Saya sangat setuju dengan sudut pandang Tao Zhexuan: penggunaan AI yang paling cocok pada tahap ini bukanlah secara langsung menggunakan model AI yang paling kuat untuk mengatasi masalah matematika yang paling sulit, tetapi menggunakan penggunaan yang lebih luas dan praktis, mungkin menggunakan alat AI dengan kinerja sedang untuk membantu matematikawan mempercepat penyelesaian tugas penelitian dasar harian yang membosankan tetapi penting. Beberapa hari yang lalu, saya mendengar orang CVS berbagi bahwa apotek CVS sangat sibuk, tetapi sebagian besar waktu terbuang-untuk beberapa hal yang membosankan, seperti menghitung pil, karena jumlah tablet untuk setiap pasien berbeda, dan diperlukan dua apoteker profesional, satu bertanggung jawab untuk mengisi jumlah tablet yang ditentukan ke dalam botol obat, dan yang lainnya bertanggung jawab untuk memverifikasi apakah jumlah tablet dalam botol sudah benar. Jadi mereka baru-baru ini menggunakan robot AI + untuk mengotomatiskan proses ini, membebaskan apoteker untuk melakukan hal-hal yang lebih penting. Penggunaan AI saya sehari-hari serupa, mungkin tidak selalu membantu saya memecahkan banyak masalah teknis, tetapi saya dapat menggunakan AI untuk mengembangkan beberapa gadget, atau langsung menggunakan petunjuk tertentu, untuk membantu saya melakukan banyak pekerjaan yang membosankan, yang dapat sangat meningkatkan efisiensi saya secara keseluruhan. --- Lihat komentar untuk terjemahan asli

Tao Zhexuan: Beberapa pemikiran saya tentang penerapan AI baru-baru ini di bidang matematika Baru-baru ini, saya semakin merasa bahwa penerapan kecerdasan buatan (AI) yang paling efektif di bidang matematika dalam jangka pendek belum tentu penggunaan langsung model AI yang paling kuat untuk mengatasi masalah matematika yang paling sulit. Tentu saja, kadang-kadang kita melihat beberapa kasus yang sangat sukses, tetapi sering kali dicapai dengan banyak sumber daya komputasi dan upaya para ahli top. Penggunaan yang benar-benar lebih luas dan lebih praktis mungkin menggunakan alat AI dengan kinerja sedang untuk membantu matematikawan mempercepat penyelesaian tugas-tugas penelitian dasar yang membosankan namun penting itu. Tugas-tugas yang tampaknya biasa ini bisa diselesaikan oleh para ahli manusia, tetapi itu akan membutuhkan lebih banyak waktu dan usaha. Tapi ini sebenarnya adalah keuntungan utama dari aplikasi AI, bukan kekurangan. Karena para ahli manusia telah mengumpulkan pengalaman dan intuisi yang kaya, mereka dapat dengan cepat dan akurat menentukan apakah output AI dapat diandalkan dan mengintegrasikannya dengan aman ke dalam proses penelitian mereka sendiri. Contoh sederhana: pencarian literatur. Matematikawan biasanya perlu berkonsultasi dengan banyak literatur penelitian yang ada sebelum mempelajari suatu masalah. Jika masalah sudah memiliki nama yang diakui dan ada komunitas penelitian yang aktif, mesin pencari dan database akademik yang ada akan cukup baik. Matematikawan hanya perlu memulai dengan makalah penting dan mencari ke depan dan ke belakang di sepanjang rantai kutipan untuk dengan cepat memahami kemajuan penelitian dari masalah tersebut. Namun, ada banyak kali ketika masalah penelitian tidak memiliki nama yang seragam, dan sarjana di bidang yang berbeda mungkin berada dalam silo. Literatur yang relevan tersebar di berbagai majalah, konferensi, dan buku, dan kutipan tidak teratur. Terkadang sebuah artikel hanya menyebutkan sebagian kecil dari masalah, dicampur dalam banyak konten yang tidak relevan. Sangat merepotkan untuk menemukan literatur yang benar-benar berharga dalam situasi ini: Anda mungkin harus mencari artikel dan berulang kali menyaringnya, dan Anda mungkin harus membacanya untuk waktu yang lama untuk menemukan bahwa mereka tidak ada hubungannya dengan masalah Anda. Tetapi begitu artikel yang relevan ditemukan, seorang ahli hanya perlu melihat sekilas untuk segera menentukan apakah artikel tersebut berkontribusi pada masalah saat ini. Kemampuan verifikasi cepat ini membuat AI sangat cocok untuk pencarian literatur (asalkan peneliti memiliki keahlian yang relevan untuk menilai kualitas dokumen secara mandiri). Apalagi ketika peneliti perlu memperhatikan beberapa pertanyaan penelitian secara bersamaan, keuntungan menggunakan AI bahkan lebih jelas. Dalam skenario ini, AI tidak perlu 100% akurat, selama tingkat keberhasilannya cukup tinggi, efisiensi keseluruhan akan jauh lebih tinggi daripada metode tradisional. Selain itu, para peneliti meluangkan waktu untuk mempelajari cara menggunakan alat AI secara efektif, dan mereka secara bertahap dapat mencairkan biaya dibandingkan penggunaan berulang. Baru-baru ini, contoh yang sangat khas telah terjadi di kalangan matematika: Matematikawan terkenal Paul Erdős menanyakan banyak masalah matematika yang menarik selama hidupnya. Saat ini, ada lebih dari seribu masalah di situs web Masalah Erdős, yang mengumpulkan dan mengatur masalah ini, di mana sekitar 600 di antaranya ditandai sebagai "terbuka". Meskipun beberapa masalah telah dipelajari secara luas, ada juga banyak masalah yang relatif tidak populer, dan sulit untuk menilai apakah ada solusi berdasarkan pencarian manual sederhana saja. Dalam beberapa hari terakhir, beberapa peneliti mulai secara sistematis menggunakan alat AI untuk membantu mencari literatur yang relevan. Mereka tidak langsung memposting hasil keluaran AI di situs web, tetapi memverifikasinya secara manual terlebih dahulu dan mengonfirmasi bahwa mereka valid sebelum berkomentar atau berkomentar. Hanya dalam beberapa hari, solusi untuk setidaknya 6 masalah telah berhasil ditemukan melalui metode "pencarian literatur berbantuan AI + konfirmasi manual" ini. Masalah ini awalnya ditandai sebagai "belum terselesaikan", dan sekarang statusnya telah diubah menjadi "terselesaikan". Misalnya: pertanyaan 339, pertanyaan 1043, pertanyaan 494, pertanyaan 621, pertanyaan 822, pertanyaan 903. Masih ada selusin pertanyaan yang masih belum terselesaikan, tetapi literatur yang relevan telah berhasil diambil dan ditambahkan ke komentar di halaman masalah setelah konfirmasi manual. Meskipun tidak setiap komentar secara eksplisit menyatakan penggunaan AI, peningkatan signifikan dalam jumlah komentar ini dalam jangka pendek menunjukkan kontribusi AI. Keuntungan potensial lainnya dari alat AI ini adalah dapat melaporkan "hasil negatif" secara lebih alami. Secara umum, jika peneliti melakukan pencarian literatur dan tidak menemukan apa-apa, mereka biasanya tidak melaporkannya, mungkin karena mereka khawatir akan memalukan jika mereka melewatkan artikel penting. Keheningan ini sebenarnya mengarah pada banyak duplikasi tenaga kerja yang berlebihan - peneliti yang berbeda mungkin telah menghabiskan banyak waktu mencari dokumen yang tidak ada, atau secara keliru berpikir bahwa suatu masalah belum terpecahkan, tetapi sebenarnya mereka tidak pernah melakukan pencarian literatur yang serius. Saat menggunakan alat AI untuk menangani tugas pencarian literatur skala besar secara sistematis, peneliti secara alami lebih bersedia untuk melaporkan "hasil negatif" tersebut secara publik. Misalnya: "Alat AI memeriksa total 36 pertanyaan, di mana 24 (66%) menemukan literatur baru yang valid dan 12 (33%) lainnya hanya mengembalikan hasil yang diketahui atau tidak relevan." Pendekatan terbuka dan transparan ini memungkinkan seluruh lingkaran akademis untuk mengetahui lebih jelas bagaimana keadaan penelitian saat ini tentang masalah tertentu, dan juga menghindari banyak duplikasi tenaga kerja yang tidak perlu. Secara keseluruhan, di bidang penelitian matematika, cara paling efektif untuk menggunakan AI dalam jangka pendek mungkin adalah tugas dasar ini, yang agak "biasa" bagi para ahli manusia, tetapi penting untuk pekerjaan penelitian. AI tidak memainkan peran super jenius di sini, tetapi akselerator efisiensi. Ini dapat membantu para peneliti membebaskan energi yang lebih berharga dari urusan dasar yang membosankan dan lebih mengabdikan diri mereka pada bidang-bidang yang benar-benar membutuhkan inovasi dan pemikiran yang mendalam.