan. Keluaran menggunakan LaTeX, format dokumen standar yang digunakan di riset matematika dan fisika.

Sistem ini dibangun di atas Gemini 3.1. Saat ini, ia menggunakan Gemini Deep Think secara internal untuk percobaan bukti dan terintegrasi dengan eksekusi Python untuk eksplorasi komputasional. Sistem ini belum memasukkan mesin matematika khusus DeepMind (AlphaProof, AlphaEvolve, Aletheia) sebagai komponen internal, namun dirancang untuk dapat melakukannya di masa depan.

Mengapa AI Ko-Matematikawan Penting?

Ahli matematika menggunakan LLM untuk membantu sejumlah tugas:

• Tinjauan literatur
• Sketsa bukti nonformal
• LaTeX template/boilerplate
• Kode eksploratif

Mereka menggunakan alat AI, seperti asisten bukti formal, untuk membantu memverifikasi bukti secara mekanis. 

Meskipun tiap alat kuat pada bagian tertentu dari alur kerja keseluruhan, ahli matematika harus menggabungkan hasilnya secara ad hoc. Hingga kini, belum ada alat infrastruktur untuk mengorkestrasi proses nonlinier yang digunakan para matematikawan.

Cara Kerja AI Ko-Matematikawan

Model alur kerja ini secara longgar diadaptasi dari alat coding AI, seperti Claude Code atau Codex. Namun, alur kerja ini tidak bisa diadopsi langsung. Perangkat lunak memiliki spesifikasi dan rangkaian uji. Riset matematika bersifat nonlinier. Tujuannya sendiri mungkin samar atau belum terdefinisi di awal, dan temuan sepanjang jalan bisa sepenuhnya mendefinisikan ulang pertanyaannya.

Alur kerja untuk ko-matematikawan diberdayakan oleh sebuah sistem multi-agen dan tampak seperti ini:

1. Eksplorasi awal. Alih-alih memerlukan prompt sekali jalan yang sempurna, peneliti berdialog interaktif dengan sistem untuk memperjelas tujuan tingkat tinggi dan memformalkan pertanyaan riset. Ini membuat maksud riset eksplisit sebelum pekerjaan dimulai.
2. Tinjauan literatur. Ko-matematikawan melakukan tinjauan literatur, mengidentifikasi makalah kunci dan mengekstrak bukti serta teknik matematika yang relevan.
3. Kerangka komputasional. Ko-matematikawan membuat pustaka Python komputasional, beserta kasus demonstrasi dan pengujian terkait.
4. Pelaksanaan pencarian. Setelah kerangka komputasional dibuat, pustaka kustom diimpor dan menskalakan pencarian di klaster cloud. Sistem memberikan laporan kemajuan tingkat tinggi tanpa membanjiri peneliti dengan log tingkat rendah.
5. Keluaran akhir. Keluaran akhir adalah tulisan LaTeX terkompilasi. Laporan ini menjelaskan proses penemuan, bukan hanya hasilnya, dan menggunakan anotasi margin untuk menautkan klaim ke referensi spesifik atau keluaran kode. Sebuah laporan ditandai final hanya setelah semua agen peninjau menyetujuinya. Laporan yang gagal ditinjau tetap ditampilkan kepada peneliti dengan penanda belum terselesaikan—itulah bagaimana bukti cacat itu sampai ke Lackenby.

Arsitektur Alur Kerja AI Ko-Matematikawan

Arsitektur AI Ko-Matematikawan adalah sebuah sistem multi-agen dengan agen koordinator proyek tingkat atas dan sub-agen terspesialisasi.

Koordinasi alur kerja

Sebelum pekerjaan apa pun dilakukan untuk menangani masalah, koordinator proyek membuka dialog dengan peneliti untuk menyaring tujuan melalui pertanyaan klarifikasi. Misalnya, seorang peneliti yang menanyakan batas atas pada "sofa problem," sebuah pertanyaan terbuka dalam geometri komputasi, mungkin akan ditanya apakah harus berfokus pada satu varian atau yang lain, atau keduanya. Tujuan yang tepat dan disepakati akan membatasi ruang masalah sebelum agen-agen dijalankan.

Setelah tujuan ditetapkan, koordinator proyek mendelegasikan pekerjaan kepada agen dan sub-agen, yang bekerja paralel kecuali jika ada ketergantungan. Satu agen melakukan tinjauan literatur, yang lain membangun kerangka komputasional, dan yang lain menjalankan pencarian. Ada ketergantungan: pencarian tidak dapat dijalankan sampai pustaka kustom dari kerangka komputasional tersedia.

Menghindari halusinasi

Agen standar sering menemukan jalan pintas tidak valid, berhalusinasi membuat lema, atau terlalu cepat menyatakan kemenangan. AI ko-matematikawan menerapkan mekanisme untuk menghindari kekurangan ini, termasuk agen peninjau. 

Misalnya, jika ruang pencarian meledak selama eksplorasi komputasional, sub-agen pengodean tidak dapat menandai kode sebagai selesai hingga semua uji lulus dan agen peninjau menerima hasilnya, sehingga menghentikan alur kerja. Eksplorasi yang gagal ini dicatat dan dikirim ke koordinator proyek, yang kemudian memberi tahu peneliti di chat. Peneliti kemudian dapat menyarankan pendekatan lain.

Jalur buntu semacam itu tidak hanya dicatat; jalur tersebut diperlakukan sebagai informasi. Jalur tersebut dilacak versinya dan disimpan sebagai bagian dari catatan riset. Dalam matematika, pendekatan yang gagal sering kali mengungkap kendala atau mengarah ke jalur lain.

Sepanjang proses, koordinator menyaring kebisingan tingkat rendah secara bawaan, tetapi peneliti dapat menelusuri detail alur kerja mana pun dan memodifikasinya jika diperlukan.

Studi Kasus Pertama dan Mode Kolaborasi

Beberapa kasus awal mencerminkan mode kolaborasi yang berbeda: sebuah bukti cacat yang membuka wawasan manusia, komentar pinggir yang membingkai ulang pertanyaan, dan deteksi jalur buntu yang cepat sehingga menghemat seminggu upaya yang salah arah.

Memperbaiki bukti yang ditandai sistem sebagai salah

Marc Lackenby, profesor matematika di University of Oxford, menerapkan sistem ini pada sebuah masalah dari buku catatan Kourovka (kompendium masalah riset terbuka dalam Teori Grup). AI membuat percobaan bukti, agen peninjau menemukan cacat dalam bukti tersebut, dan melaporkannya kepada Lackenby. Ia tahu cara menambal celahnya.

Alih tugas seperti itu adalah intinya. Manusia menangkap apa yang terlewat oleh mesin, dan mesin menangani pekerjaan berat di sekelilingnya. 

Mengikuti komentar pinggir menuju wawasan baru

Profesor matematika lain, Gergely Bérczi, meneliti masalah yang melibatkan dugaan koefisien Stirling. Untuk tinjauan awal, ia memberikan kepada AI ko-matematikawan topik, latar belakang, metode yang saat ini diketahui, dan arah potensial yang disarankan oleh eksperimen AlphaEvolve. 

AI ko-matematikawan membuat bukti (saat ini masih dalam tinjauan matematis manusia) untuk dua dugaan tersebut, beserta bukti komputasional terperinci untuk klaim-klaimnya. Bérczi melaporkan bahwa sistem ini membantunya dengan memberikan komentar di pinggir dokumen jadi, yang memberinya peringatan terhadap wawasan kunci, yang kemudian ia tindak lanjuti di antarmuka chat.

Mendeteksi jalan buntu sebelum memakan waktu seminggu

Terakhir, Semon Rezchikov mengajukan masalah teknis tentang difeomorfisme Hamiltonian. Ia dan Koordinator Proyek mendiskusikan masalah tersebut hingga menyepakati definisi tugas yang tepat. Tulisan yang dihasilkan AI mencakup sebuah lema kunci dengan bukti (kemudian diverifikasi) yang pada dasarnya menyelesaikan pertanyaan tersebut. 

Sepanjang proses, sebuah pendekatan dieksplorasi namun berujung jalan buntu. AI mencapai jalan buntu itu jauh lebih cepat, sehingga ia tidak membuang waktu seminggu mengejar jalan buntu. Sistem tersebut memampatkan seminggu upaya sia-sia menjadi hitungan jam.

Hasil Benchmark FrontierMath

AI Ko-matematikawan adalah alat alur kerja, bukan alat pemecahan masalah matematika per se. Namun demikian, penting bagi penulis untuk menunjukkan tolok ukur tinggi karena beberapa alasan:

• Untuk menunjukkan bahwa mesin matematika yang mendasari cukup mumpuni untuk menjadi kolaborator yang berguna bagi matematika garis depan.
• Untuk menunjukkan bahwa benchmark menyediakan lingkungan terkontrol guna mengukur seberapa besar lapisan orkestrasi menambah kinerja.
• Untuk menyediakan proksi bagi efektivitas kolaboratif, karena belum ada ukuran standar saat ini.

Hasilnya: AI ko-matematikawan meraih skor 48% pada FrontierMath Tier 4, sebuah benchmark tingkat riset. Ini adalah skor tertinggi yang dilaporkan, termasuk Gemini 3.1 Pro milik Google sendiri, yang meraih 19% pada tes dan tier yang sama. Epoch AI menemukan kesalahan pada sekitar sepertiga masalah FrontierMath (melintasi Tier 1–4) dan sedang melakukan tinjauan manusia.

AI ko-matematikawan meraih 87% pada benchmark internal Google yang terdiri dari 100 masalah matematika tingkat riset yang tidak pernah bocor dengan jawaban yang dapat dicek melalui kode, bersumber dari matematikawan profesional, sementara Gemini 3.1 Pro meraih 57% dan Gemini 3.1 Deep Think meraih 70%.

Keterbatasan yang Diketahui dari AI Ko-Matematikawan

Makalah ini transparan mengenai keterbatasan struktural:

• Kontrol kualitas utama berasal dari agen peninjau dan agen bukti. Siklus tinjauan adversarial dapat menampilkan bias yang menyenangkan peninjau, di mana agen berkonsolidasi pada argumen yang memuaskan agen peninjau alih-alih yang benar. Ini adalah kerentanan struktural yang nyata.
• Keluaran LaTeX yang rapi dapat menciptakan rasa ketat yang palsu. Sebuah dokumen berformat baik tampak selesai terlepas dari benar atau tidaknya matematika yang mendasarinya.
• Sistem hanya bekerja baik ketika peneliti benar-benar pakar domain. Ada bahaya bahwa nonpakar mungkin menyerahkan masalah samar kepada sistem dan mempercayai keluarannya secara membabi buta.
• Bukti AI tetap memerlukan verifikasi manusia. Misalnya, bukti Bérczi masih dalam tinjauan manusia saat publikasi.

Penutup

AI Ko-Matematikawan mencerminkan pergeseran dari meminta AI memecahkan masalah menjadi bekerja bersama AI dalam proses riset matematika yang iteratif dan berantakan. Sumbatan sebenarnya ada pada infrastruktur alur kerja yang mencerminkan cara kerja para matematikawan.

Jika Anda ingin membangun sistem agenik seperti ini sendiri, jalur Associate AI Engineer for Developers dan Associate AI Engineer for Data Scientists dari DataCamp adalah tempat yang baik untuk memulai.