AI Google Gemini 4 Pecahkan Berbagai Masalah Matematika

Para peneliti kecerdasan buatan memanfaatkan model AI Gemini 4 serta sistem multi-agent seperti Stellar Colosseum dan /teamwork untuk memecahkan sejumlah pertanyaan terbuka yang belum terjangkau dalam bidang optimasi, statistik, komputasi kuantum, dan algoritma.

Penyelesaian Masalah Kuantum dan Analisis Data

Seperti dilaporkan di research.google, para peneliti mengajukan masalah-masalah terbuka secara langsung kepada Gemini 4. Sistem kecerdasan buatan tersebut menghasilkan algoritma dan pembuktian secara menyeluruh, yang kemudian diverifikasi serta disempurnakan oleh tim peneliti menggunakan platform pembuktian formal Lean 4.

Pada bidang analisis data adaptif, sistem multi-agent yang berjalan di atas Gemini 4 Argon berhasil membuktikan batasan sampel yang hampir optimal untuk kueri statistik adaptif. Temuan ini memecahkan celah masalah yang belum terhitung sejak 2014, sekaligus menghasilkan algoritma pertama yang hemat ruang untuk aliran data berulang (data streams) dengan operasi penyisipan dan penghapusan yang tahan terhadap gangguan lawan adaptif. Sementara di bidang komputasi kuantum, konstruksi baru berhasil menyelesaikan masalah terbuka tahun 2014 mengenai fungsi Boolean n-bit yang membutuhkan lebih dari n/2 kueri kuantum pada tingkat kesalahan konstan.

Terobosan Matriks dan Struktur Data

Terobosan ini juga mencakup pemrosesan matriks dan graf skala besar. Algoritma deterministik baru berhasil menjawab pertanyaan utama dari ajang STOC 2024 terkait perkalian matriks Boolean dan deteksi segitiga tanpa pembatalan aljabar. Dalam geometri berdimensi tinggi, pembuktian batas bawah baru memecahkan masalah jaringan jarang (sparse networks), yang menunjukkan bahwa estimasi jarak antar-pasangan titik dapat membutuhkan tepi (edges) jauh lebih banyak secara polinomial.

Pada aljabar linier acak, penggunaan stacked sparse sketches menyelesaikan masalah terbuka tahun 2025 dengan menembus batas kelangkaan klasik untuk kompresi matriks tanpa merusak arah sub-ruang r-dimensi. Hanya dibutuhkan √log r elemen non-nol per baris untuk memprosesnya. Selain itu, pada komputasi graf berbobot dinamis, Stellar Colosseum menjawab pertanyaan terbuka dari FOCS 2022 dengan mengembangkan algoritma streaming lintasan tunggal (single-pass) pertama untuk cut sparsification yang efisien dalam penggunaan memori dan waktu pemrosesan.

Peningkatan Optimasi dan Statistik

Di bidang optimasi linier invers online, metode ini menghasilkan algoritma deterministik yang mencapai regret optimal sekaligus memangkas waktu eksekusi dari eksponensial menjadi polinomial. Kampanye multi-agent juga menyederhanakan batas mesin Turing pada perkalian bilangan bulat n-bit di bawah n log n. Usaha terpisah turut menghasilkan algoritma O(n log n) baru pada grid dua dimensi yang memiliki presisi persis sama dengan GNU Multiple Precision Arithmetic Library (GMP) hingga satu miliar bit.

Untuk struktur data, penelitian ini mencatat kemajuan signifikan pada Hipotesis Deque Tarjan tahun 1985 terkait pohon splay, dengan membuktikan batas atas baru untuk beban per operasi yang melampaui fungsi inverse-Ackermann teriterasi. Pada bidang statistik berdimensi tinggi, pendekatan ini membuktikan bahwa teknik approximate leave-one-out cross-validation tetap akurat saat diterapkan pada penalti renggang tidak mulus (non-smooth sparse penalties) seperti elastic net.