Edisi Markdown

AI-translated from English; not yet reviewed by a fluent editor.

# Ketika laboratorium AI merahasiakan penemuan, siapa yang dapat menguji jawabannya?

> Penemuan AI yang dirahasiakan memunculkan pertanyaan tentang kekuasaan publik: siapa yang dapat memeriksa bukti, memilih pertanyaan riset berikutnya, dan memperoleh manfaat dari jawabannya? Tinjauan tentang insentif publikasi, pemahaman ilmiah, dan daya bertindak manusia.

By BIG CHANGE Editorial

Published: 2026-09-22T14:25:09.513Z
Updated: 2026-09-22T14:25:09.513Z
Canonical: https://bigchange.ai/blog/private-ai-discoveries-public-science

![An exposed geometric structure stands outside a partly open research chamber, with broad paths approaching from several directions.](https://bigchange.ai/api/media/file/shared-inquiry-private-system-hero-v1.png)
AI-generated conceptual illustration by BIG CHANGE. Shared evidence can give outsiders room to examine and develop an idea even when the discovery system remains private. The geometric sculpture is a conceptual form, not a depiction of a theorem or an unreleased result.

Sebuah perusahaan dapat mengumumkan bahwa AI-nya telah memecahkan masalah sulit jauh sebelum orang lain dapat menilai apa yang sebenarnya diperoleh. Unsur yang belum tersedia mungkin berupa bukti, penjelasan, akses ke sistem, atau sekadar waktu untuk memeriksa pekerjaan tersebut. Tiap kekurangan memberi perusahaan jenis kekuasaan yang berbeda.

Itulah pertanyaan berguna di balik diskusi terbaru tentang terobosan AI yang dirahasiakan. Dalam esai 15 September, ilmuwan komputer Scott Aaronson melaporkan kabar angin bahwa perusahaan AI menahan solusi atas masalah besar ilmu komputer teoretis setelah tanggapan terhadap pengumuman Navier–Stokes. Ia tidak menerbitkan solusi tersebut. Uraiannya memastikan bahwa ia mendengar klaim itu, bukan bahwa hasil yang tidak disebutkan atau motif yang dilaporkan telah diverifikasi. [Esai Aaronson](https://scottaaronson.blog/?p=10062)

Ada perkembangan yang lebih konkret. Kelompok Penasihat Independen untuk Matematika dan Kecerdasan Buatan menyatakan bahwa tugasnya saat ini adalah memberi saran kepada OpenAI tentang publikasi hasil matematika penting yang menurut perusahaan telah dihasilkan secara internal. Pernyataan itu mengonfirmasi adanya proses koordinasi publikasi untuk pekerjaan yang dilaporkan perusahaan. Namun, pernyataan itu tidak mengesahkan setiap hasil yang menunggu publikasi. [Pernyataan kelompok penasihat](https://agmai.org/)

Bagi pembaca, pembedaan ini mencegah kemungkinan yang menarik berubah menjadi daftar fiktif masalah yang konon sudah dipecahkan. Bagi sains, hal ini memunculkan pertanyaan lebih besar: jika penemuan terkonsentrasi di dalam sistem privat, seberapa besar kemandirian yang masih dimiliki pihak lain?

## Perubahan besar

- **Yang berubah:** Artefak bukti buatan AI yang telah dipublikasikan kini hadir berdampingan dengan hasil yang menurut perusahaan telah dibuat dan masih menunggu publikasi terkoordinasi. Klaim tentang terobosan rahasia tambahan masih belum terverifikasi.
- **Mengapa ini penting:** Laboratorium dapat memengaruhi penemuan mana yang terlihat, kapan para ahli dapat memeriksanya, dan siapa yang dapat mengembangkan metode tersebut lebih lanjut.
- **Yang perlu dipantau:** Apakah pengaturan publikasi memberi pihak luar bukti yang dapat digunakan dan kebebasan untuk menyanggahnya, sambil tetap mendukung keahlian manusia yang diperlukan untuk memilih pertanyaan riset, memahami hasil, dan berbagi manfaatnya.

## Terobosan dapat dipublikasikan sementara kemampuannya tetap privat

Pengumuman Navier–Stokes OpenAI pada 8 September menunjukkan bentuk keterbukaan selektif. Perusahaan merilis argumen tertulis dan berkas bukti formal, sekaligus menjelaskan bahwa sistem penemunya adalah model internal yang lebih mumpuni daripada GPT-6 Astra. Menerbitkan keluaran dan memberi akses ke sistem yang menghasilkannya adalah dua keputusan berbeda. [Pengumuman OpenAI](https://openai.com/index/navier-stokes-solution/)

Cakupan matematisnya juga perlu diperhatikan. Konstruksi yang diumumkan menggunakan gaya luar halus. Rumusan resmi masalah Clay secara tegas mengizinkan gaya tersebut pada alternatif keruntuhan C dan D; alternatif kehalusan global tanpa gaya luar menanyakan hal berbeda. Konstruksi valid yang menggunakan gaya luar dapat menjawab soal hadiah sesuai rumusan, tetapi pertanyaan tanpa gaya luar tetap belum terjawab. [Rumusan masalah resmi](https://www.claymath.org/wp-content/uploads/2022/06/navierstokes.pdf)

Pada 11 September, Clay menyambut kemungkinan penyelesaian tersebut sambil mempertahankan proses evaluasi dan pengakuan yang tidak terburu-buru. Pernyataannya merupakan tanggapan institusional terhadap pengumuman, bukan pemberian hadiah. [Tanggapan Clay](https://www.claymath.org/news/navier-stokes-announcement/)

Kami membahas rangkaian matematika yang lebih luas dalam [panduan dari jarak satuan hingga Navier–Stokes](https://bigchange.ai/blog/ai-mathematics-unit-distance-navier-stokes). Di sini, pembedaan pentingnya adalah siapa yang dapat melakukan apa setelah hasil dipublikasikan. Matematikawan dari luar mungkin dapat mempelajari buktinya, tetapi tidak memiliki sumber daya atau akses model untuk menyelidiki masalah terkait dengan cara yang sama. Penemuannya dibagikan; sarana untuk menghasilkan penemuan berikutnya mungkin tetap terkonsentrasi.

Pengaturan tersebut tetap dapat bermanfaat. Jika setiap peneliti diwajibkan mengulang pencarian awal, banyak hasil akan lebih sulit dimanfaatkan. Untuk memeriksa bukti tertentu, yang penting adalah akses ke bukti terkait, bukan kepemilikan setiap alat yang digunakan untuk menemukannya. Namun, kemampuan memverifikasi jawaban yang dipublikasikan tidak memberi pihak luar pengaruh yang setara atas pertanyaan mana yang dijawab berikutnya.

## Publik memerlukan cara untuk menyanggah

Repositori publik OpenAI mencantumkan klaim Navier–Stokes dan Euler secara terpisah serta menyediakan petunjuk pembuatan dan cara meminta pemeriksaan bukti tambahan dengan Comparator. Semua itu merupakan artefak yang dapat diperiksa, bukan sekadar video demonstrasi. Kami telah membaca dokumentasinya; kami belum membangun ulang ataupun mengesahkan bukti tersebut secara independen. [Repositori bukti](https://github.com/openai/NavierStokesAndEuler)

Panduan validasi Lean menjelaskan mengapa pemeriksaan yang berhasil memiliki cakupan tertentu. Peninjau harus memeriksa makna dan asumsi teorema, termasuk dependensinya. Pemeriksaan yang lebih kuat dapat membandingkan bukti yang diajukan dengan pernyataan yang dirumuskan secara terpisah dan menggunakan perangkat lunak pemeriksa independen. Hal itu mengurangi ketergantungan pada pembuatnya, tetapi tetap menyisakan asumsi yang dinyatakan tentang alat dan spesifikasi. [Panduan validasi Lean](https://lean-lang.org/doc/reference/latest/ValidatingProofs/)

Kemungkinan optimistisnya cukup besar: sistem privat dapat melakukan pencarian mahal, lalu merilis bukti yang dapat diperiksa orang lain tanpa harus mengulang seluruh pencarian tersebut. Penemuan buatan AI dapat menjadi sumber daya bersama sekalipun hanya sedikit institusi yang mampu menghasilkannya dalam skala itu.

Versi yang lebih lemah adalah laboratorium mengundang sejumlah ahli terpilih ke demonstrasi privat dan meminta orang lain memercayai dukungan mereka. Itu mungkin langkah awal yang wajar. Namun, kemampuan publik untuk menemukan asumsi yang dipersengketakan, memeriksa koreksi, atau menindaklanjuti penerapan tak terduga jauh lebih terbatas. Akses ke kesimpulan berbeda dari akses ke dasar yang memungkinkan orang menyanggahnya.

Berikut sebuah hipotetis orisinal. Sebuah kelompok universitas sedang meneliti kelas masalah optimisasi. Sebuah perusahaan secara privat menemukan metode yang memperbaiki satu kasus penting. Perusahaan dapat menerbitkan metode dan jaminan yang tepat, atau menyediakan layanan daring yang memberi jawaban sambil merahasiakan metodenya.

Kedua pilihan dapat membantu pengguna. Namun, hanya pilihan pertama yang pasti memberi universitas sesuatu yang dapat diperiksa, diajarkan, dan disesuaikan tanpa harus terus mengakses layanan tersebut. Jika perusahaan mengubah ketentuannya, menarik modelnya, atau berhenti mendukung bidang itu, perbedaan tersebut akan terasa secara praktis. Layanan yang berguna dapat tetap ada bersamaan dengan ketergantungan ilmiah.

Karena itulah manfaat publik tidak dapat diukur dari jumlah penemuan saja. Publikasi dapat memperluas apa yang diketahui orang, apa yang dapat mereka lakukan, atau apa yang harus mereka minta izinnya. Hasil-hasil itu terkadang bergerak bersama, tetapi tidak harus demikian.

## Jeda dapat memperkuat sains atau memberi satu institusi keunggulan lebih lama

Ada alasan yang dapat dipertanggungjawabkan untuk mengoordinasikan publikasi besar. Para ahli mungkin memerlukan waktu untuk memeriksa klaim, mengidentifikasi karya sebelumnya, dan menyiapkan penjelasan. Koreksi sebelum publikasi dapat mencegah banyak orang membangun pekerjaan di atas kesalahan. Sengketa pengakuan juga memerlukan bukti, bukan perlombaan pengumuman.

Namun, penundaan yang sama dapat berdampak berbeda bagi pihak luar. Bayangkan sebuah kelompok riset memilih proyek berikutnya tanpa mengetahui bahwa sebuah perusahaan mengklaim telah menyelesaikan konjektur utama. Kelompok itu dapat menghabiskan waktu berbulan-bulan meneliti pertanyaan lama. Memberi kolaborator terpilih akses awal justru dapat membantu mereka memperoleh keunggulan dalam mengembangkan hasil lanjutan. Ini adalah kemungkinan akibat dari ketimpangan informasi, bukan tuduhan mengenai teorema tertentu yang belum dirilis.

Pertanyaan yang relevan adalah apa tujuan penundaan dan siapa yang bertanggung jawab. Masa tinjauan dengan klaim yang teridentifikasi, penelaah independen, dan rencana mengomunikasikan hasil berbeda dari kerahasiaan tanpa batas yang disertai isyarat tentang kemampuan luar biasa. Institusi memerlukan ruang untuk memeriksa pekerjaan; khalayak perlu alasan untuk membedakan pemeriksaan dari promosi.

Kelompok penasihat baru menjadi salah satu jalur. Kelompok itu menyebutkan bahwa anggotanya tidak dibayar, rekomendasinya akan dipublikasikan, dan perusahaan tetap memegang kewenangan mengambil keputusan. Independensi kelompok ini berguna, tetapi saran bukan kewajiban untuk merilis hasil ataupun memberikan akses kepada peneliti. [Independensi dan akuntabilitas](https://agmai.org/)

Menurut kami, pengaturan yang produktif perlu membuat tindak lanjut atas saran terlihat. Perusahaan dapat menjelaskan rekomendasi mana yang diterima, hal apa yang masih diperiksa, dan bagaimana penelaah dapat menyampaikan persoalan yang belum terselesaikan. Dengan begitu, pihak luar dapat menilai proses tanpa memerlukan pengumuman prematur bahwa suatu teorema sudah tuntas.

## Kritik terkuat mengakui bahwa AI dapat berhasil

Deklarasi 11 September berjudul *“Ketidakselarasan AI yang Parah dalam Matematika”* secara tegas mengakui peningkatan besar kemampuan matematika. Keberatannya berkaitan dengan insentif: menggunakan masalah terkenal sebagai tolok ukur dapat mengabaikan pengembangan gagasan, atribusi, dan pelatihan yang membantu orang belajar merumuskan pertanyaan baru. Deklarasi itu juga mengakui potensi AI untuk memperbaiki pembelajaran matematika. [Deklarasi tersebut](https://www.mathandai.org/)

Argumen ini lebih menuntut daripada sekadar mengatakan bahwa mesin tidak dapat menemukan apa pun. Pertanyaannya adalah apakah sistem yang berhasil mengoptimalkan hasil yang sama dengan komunitas penerima keluarannya. Laboratorium mungkin menginginkan demonstrasi kemampuan yang tidak ambigu. Peneliti mungkin lebih menghargai metode yang membuka beberapa arah baru, termasuk arah yang terlalu khusus untuk menarik perhatian pada saat peluncuran.

Tidak ada alasan otomatis bahwa kepentingan tersebut harus selaras. Namun, keduanya juga tidak harus bertentangan. Laboratorium dapat mendanai eksplorasi dan penjelasan yang membuat hasilnya berguna. Universitas dapat mengakui pekerjaan yang menyesuaikan metode baru yang kuat ke bidang yang tidak diprioritaskan laboratorium. Tempat publikasi dapat menyediakan ruang bagi klarifikasi dan sintesis selain penemuan pertama.

Kritik tetap harus berlandaskan bukti. Hasil yang benar dan berdampak besar semestinya mengubah penilaian tentang kemampuan suatu sistem. Ketidaknyamanan terhadap asal-usulnya tidak dapat membatalkannya. Sebaliknya, hasil yang mengesankan saja tidak menjawab pertanyaan tentang akses atau pengakuan hanya karena hasil itu mengesankan. Memisahkan penilaian tersebut memungkinkan kita menyambut matematikanya sekaligus menggugat ketentuan yang menentukan cara matematika itu sampai ke dunia.

Esai Aaronson merangkum ketegangan ini: ia menganggap kemajuan terkini bersifat transformatif sembari mendukung upaya mempertahankan pemahaman manusia. Gagasannya tentang dimulainya singularitas adalah penafsiran atas peristiwa, bukan ambang ilmiah yang telah dibuktikan. [Posisi yang dinyatakannya](https://scottaaronson.blog/?p=10062)

## Penemuan yang lebih cepat dan pekerjaan manusia yang bermakna sama-sama merupakan kepentingan nyata

Argumen yang lebih luas ini telah ada sebelum pengumuman September. Dalam esai Desember 2025, peneliti AI Julian Togelius membedakan alat yang membantu ilmuwan dari otomatisasi yang membuat keikutsertaan mereka tidak lagi diperlukan. Ia membela daya bertindak manusia dan kesempatan untuk berkontribusi, bahkan dalam skenario hipotetis ketika otomatisasi penuh mempercepat kemajuan medis. Ini adalah posisi moral mengenai masa depan yang mungkin terjadi, bukan bukti bahwa pekerjaan ilmiah sudah menjadi tidak relevan. [Esai Togelius](https://togelius.blogspot.com/2025/12/please-dont-automate-science.html)

Ada biaya serius jika suatu kegiatan dipertahankan semata-mata karena pelakunya saat ini menikmatinya. Jika metode yang lebih baik dapat mengurangi penderitaan, kepentingan orang-orang yang memperoleh manfaat layak dipertimbangkan bersama kepentingan orang-orang yang profesinya berubah. Komitmen terhadap pekerjaan yang bermakna tidak semestinya menjadi veto otomatis atas penemuan yang bermanfaat.

Namun, pilihannya tidak harus antara melindungi setiap tugas yang sudah ada dan mengeluarkan manusia dari sains. Siapa yang memilih pertanyaan, mengenali kebutuhan yang terabaikan, menilai apakah bukti dapat diterapkan, dan memutuskan apa yang harus dilakukan dengannya? Keputusan itu berdampak pada publik sekalipun mesin kelak lebih baik dalam banyak komponen teknisnya. Mempertahankan pengaruh atas keputusan tersebut merupakan persoalan tata kelola sekaligus identitas profesional.

Esai Dario Amodei pada Oktober 2024 menawarkan visi optimistis yang luas tentang AI yang mempercepat biologi dan meningkatkan kualitas hidup. Esai itu juga mengidentifikasi batas yang melibatkan eksperimen, data, dan dunia fisik. Esai tersebut adalah ramalan yang bertumpu pada asumsi mengenai sistem masa depan yang kuat, bukan jadwal yang dibuktikan oleh terobosan matematika. [Mesin dengan Rahmat Kasih](https://darioamodei.com/essay/machines-of-loving-grace)

Bukti tentang persamaan tidak dengan sendirinya menunjukkan adanya pengobatan yang berfungsi atau sistem energi yang lebih murah. Setiap penerapan memerlukan bukti lebih lanjut. Meski begitu, wajar untuk menghargai kemungkinan kemajuan yang lebih cepat: bantuan yang memungkinkan peneliti menolak arah yang tidak produktif atau merancang eksperimen yang lebih informatif dapat berdampak jauh sebelum penelitian menjadi otonom.

Pertanyaan tentang pembagian manfaat pun kembali muncul. Suatu kemajuan dapat kokoh secara ilmiah, tetapi tetap hanya dapat diakses oleh mereka yang mampu membayarnya. Penelitian dapat berlangsung lebih cepat sambil berfokus pada masalah yang paling bernilai bagi pemiliknya. Manfaat percepatan bagi publik luas bergantung, sebagian, pada pilihan tentang pendanaan, akses, dan penerapan. Jumlah penemuan tidak menentukan pilihan-pilihan tersebut.

## Bukti kebenaran bukan jaminan penilaian yang baik

Keselarasan memunculkan pertanyaan lain. Sistem mungkin sangat piawai menemukan argumen, tetapi tidak andal mengikuti maksud operatornya dalam proyek riset yang panjang. Keluaran matematika yang telah diperiksa membuktikan sesuatu tentang keluaran tersebut. Namun, hal itu saja tidak membuktikan bahwa sistem secara konsisten menghormati izin, melaporkan kegagalan dengan jujur, atau mengejar tujuan yang tepat.

Pembedaan ini penting untuk cara laboratorium menggunakan alat yang semakin mumpuni. Mendelegasikan pencarian terbatas lalu memeriksa hasilnya berbeda dari memberikan kewenangan luas kepada sistem atas eksperimen, pengeluaran, atau publikasi. Pencapaian ilmiah dapat membenarkan percobaan riset yang lebih ambisius, sementara izin tetap memerlukan pembenaran tersendiri.

Mempertahankan pemahaman manusia membantu dalam hal ini, tetapi bukan solusi universal untuk keselarasan. Memahami matematika di balik suatu penemuan tidak mengungkap seluruh perilaku model. Sebaliknya, seseorang tidak perlu merekonstruksi setiap perhitungan perantara untuk melakukan pengawasan yang berguna. Tujuan praktisnya adalah menjaga cukup banyak kompetensi dan bukti independen agar orang menyadari ketika pekerjaan sistem tidak lagi melayani tujuan yang dimaksud.

Pertanyaan tentang makna juga memerlukan lebih dari janji bahwa waktu luang akan menggantikan setiap peran yang hilang. Amodei berpendapat bahwa relasi dan kegiatan dapat tetap bermakna sekalipun AI mengungguli manusia, tetapi ia menganggap pengaturan ekonomi masa depan seperti itu belum jelas. Itu salah satu pandangan yang masuk akal, bukan jaminan bahwa transisi akan berlangsung tanpa rasa sakit. [Pekerjaan dan makna](https://darioamodei.com/essay/machines-of-loving-grace)

Seorang mahasiswa dapat menghargai pemahaman atas suatu hasil tanpa harus menjadi orang pertama yang menemukannya. Komunitas dapat menghargai pengajaran, debat, dan penyelidikan tanpa mengharuskan anggotanya mengungguli setiap mesin. Namun, menjaga institusi yang memungkinkan kegiatan tersebut memerlukan sumber daya dan pilihan. Pemenuhan pribadi saja tidak dapat membiayai laboratorium, menjamin akses ke model, atau mempertahankan departemen.

## Nilai publikasi dari kemandirian yang tercipta

Dapatkah seseorang menggugat klaim tanpa sepenuhnya bergantung pada uraian perusahaan? Dapatkah kelompok lain menggunakan hasilnya tanpa mengulangi pencarian yang tak terjangkau biayanya? Dapatkah peneliti memilih pertanyaan lanjutan yang kurang menarik bagi pembuatnya? Apakah ada orang dan institusi yang mampu menjelaskan pekerjaan, mengoreksinya, dan terus menyediakannya setelah perhatian beralih ke hal lain?

Pertanyaan-pertanyaan tersebut menghubungkan masa depan optimistis dan pesimistis. Dalam skenario pertama, alat privat yang kuat berkontribusi pada khazanah pengetahuan bersama yang lebih besar dan lebih banyak orang dapat menyelidiki pertanyaan yang sebelumnya di luar jangkauan. Dalam skenario kedua, pihak luar menerima jawaban mengesankan tetapi makin bergantung pada segelintir organisasi untuk menentukan pertanyaan yang layak diajukan.

Kita belum mengetahui isi hasil rahasia yang dikabarkan itu. Namun, kita dapat menilai pengaturan yang sedang dibangun di sekitar hasil yang mulai muncul. Terobosan AI besar semestinya meninggalkan kemampuan sains lainnya untuk bertindak secara mandiri yang lebih besar.

## Sources

- [Scott Aaronson: Zaman Keajaiban dan Teror](https://scottaaronson.blog/?p=10062) — Melaporkan kabar angin dan menyajikan penafsiran penulis tentang kemajuan AI. Esai ini tidak mengungkapkan atau memverifikasi solusi yang tidak disebutkan maupun motif penahanan yang dilaporkan.
- [Kelompok Penasihat untuk Matematika dan Kecerdasan Buatan](https://agmai.org/) — Menetapkan mandat dan independensi yang dinyatakan kelompok tersebut. Hasil yang masih tertunda dilaporkan oleh OpenAI; pernyataan kelompok bukan pengesahan publik atas hasil itu.
- [OpenAI: Tentang Masalah Hadiah Milenium Navier–Stokes](https://openai.com/index/navier-stokes-solution/) — Uraian perusahaan menautkan artefak bukti yang diterbitkan dan menjelaskan model internal. Bagian tentang pekerjaan terkait diperbarui pada 10 September; artikel ini tidak memutuskan asal-usul pembuktiannya.
- [Clay: Rumusan resmi masalah Navier–Stokes](https://www.claymath.org/wp-content/uploads/2022/06/navierstokes.pdf) — Menetapkan alternatif keruntuhan dengan gaya luar dan alternatif kehalusan tanpa gaya luar. Sumber ini menentukan cakupan pertanyaan, bukan mengesahkan solusi yang diajukan.
- [Clay: Pengumuman Navier–Stokes](https://www.claymath.org/news/navier-stokes-announcement/) — Tanggapan institusional yang berhati-hati mempertahankan proses evaluasi dan pengakuan. Sumber ini tidak mengumumkan pemberian hadiah.
- [OpenAI: Repositori bukti Navier–Stokes dan Euler](https://github.com/openai/NavierStokesAndEuler) — Repositori publik membedakan kedua hasil dan menyediakan petunjuk pembuatan serta pemeriksaan. Kami membaca dokumentasinya tanpa membangun ulang atau mengesahkan buktinya.
- [Lean: Memvalidasi Bukti Lean](https://lean-lang.org/doc/reference/latest/ValidatingProofs/) — Menjelaskan jaminan pemeriksaan bukti, audit asumsi, dan pemeriksaan independen yang lebih kuat. Penafsiran yang benar atas teorema yang dimaksud tetap menjadi persoalan terpisah.
- [Deklarasi Matematika dan AI](https://www.mathandai.org/) — Pernyataan utama mengenai kekhawatiran tentang insentif, atribusi, dan pemahaman manusia. Pernyataan ini mengakui kemajuan dan potensi manfaat AI; ini bukan pengukuran kerugian.
- [Julian Togelius: Tolong, jangan otomatisasi sains!](https://togelius.blogspot.com/2025/12/please-dont-automate-science.html) — Esai asli membedakan bantuan dari tindakan membuat ilmuwan tidak lagi diperlukan. Argumennya menyangkut daya bertindak dan makna dalam masa depan hipotetis, bukan ramalan yang terverifikasi.
- [Dario Amodei: Mesin dengan Rahmat Kasih](https://darioamodei.com/essay/machines-of-loving-grace) — Esai optimistis yang secara tegas bersifat spekulatif, termasuk batasan praktis dan persoalan ekonomi yang belum terselesaikan. Skenarionya tidak menetapkan jadwal atau hasil medis tertentu.