Edisi 20 Oktober 2026

Mintalah AI membuat "seorang perawat" atau "seorang pengacara". Anda sama sekali tidak menyebut penampilan. Sebuah tim yang dipimpin Universitas Cornell melakukan hal itu dengan 27 generator gambar dan menghasilkan 51.300 wajah.

Dalam penilaian 550 orang, ke-23 generator yang gambarnya cukup banyak dinilai mengalahkan foto asli dalam hal daya tarik. Di antara wajah yang diminta sebagai perempuan, 37% melampaui model mode median menurut skor otomatis. Wajah yang diminta sebagai orang Nigeria, kulit hitam, atau Etiopia mendapat skor terendah.

Lalu 570 orang menyaring pelamar kerja. Sebagian lebih dulu melihat wajah AI yang sangat menarik. Sesudahnya, mereka menilai pelamar sungguhan yang sama sebagai kurang layak direkrut dan kurang dapat dipercaya. Lebih sedikit yang dipanggil wawancara: 72,5% berbanding 77,4%.

Retus foto biasa tidak mengubah apa pun. Para penulis belum bisa menjelaskan mengapa wajah AI mengubahnya. Namun orang-orang sintetis kini memenuhi iklan, situs web, dan bank gambar.

Sumber: Generative AI Produces and Transmits Beauty Bias, https://arxiv.org/abs/2610.22553

Bayangkan beberapa pelari di lintasan melingkar. Start yang sama, masing-masing dengan kecepatan konstannya sendiri. Akankah tiap pelari, pada suatu saat, berada jauh dari semua yang lain? Itulah konjektur pelari kesepian.

Dengan n + 1 pelari, konjektur ini meramalkan jarak minimal 1/(n + 1) putaran. Argumen penghitungan sederhana hanya menjamin separuhnya. Selama puluhan tahun, peningkatan di atas batas mudah itu menyusut hingga nol seiring bertambahnya pelari.

Xiyu Hu dan Yifan Jing kini membuktikan peningkatan yang tak pernah memudar: pecahan tetap di atas batas mudah, untuk berapa pun jumlah pelari. Alatnya: sebuah ketaksamaan tumpang-tindih baru dan argumen tentang faktor persekutuan.

Para penulis memakai ChatGPT 6 untuk memeriksa dan merapikan bukti. Mereka menulis bahwa model-model itu tidak mampu memperbaiki batas tersebut sendiri.

Sumber: Near optimal gap in the Lonely Runner Conjecture, https://arxiv.org/abs/2610.23790

Model iklim dijalankan di sebagian superkomputer terbesar di dunia. Tetapi berapa banyak ketepatan yang dibeli oleh setiap tambahan komputasi? Sebuah tim beranggotakan 24 peneliti memeriksa 159 model iklim yang dibangun sejak 1995.

Jawaban mereka sangat stabil. Setiap penggandaan komputasi memangkas galat model sekitar 13,5%. Memangkas separuh galat saat ini butuh komputasi kira-kira 28 kali lebih besar.

Kemajuannya tidak merata. Sejak generasi pertama, galat tekanan udara turun 3,5 kali lipat dan galat suhu permukaan 2,7 kali lipat. Galat curah hujan hanya turun 7%.

Model cuaca AI kini menyamai prakiraan terbaik. Namun tak satu pun memublikasikan energi terukurnya. Jika pelatihan dihitung, salah satunya merosot dari peringkat kedua ke terakhir dalam efisiensi. Tim ini menyerukan agar energi dilaporkan berdampingan dengan ketepatan.

Sumber: Energy-Aware Earth System Science: A Community Roadmap, https://arxiv.org/abs/2610.23216

Catat curah hujan harian dan tandai setiap rekor: hari yang lebih basah daripada semua hari sebelumnya. Banyak rekor tentu berarti puncak akhir yang tinggi, bukan? Tiga fisikawan memeriksanya dengan matematika eksak.

Untuk nilai acak yang diambil dari distribusi mulus apa pun, jawabannya tidak. Jumlah rekor dan nilai tertinggi sama sekali tidak berkaitan. Mengetahui yang satu tidak memberi tahu apa pun tentang yang lain, berapa pun panjang deretnya.

Tambahkan hari kering, tanpa hujan, dan muncullah keterkaitan. Di atas proporsi kritis hari kering, keterkaitan itu mula-mula tumbuh, lalu memudar. Di bawahnya, ia hanya memudar. Ambangnya punya rumus eksak.

Tim menguji hal ini pada catatan hujan harian dari stasiun cuaca Jerman. Satu kelompok berada di atas ambang, yang lain di bawahnya. Keduanya mengikuti bentuk yang diramalkan, tanpa satu parameter pun disesuaikan.

Sumber: Emergence of Correlations Between Records and Maximum in Random Time Series, https://arxiv.org/abs/2610.23217

Mendayung buritan (stern-sculling) adalah cara lama menggerakkan perahu dengan satu dayung. Dayung bertumpu pada takik di buritan, daunnya selalu di bawah air. Tangan pendayung menggambar tanda tak hingga.

Sebuah tim Prancis memasang pengukur gaya, sensor gerak, dan log kecepatan pada perahu sepanjang 4,7 meter. Dua pendayung berpengalaman lalu membawanya dari diam hingga kecepatan tertinggi di air tenang.

Selama ayunan ke samping, daun dayung bekerja seperti sayap. Gaya angkat mendorong perahu ke depan. Di setiap belokan, pembalikan cepat daun dayung mendorong air ke belakang. Keempat fase kayuhan sama-sama mendorong.

Efisiensi memuncak sekitar 65% pada kecepatan sedang 1,2 meter per detik. Pada 2 meter per detik, efisiensi turun menjadi sekitar 25%. Lambung perahu saat itu mendekati kecepatan kritisnya, dan gelombang menelan tenaga.

Sumber: Hydrodynamics and propulsive efficiency of stern-sculling propulsion, https://arxiv.org/abs/2610.23444

Keempat planet raksasa di Tata Surya kita memiliki cincin. Namun belum pernah ada cincin yang terkonfirmasi di sekitar planet dewasa milik bintang lain. Apakah cincin itu langka, atau sekadar sulit dilihat?

Teleskop antariksa Roman membawa koronagraf yang menghalangi cahaya bintang. Teleskop ini diharapkan dapat melihat planet raksasa dari cahaya bintang yang dipantulkannya. Sebuah tim dari Universitas Michigan memodelkan apa yang akan ditambahkan oleh cincin.

Cincin bisa sepuluh sampai seratus kali lebih terang daripada planetnya. Dan cincin meninggalkan sidik jari: empat puncak dan lembah kecerlangan di sepanjang orbit, bukan dua.

Tim itu menyimulasikan Epsilon Eridani b, sasaran utama Roman. Tanpa cincin, planet ini sering tenggelam di bawah batas deteksi. Dengan cincin seperti milik Saturnus, ia bersinar hingga dua kali lebih terang dan tetap terlihat di hampir seluruh orbitnya.

Sumber: Detecting Exoplanetary Rings with Roman CGI Reflected Light Phase Curve Observations, https://arxiv.org/abs/2610.23835

Listrik dari jaringan berjalan pada 50 atau 60 hertz, tetapi tidak pernah tepat. Frekuensinya bergoyang, dengan cara yang sama di seluruh jaringan. Lampu berkedip mengikutinya, dan kamera merekam kedipan itu.

Dua peneliti di Universitas Southampton Solent berharap video AI tidak memiliki kedipan ini. Ternyata: generator mereproduksinya sama kuatnya dengan rekaman asli. Keberadaannya tidak membuktikan apa pun.

Maka mereka membandingkan goyangan itu dengan catatan independen tentang jaringan. Sistem mereka menerima 93% klip audio asli dan 100% video asli. Sistem itu dapat menentukan waktu sebuah rekaman suara hingga ketelitian sekitar satu detik dalam satu hari.

Dua tiruan AI dari sebuah adegan nyata berkedip pada 60 hertz, padahal tempat yang diklaim memakai 50. Titik lemahnya tetap ada: wajah yang ditukar dalam rekaman asli tetap membawa dengung yang asli.

Sumber: An Agentic ENF Framework for Forensic Video Authentication Against Generative AI, https://arxiv.org/abs/2610.22440

Gluon membawa gaya kuat, gaya yang mengikat quark. Panaskan gluon cukup tinggi, maka mereka membentuk plasma. Berapa tekanan yang dihasilkannya? Fisikawan menghitung jawabannya langkah demi langkah, tiap langkah berupa koreksi yang lebih halus.

Satu langkah, yang disebut suku g⁶, tetap tak terjangkau selama lebih dari dua puluh tahun. Suku ini membutuhkan 65 diagram rumit dengan masing-masing empat loop.

Sebuah tim dari Helsinki, Turku, Chili, dan Bern akhirnya menuntaskannya. Mereka memecahkan sembilan integral yang belum diketahui dengan metode baru, memakai sekitar sejuta jam prosesor di superkomputer.

Hasilnya: langkah-langkah sebelumnya berayun di atas dan di bawah simulasi komputer plasma tersebut. Dengan suku baru, teori dan simulasi cocok, hingga beberapa kali suhu tempat gluon terlepas bebas. Target berikutnya: menambahkan quark, demi tabrakan bintang neutron.

Sumber: Complete g⁶ pressure of hot Yang-Mills theory, https://arxiv.org/abs/2610.23675

Di India, sebagian besar belanja sehari-hari terjadi di toko kelontong kecil yang disebut toko kirana. Bisakah AI mengelolanya? Sebuah tim di BITS Pilani membangun toko simulasi untuk mencari tahu.

Satu model AI memerankan keempat pegawai: manajer, kasir, pembantu, dan pemegang buku. Manajer tidak pernah melihat toko, hanya laporan pegawai. Pelanggan dan pemasok berbicara dalam bahasa Inggris, Hindi, atau Hinglish.

Empat model AI terbuka masing-masing mengelolanya selama 30 hari simulasi. Seorang pemilik toko sederhana yang mengikuti aturan meraih sekitar 103.000 rupee. Model terbaik rata-rata sekitar 13.700. Dua merugi lebih besar daripada toko tanpa pengelola.

Kegagalan-kegagalannya punya nama. E-mail ke pemasok yang tidak ada. Pembayaran yang tidak pernah terjadi. Pesanan yang dibayar dua kali. Satu model mendapati 42% e-mail berbahasa Hindinya dikembalikan karena tak terbaca.

Sumber: KiranaBench: Can a Language Model Run a Neighbourhood Shop?, https://arxiv.org/abs/2610.22980

Aplikasi kesehatan memantau denyut jantung Anda, kadar glukosa Anda, kadang kesehatan mental Anda. Sebuah tim dari universitas-universitas di Amerika Serikat dan Kanada memeriksa lebih dari 10.000 aplikasi semacam itu di Google Play.

69% meminta setidaknya satu izin yang tidak dibenarkan oleh deskripsinya. Sekitar separuhnya menginginkan lokasi atau kamera Anda tanpa alasan yang dinyatakan. Sepertiganya menginginkan mikrofon.

Tim itu menjalankan aplikasi-aplikasi tersebut di ponsel uji. Dari 3.599 yang berjalan, 93% tidak menampilkan layar persetujuan. Banyak yang tetap mengirimkan ID iklan ponsel.

Ketika formulir persetujuan memang muncul, aplikasi umumnya menepati janjinya: 1 dari 14 mengumpulkan sesuatu yang tidak disebutkannya. Bahkan pengembang besar yang bermodal kuat pun tergelincir. Para penulis menyerukan pemeriksaan privasi otomatis sebelum sebuah aplikasi masuk ke toko.

Sumber: Bad Diagnosis: Analyzing Consent and Data Collection Practices of Mobile Medical Apps, https://arxiv.org/abs/2610.23851