شهریور
اخبار
کلود قضیهی فرما را در ۱۱ روز فرمالسازی کرد؛ رکورد تازهی هوش مصنوعی در ریاضیات
مدل کلود انتروپیک برای اولینبار در تاریخ، اثبات قضیهی فرما را بهطور کامل و خودکار به زبان رسمی لین فرمالسازی کرد؛ کاری که ریاضیدانان انتظار داشتند سالها طول بکشد اما تنها در ۱۱ روز به پایان رسید.
لیست مطالب
۱. چرا این خبر یک نقطهعطف در تاریخ هوش مصنوعی است؟
هر از گاهی یک خبر منتشر میشود که مرز میان توانایی انسان و ماشین را جابهجا میکند. فرمالسازی کامل اثبات قضیهی فرما توسط مدل کلود دقیقاً یکی از همین لحظههاست. تا پیش از این، فرمالسازی اثباتهای بزرگ ریاضی کاری بود که تیمهای بزرگی از ریاضیدانان متخصص، سالها روی آن کار میکردند. حالا یک مدل هوش مصنوعی، با کمترین دخالت انسانی، همان کار را در کمتر از دو هفته انجام داده است. این دستاورد را میتوان در کنار دیگر رویدادهای مهم اخیر هوش مصنوعی، از جمله معرفی مدلهای جدید مثل جیپیتی-۶ استرا، در فهرست بزرگترین اتفاقات سال قرار داد. برای پیگیری اینگونه اخبار بهصورت روزانه میتوانید سری به بخش اخبار هوش مصنوعی سایت بزنید.
۲. قضیهی فرما چیست و چرا نزدیک به چهارصد سال حلنشده باقی ماند؟
در سال ۱۶۳۷ میلادی، ریاضیدان فرانسوی پییر دو فرما در حاشیهی یک کتاب نوشت که برای این گزاره اثباتی زیبا در اختیار دارد: هیچ سه عدد صحیح مثبت a و b و c وجود ندارد که در معادلهی aⁿ+bⁿ=cⁿ برای هیچ توان بزرگتر از دو صدق کند. او هرگز این اثبات را ننوشت و نسلهای متمادی از ریاضیدانان برای یافتن آن تلاش کردند. سرانجام در سال ۱۹۹۵، ریاضیدان بریتانیایی اندرو وایلز پس از سالها کار پنهانی، اثباتی ۱۲۹ صفحهای منتشر کرد که جامعهی ریاضی جهان را متحول کرد. بررسی نهایی این اثبات توسط داوران متخصص، خود ماهها زمان برد؛ نشانهای از پیچیدگی فوقالعادهی استدلالهای بهکاررفته در آن.
۳. فرمالسازی یعنی چه و چرا اهمیت دارد؟
فرمالسازی به فرآیند تبدیل یک اثبات ریاضی نوشتهشده به زبان طبیعی، به کدی گفته میشود که یک نرمافزار به نام دستیار اثبات میتواند آن را خطبهخط و بهطور خودکار بررسی و تأیید کند؛ در این پروژه، زبان مورد استفاده، لین (Lean) بوده است. برخلاف تصور رایج، فرمالسازی کار سادهای نیست؛ چراکه اثباتهای ریاضی معمولاً خلاصه و متکی بر دانش ضمنی نویسنده نوشته میشوند، در حالیکه رایانه به توضیحات کاملاً دقیق و بدون هیچ جای خالی نیاز دارد. از سوی دیگر، چون استدلالها زنجیرهوار روی هم بنا میشوند، کوچکترین خطا در یک مرحله میتواند کل اثبات را بیاعتبار کند. برای آشنایی بیشتر با محدودیتها و تواناییهای واقعی این فناوری، مطالعهی این مطلب را پیشنهاد میکنیم: تواناییها و محدودیتهای واقعی هوش مصنوعی.
چرا تیمهای انسانی تا امروز موفق نشده بودند؟
از سال ۲۰۲۴، ریاضیدانی به نام کوین بازارد از دانشگاه امپریال کالج لندن، یک پروژهی گروهی و متنباز برای فرمالسازی اثبات وایلز راهاندازی کرده بود. پیشبینی خودِ او این بود که این کار سالها به طول میانجامد، چون حجم دانش پیشنیاز و تعداد قضیههای میانی موردنیاز بهقدری زیاد است که هماهنگسازی آن میان چند ریاضیدان داوطلب، بسیار کند پیش میرود.
۴. کلود چگونه این پروژهی غولآسا را در ۱۱ روز به پایان رساند؟
بر اساس گزارش رسمی منتشرشده توسط انتروپیک، پروژه با راهنمایی محدود پژوهشگری به نام تیانیی پنگ آغاز شد. تلاشهای اولیهی مدل کلود برای فرمالسازی این اثبات، بدون ساختار مشخص، با شکست مواجه شد؛ چون عاملهای هوش مصنوعی بهسادگی رد پیشرفت پروژه را در میان حجم عظیم قضیههای بههموابسته گم میکردند. نقطهی عطف کار زمانی رقم خورد که تیم پروژه از ابزاری تازه به نام پروو۲می (Prove2Me) استفاده کرد؛ بستری که پنگ و همکارانش در دانشگاه کلمبیا طراحی کرده بودند و ساختار قضیهها را در قالب یک نمودار جهتدار و بدون حلقه سازماندهی میکرد. این ساختار به چند عامل کلود اجازه داد بهطور همزمان و بدون تداخل، روی بخشهای مختلف اثبات کار کنند.
راهنمایی انسانی، نه برنامهنویسی خطبهخط
نکتهی جالب توجه اینجاست که دخالت انسانی در این پروژه، محدود به جملههای راهبردی کوتاهی مثل «اولویت را به قضیهی مازور بدهید» یا «بررسی طرحوارهی یاکوبی در اولویت باشد» بود، نه نوشتن کد یا اثبات دقیق قضیهها. این الگو نشان میدهد که در آینده، نقش انسان در اینگونه پروژهها بیشتر شبیه یک مدیر پروژه یا کارگردان راهبردی خواهد بود، نه یک برنامهنویس اجرایی. اگر میخواهید یاد بگیرید چطور دستورهای مؤثرتری به مدلهای هوش مصنوعی بدهید، این راهنما را از دست ندهید: آموزش نوشتن پرامپت برای مبتدیان.
۵. اعداد و ارقام این دستاورد: سیزده میلیون خط کد و سیهزار قضیه
مقیاس این پروژه واقعاً چشمگیر است. طبق اعلام انتروپیک، کلود در مجموع سیزده میلیون خط کد به زبان لین تولید کرد؛ رقمی بیش از پنج برابر بزرگتر از حجم کل کتابخانهی مرجع ریاضیات به نام متمتیب (Mathlib) که سالها توسط جامعهی جهانی ریاضیدانان ساخته شده است. در طول این مسیر، سیهزار و سیصد قضیهی میانی اثبات شد که از این میان، بیستونههزار و پانصد مورد مستقیماً در ساختار نهایی اثبات به کار رفتند؛ باقی موارد نیز حاصل تلاشهای اولیه و مسیرهای ناموفقی بودند که در نهایت حدود هفت درصد از خطوط غیرتکراری پروژه را تشکیل دادند. برای تولید این حجم از کد، مدلی همرده با کلود فیبل ۵.۱ حدود شش میلیارد توکن خروجی تولید کرده است؛ عددی که بهخوبی نشان میدهد چرا زیرساختهای محاسباتی قدرتمند، امروز یک مزیت رقابتی کلیدی برای شرکتهای هوش مصنوعی بهشمار میروند.
۶. مقایسه با رقبا: رقابت گرم فرمالسازی و استدلال ریاضی در هوش مصنوعی
این دستاورد در بازهای رخ میدهد که رقابت میان آزمایشگاههای بزرگ هوش مصنوعی بر سر توانایی استدلال ریاضی و علمی، هرروز داغتر میشود. مدلهای رقیب مثل جمینای گوگل و جیپیتی-۶ استرا نیز در ماههای اخیر پیشرفتهای قابلتوجهی در حل مسائل ریاضی سطح المپیاد و استدلال چندمرحلهای نشان دادهاند. با این حال، فرمالسازی یک اثبات کامل و شناختهشده مثل قضیهی فرما، سطحی متفاوت از دقت و پایداری استدلال را میطلبد که فراتر از حل تکمسئلهای است. برای درک بهتر تفاوت رویکردهای مختلف مدلهای هوش مصنوعی در حل مسائل پیچیده، این تحلیل را هم بخوانید: مقایسهی چتجیپیتی و دیپسیک در مسائل استراتژیک.
۷. این دستاورد چه معنایی برای آیندهی علم و کسبوکار دارد؟
فرمالسازی خودکار تنها یک نمایش قدرت فنی نیست؛ بلکه راهحلی برای یکی از بزرگترین چالشهای علم مدرن است: چگونه میتوان به درستی حجم عظیمی از یافتههای علمی، بهویژه یافتههای تولیدشده توسط خودِ هوش مصنوعی، اطمینان حاصل کرد؟ تا امروز، بررسی انسانی تنها راه اعتبارسنجی اثباتهای پیچیده بود؛ فرآیندی که میتواند ماهها طول بکشد، همانطور که در مورد اثبات اصلی وایلز هم اتفاق افتاد. با گسترش فرمالسازی خودکار، شرکتها و مؤسسات پژوهشی میتوانند خروجیهای علمی و مهندسی هوش مصنوعی را با سرعت و دقت بسیار بیشتری تأیید کنند؛ موضوعی که تأثیر مستقیمی بر صنایعی از داروسازی گرفته تا مهندسی نرمافزار خواهد داشت. اگر میخواهید بدانید هوش مصنوعی چطور میتواند برای کسبوکار شما هم ارزش واقعی بسازد، این مطلب را از دست ندهید: چرا هوش مصنوعی برای کسبوکارها در سال ۲۰۲۵ اهمیت دارد؟
۸. آیا هوش مصنوعی جای ریاضیدانهای انسانی را میگیرد؟
با وجود این دستاورد چشمگیر، کارشناسان تأکید میکنند که کلود در این پروژه، نظریه یا ایدهی ریاضی تازهای خلق نکرده است؛ بلکه یک اثبات موجود و شناختهشده را به زبان قابلفهم برای رایانه بازنویسی کرده است. خلاقیت ریاضی، یعنی طرح گزارههای تازه و یافتن مسیرهای اثبات ناشناخته، همچنان میدانی است که انسان در آن نقش محوری دارد. تفاوت میان اجرای دقیق یک فرآیند شناختهشده و خلق نوآوری واقعی، همان بحثی است که در تحلیلهای مربوط به مرز میان توسعهدهندههای واقعی و ابزارهای خودکار هم مطرح میشود؛ موضوعی که در این مطلب بهتفصیل بررسی شده: مرز میان توهم مهارت و مهندسی واقعی در عصر هوش مصنوعی.
۹. مسیر پیش رو: از قضیهی فرما تا فرمالسازی کل ریاضیات مدرن
کوین بازارد، همان ریاضیدانی که پروژهی فرمالسازی اصلی را آغاز کرده بود، این اتفاق را نقطهعطفی بزرگ توصیف کرده و میگوید حالا که فرمالسازی خودکار قضیهی فرما ممکن شده، گامی بزرگ بهسمت فرمالسازی خودکار کل ادبیات ریاضی مدرن برداشتهایم. انتروپیک نیز اعلام کرده که کد کامل این پروژه و شرح گامبهگام آن را بهصورت متنباز روی گیتهاب منتشر کرده تا جامعهی جهانی ریاضیدانان بتوانند روی آن نظارت و کار کنند. تجربههای مشابه دیگر، مثل تکمیل فرمالسازی قضیهی سهعدد اول وینوگرادوف تنها در سه روز توسط عاملهای هوش مصنوعی، نشان میدهد این روند تازه در آغاز راه خود قرار دارد. برای آشنایی با کلیت شرکتهایی که این فناوریها را میسازند، مرور این معرفی هم خالی از لطف نیست: اپنایآی چیست و چه میسازد؟
پرسشهای متداول
آیا کلود قضیهی تازهای کشف کرده است؟
خیر. کلود اثبات شناختهشدهی اندرو وایلز از سال ۱۹۹۵ را به زبان رسمی لین فرمالسازی و بهطور خودکار تأیید کرده است، نه اینکه اثبات یا قضیهی جدیدی ابداع کرده باشد.
فرمالسازی دقیقاً چه فایدهای دارد؟
فرمالسازی تضمین میکند که یک اثبات ریاضی، بدون کوچکترین خطای منطقی، توسط رایانه قابل بررسی و تأیید باشد؛ کاری که بررسی انسانی بهتنهایی نمیتواند با همان سرعت و اطمینان انجام دهد.
این پروژه چقدر طول کشید و چه هزینهای داشت؟
طبق گزارش انتروپیک، کل فرآیند ۱۱ روز به طول انجامید و برای تولید سیزده میلیون خط کد، حدود شش میلیارد توکن خروجی مصرف شد.
آیا کد این پروژه در دسترس عموم است؟
بله؛ انتروپیک اعلام کرده که کد کامل و شرح گامبهگام پروژه را بهصورت متنباز روی گیتهاب منتشر کرده تا جامعهی ریاضیدانان بتوانند آن را بررسی و بر پایهی آن کار کنند.
نسخهٔ فوری این مطلب در تلگرام: اینجا بخوانید
