PSI Klaim AI Buktikan Konjektur Quantum yang Terbuka 18 Tahun
Physical Superintelligence (PSI), laboratorium fisika berbasis AI di Cambridge, Massachusetts, mengklaim sistem riset internalnya telah membuktikan konjektur Aaronson-Ambainis. Pengumuman itu terbit pada 6 November 2026, sementara persoalannya terbuka sejak 2008, dan sistem tersebut memakai model Anthropic yang belum dirilis publik. Hasilnya penting karena menyangkut pertanyaan dasar kapan komputer kuantum bisa jauh lebih cepat, tetapi belum melewati tinjauan sejawat.
Apa yang Diumumkan PSI soal Konjektur Aaronson-Ambainis?
PSI menyatakan sistem riset buatannya menemukan bukti lengkap konjektur Aaronson-Ambainis pada hari ketiga proses berjalan, dan perangkat Lean menerimanya. Sistem itu memakai instans model Anthropic non-publik di infrastruktur milik PSI sendiri, lalu bukti tersebut diumumkan lewat halaman riset perusahaan pada 6 November 2026.
Menurut halaman riset PSI, setelah bukti pertama selesai, tim mengarahkan sistem ke masalah terbuka lain yang berkaitan. Dalam proses itu sistem memperbaiki hasilnya sebanyak dua kali, dan Lean menerima versi akhir yang paling kuat. Naskah makalah dan formalisasi Lean sama-sama dipublikasikan sehingga bisa diperiksa pihak luar secara terbuka.
David Turturean, Member of Technical Staff di PSI, memimpin pekerjaan ini. Ia mengembangkan sistem riset, menentukan lingkup masalah, menjalankannya, lalu meminta model menyusun draf pertama makalah. Turturean menyatakan bertanggung jawab atas kebenaran makalah, sedangkan penasihat Jim Halverson mengaudit bukti dan penasihat Phiala Shanahan mengomentari formalisasi Lean.
Apa Isi Konjektur dan Mengapa Dianggap Penting?
Konjektur Aaronson-Ambainis menyatakan bahwa polinomial dengan nilai antara 0 dan 1 dan derajat rendah selalu punya setidaknya satu bit dengan pengaruh besar. Jika benar, komputer kuantum paling banyak hanya lebih cepat secara polinomial pada masukan acak, bukan eksponensial, kecuali masukannya berpola langka.
Latar belakangnya adalah algoritma Peter Shor tahun 1994, yang memfaktorkan bilangan besar jauh lebih cepat daripada metode komputer biasa. Percepatan sedramatis itu bergantung pada struktur tersembunyi, yakni pola berulang pada masukan. Pertanyaan yang terbuka sejak 2008 adalah apakah komputer kuantum juga bisa jauh lebih cepat pada masukan acak yang hampir tidak pernah punya struktur seperti itu.
Secara teknis, setelah T kali membaca masukan, peluang jawaban ya dari algoritma kuantum menjadi polinomial berderajat paling tinggi 2T. PSI menyatakan hasilnya memberi batas pengaruh minimal sebesar c dikali v pangkat 5/2 dibagi d pangkat 6, dengan c sekitar 0,0025. Batas sebelumnya untuk polinomial umum, menurut PSI, mengecil secara eksponensial terhadap derajat, dan hanya kasus khusus yang pernah terselesaikan.
Akibat praktisnya, komputer biasa dapat meniru jawaban ya atau tidak dari komputer kuantum pada hampir semua masukan dengan jumlah pembacaan yang tumbuh polinomial. Ini tidak berarti komputer kuantum tak berguna, karena algoritma untuk masalah berstruktur seperti pemfaktoran tetap relevan.
Seberapa Kuat Klaim Ini Setelah Diperiksa Pihak Luar?
Klaim ini belum terbit di jurnal bersponsor tinjauan sejawat dan masih berasal dari perusahaan yang membuat sistemnya. Kekuatan utamanya adalah kode Lean yang terbuka, sedangkan pertanyaan apakah pernyataan formal itu cocok persis dengan konjektur aslinya tetap harus dinilai pembaca manusia yang ahli.
Pada Agustus 2026, Guy Blanc, Jordan Docter, Carmen Strassle, dan Li-Yang Tan dari Stanford University telah menyelesaikan kasus khusus konjektur ini untuk algoritma kuantum dengan jumlah putaran paralel tetap. Kelompok itu kini membaca bukti PSI, mengirim komentar, dan menyiapkan penjelasan yang lebih ringkas bagi para ahli.
"Ini hasil yang sangat besar. Konjektur yang terbuka puluhan tahun ini terjawab dengan implikasi penting bagi sifat masalah yang bisa dipercepat secara kuantum," tulis keempat peneliti Stanford itu kepada PSI, seperti dikutip di halaman riset perusahaan. Perlu dicatat, kutipan tersebut tampil di situs PSI sendiri, bukan dalam pernyataan independen.
Analisis explainx.ai memisahkan apa yang diklaim dan apa yang terverifikasi. Menurut mereka, kecocokan pernyataan Lean dengan konjektur belum dikonfirmasi, makalahnya tidak diperiksa mesin seluruhnya, dan satu hipotesis masukan dari Agarwal dan Ben-David belum diformalkan. Belum ada tinjauan sejawat atau penerimaan jurnal yang ditemukan.
Dampaknya bagi Riset AI dan Perusahaan di Indonesia
Kasus ini menunjukkan bahwa model bahasa yang ditempatkan dalam sistem riset dengan verifikator formal seperti Lean bisa menghasilkan bukti matematika yang dapat diperiksa mesin. Bagi industri, pelajarannya ada pada rancangan sistemnya, yakni model yang menghasilkan, verifikator yang menolak jawaban salah, dan manusia yang bertanggung jawab atas hasil akhir.
Nama model Anthropic yang dipakai tidak disebutkan dan tidak bisa diuji publik, sehingga pihak luar tidak dapat mengulang percobaan dengan model yang sama. Dalam sumber yang kami buka, belum ada pernyataan resmi Anthropic yang mengonfirmasi detail ini, jadi hubungan model dan hasil ini sepenuhnya mengikuti keterangan PSI.
Bagi perusahaan, peneliti, dan kampus di Indonesia, pelajaran praktisnya adalah memperlakukan keluaran AI sebagai usulan yang harus diverifikasi, bukan kebenaran. Pola yang sama berlaku untuk riset, audit kode, dan analisis data: pasangkan model dengan pemeriksa otomatis serta penanggung jawab manusia sebelum hasilnya dipakai untuk keputusan bisnis.
(Burung Hantu Infratek / Berbagai Sumber)
Foto sampul: ilustrasi dibuat dengan AI, bukan foto produk atau kejadian asli.
⚠️ Berita ini seluruhnya diriset, ditulis, dan dikembangkan dengan bantuan AI internal Burung Hantu Infratek.
🦉 Burung Hantu Infratek adalah software house dan system integrator yang sudah berpengalaman lebih dari 5 tahun dalam pengembangan dan implementasi generative AI pada berbagai perusahaan dan institusi.
Berita Terkait Anthropic
📊 METR Nilai Riset AI Anthropic Dua Kali Lebih Cepat; 80 Persen Berkat AI
🛡️ Anthropic Tambah Pusat Keamanan dan Hook Inferensi untuk Claude Enterprise
🧠 Google DeepMind Pakai Agen AI Bongkar Dua Celah RSA-1024 dalam Hitungan Pekan
💸 Anthropic Rilis Personal Finance di Claude dan Bolehkan Tautan Rekening Bank
Sumber dan Referensi
[1] A proof of the Aaronson-Ambainis conjecture - PSI
[4] Aaronson-Ambainis Conjecture Proof Claim: What Is Verified - explainx.ai