Malang, 12 Oktober 2026 – Di balik kecanggihan Kecerdasan Buatan (Artificial Intelligence / AI) yang saat ini mendominasi dunia teknologi, terdapat fondasi logika matematis yang sangat kokoh. Mengangkat urgensi tersebut, Program Studi Matematika Fakultas Sains dan Teknologi UIN Maulana Malik Ibrahim Malang menyajikan paparan akademik mendalam bertajuk “Beyond Calculus: Where can Mathematics Take You in the AI Era?”. Materi ini disampaikan oleh Dr. Sofwah Ahmad dari Mohamed bin Zayed University of Artificial Intelligence (MBZUAI), Uni Emirat Arab, yang mengajak mahasiswa menyelami bagaimana kalkulus, aljabar, dan probabilitas menjadi “mesin” penggerak utama AI.
Di awal pemaparan, Dr. Sofwah membedah bagaimana AI menerjemahkan dunia nyata ke dalam bahasa matematika. Dalam sistem klasifikasi gambar (Image Classification), sebuah objek visual sejatinya diproses oleh mesin sebagai representasi matriks atau kumpulan grid angka. Konsep serupa juga berlaku pada pemrosesan bahasa alami atau Natural Language Processing (NLP). Setiap kata yang kita tulis akan dikonversi menjadi representasi vektor numerik yang dikenal dengan istilah word embedding. Transformasi dari data (input) menjadi serangkaian persamaan inilah yang mendasari proses machine learning.
Lebih jauh, materi ini menyoroti arsitektur Artificial Neural Network (ANN) dan Deep Learning. Sistem ini belajar menggunakan parameter yang dapat terus disesuaikan (tunable parameters), yang terdiri dari nilai bobot (weights) dan bias (biases).
Tujuan utama dari pembelajaran mesin adalah menemukan nilai weights dan biases yang paling tepat guna meminimalkan fungsi kerugian atau Cost Function. Untuk mencapai titik minimum tersebut, AI memanfaatkan algoritma Backpropagation serta metode Gradient Descent. Ini adalah aplikasi nyata dari kalkulus diferensial di mana turunan (gradien) digunakan untuk memperbarui nilai bobot agar prediksi AI semakin akurat.
Salah satu bagian paling menarik dari kuliah ini adalah penjelasan matematis mengenai mengapa model bahasa besar (Large Language Model) seperti GPT sering kali berhalusinasi atau memberikan informasi palsu. Secara sistematis, Neural Networks untuk bahasa dirancang untuk tugas Next-Word Prediction (memprediksi kata berikutnya). AI memilih kata selanjutnya berdasarkan nilai probabilitas kemunculan tertinggi, bukan berdasarkan pada kebenaran fakta absolut (true facts). Pendekatan berbasis peluang matematis inilah yang membuat teks yang dihasilkan AI terasa sangat luwes, namun berpotensi meleset dari fakta sebenarnya.
Diskusi akademik ini ditutup dengan pemaparan tentang Universal Approximation Theorem dan arah riset AI di masa depan, seperti penggunaan neural networks untuk menyelesaikan persamaan diferensial (differential equations). Disimpulkan bahwa matematika sejatinya adalah bahasa dasar yang membangun seluruh sistem AI. Di era saat ini, di mana biaya komputasi semakin murah dan AI sudah mampu melakukan penalaran dasar, pemahaman matematis yang dalam justru menjadi keahlian masa depan (needed future skill) yang paling esensial dan tidak dapat digantikan oleh mesin.
ID 
EN 
AR 
ZH 
