کلود و فرضیه‌ی ریمان: رکورد تازه‌ی هوش مصنوعی در ریاضیات

نسخه‌ای منتشرنشده از کلود، مدل هوش مصنوعی شرکت Anthropic، در تلاش برای پیشرفت روی یکی از مشهورترین معماهای ریاضیات، یعنی فرضیه‌ی ریمان، به نتیجه‌ای رسید که حتی ریاضی‌دان‌های حرفه‌ای را غافلگیر کرد.

۱. فرضیه‌ی ریمان چیست و چرا این‌قدر مهم است؟

فرضیه‌ی ریمان یکی از قدیمی‌ترین و مشهورترین معماهای حل‌نشده‌ی تاریخ ریاضیات است؛ معمایی که ریاضی‌دان آلمانی برنارد ریمان در سال ۱۸۵۹ مطرح کرد و از آن زمان تاکنون، بزرگ‌ترین ذهن‌های ریاضی جهان نتوانسته‌اند آن را به‌طور کامل حل کنند. این فرضیه درباره‌ی الگوی توزیع اعداد اول است؛ اعدادی که فقط بر خودشان و یک بخش‌پذیرند و ستون فقرات بسیاری از حوزه‌های ریاضیات و رمزنگاری امروزی محسوب می‌شوند.

در قلب این فرضیه، تابعی به نام «تابع زتای ریمان» قرار دارد. ریمان حدس زد که تمام «صفرهای غیربدیهی» این تابع روی یک خط عمودی خاص به نام خط بحرانی قرار می‌گیرند. اگر این حدس درست باشد، پیش‌بینی الگوی اعداد اول به‌طرز چشمگیری دقیق‌تر خواهد شد. به همین دلیل، مؤسسه‌ی ریاضیات کلی (Clay Mathematics Institute) جایزه‌ای یک‌میلیون‌دلاری برای اثبات یا رد قطعی این فرضیه در نظر گرفته است؛ جایزه‌ای که هنوز کسی آن را دریافت نکرده است.

از آنجا که اثبات کامل فرضیه بسیار دشوار است، بخش زیادی از تلاش ریاضی‌دانان روی این متمرکز شده که ثابت کنند چه درصدی از این صفرها حتماً روی خط بحرانی قرار دارند. هرچه این درصد بالاتر برود، جامعه‌ی ریاضی به اثبات کامل فرضیه نزدیک‌تر می‌شود؛ همین عدد است که کلود توانسته آن را به‌طور قابل‌توجهی افزایش دهد.

۲. کلود دقیقاً چه دستاوردی داشت؟

بر اساس گزارش رسمی Anthropic، یک نسخه‌ی پژوهشی از کلود که هنوز به‌صورت عمومی منتشر نشده، در حین تلاش برای کار روی فرضیه‌ی ریمان، به‌طور غیرمنتظره روی یک مسئله‌ی مرتبط پیشرفت کرد. پیش از این، بهترین نتیجه‌ی اثبات‌شده در این حوزه نشان می‌داد دست‌کم ۴۱.۶ درصد از صفرهای تابع زتا روی خط بحرانی قرار دارند. کلود این مرز را به ۶۷.۲ درصد رساند؛ جهشی که با روش‌های سنتی ریاضی معمولاً سال‌ها یا حتی دهه‌ها زمان می‌برد.

نکته‌ی مهم این است که کلود فرضیه‌ی ریمان را حل نکرده است؛ در عوض، روی یکی از مسائل جانبی و مرتبط با آن، با ترکیب تکنیک‌های ریاضی جدید، به نتیجه‌ای رسیده که پایه‌ی محکم‌تری برای پژوهش‌های آینده فراهم می‌کند. به گفته‌ی Anthropic، بخش کلیدی این دستاورد ساختن یک «فضای تابعی با فرم درجه‌دوم» بود که در آن، زیرفضاهای مثبت‌معین و منفی‌معین به‌طور هم‌زمان و به‌صورت غیرقطری در نظر گرفته شدند؛ گامی که دقیقاً همان چیزی بود که به نتیجه‌گیری نهایی منجر شد.

۳. از ۴۱.۶ به ۶۷.۲ درصد: این عدد یعنی چه؟

برای درک بهتر این دستاورد، باید به روند کند و تدریجی پیشرفت در این حوزه نگاه کرد. طی چند دهه‌ی گذشته، ریاضی‌دانان مختلف با انتشار مقالات پژوهشی متعدد، این مرز را قدم‌به‌قدم و معمولاً با افزایش‌های چند دهم درصدی بالا برده‌اند. جهش ۲۵.۶ واحد درصدی که کلود در یک بازه‌ی زمانی کوتاه ثبت کرد، از نظر مقیاس، با استانداردهای معمول این حوزه قابل مقایسه نیست.

به بیان ساده‌تر، کلود توانست بخش بزرگ‌تری از «فضای نامعلوم» فرضیه‌ی ریمان را به «فضای اثبات‌شده» تبدیل کند. این موضوع نه‌تنها برای نظریه‌ی اعداد اهمیت دارد، بلکه می‌تواند به‌مرور در حوزه‌هایی مانند رمزنگاری، امنیت داده و حتی برخی الگوریتم‌های محاسباتی که بر پایه‌ی فرضیات مرتبط با اعداد اول ساخته شده‌اند، تأثیرگذار باشد.

۴. پشت‌صحنه‌ی کار: شصت عامل هوشمند و ۳۱ میلیون توکن

روند رسیدن به این نتیجه، خودش داستانی جالب از نحوه‌ی کار مدل‌های هوش مصنوعی پیشرفته‌ی امروزی است. در تلاش نخست، کلود ۶۵۰ ایده‌ی متفاوت را برای پیشبرد مسئله امتحان کرد که همگی به بن‌بست رسیدند. اما در دور دوم، به‌جای تکیه بر یک نمونه‌ی واحد از مدل، Anthropic از رویکرد «هماهنگی چند‌عاملی» یا multi-agent orchestration استفاده کرد؛ روشی که در آن، نزدیک به شصت نمونه‌ی هم‌زمان از کلود (subagent) به‌صورت موازی و در ارتباط با یکدیگر روی بخش‌های مختلف مسئله کار کردند.

این تیم از عامل‌های هوشمند، در بازه‌ی زمانی حدود یک‌ونیم روز، بیش از ۲۴۰۰ دستور اجرایی صادر کردند و ده‌ها اسکریپت پایتون برای آزمایش فرضیه‌های ریاضی مختلف نوشتند. در مجموع، این فرآیند بیش از ۳۱ میلیون توکن خروجی مصرف کرد؛ رقمی که مقیاس واقعی محاسباتی این نوع پژوهش با کمک هوش مصنوعی را نشان می‌دهد. جالب است بدانید مشارکت انسانی در این پروژه بسیار محدود بود و عمدتاً به تشویق و راهنمایی کلی از سوی یکی از کارکنان Anthropic به نام جرد سامنر (Jarred Sumner) خلاصه می‌شد.

۵. تأیید مستقل: چرا این ادعا قابل‌اعتماد است؟

در دنیای پژوهش‌های هوش مصنوعی، ادعاهای بزرگ کم نیستند؛ اما آنچه این خبر را متفاوت می‌کند، فرآیند اعتبارسنجی دقیقی است که پشت آن قرار دارد. نتایج کلود ابتدا توسط دو ریاضی‌دان داخلی تیم Anthropic بررسی شد. سپس، برای اطمینان بیشتر، این یافته برای دو کارشناس مستقل و شناخته‌شده در حوزه‌ی نظریه‌ی اعداد، برایان کانری (Brian Conrey) و دن گلدستون (Dan Goldston)، ارسال شد تا آن را از دید تخصصی بررسی کنند.

علاوه بر بررسی انسانی، کلود یک اثبات قابل‌تأیید در نرم‌افزار Lean هم تولید کرد؛ ابزاری که به‌صورت خودکار صحت منطقی هر گام از استدلال ریاضی را بررسی می‌کند و امکان خطای انسانی یا محاسباتی پنهان را به حداقل می‌رساند. جالب اینکه در مراحل اولیه، خود کلود هم نسبت به درستی یافته‌های خودش تردید داشت و این نتیجه فقط پس از بررسی‌های مکرر و آزمون‌های عددی گسترده در برابر صفرهای شناخته‌شده‌ی تابع زتا، مورد تأیید نهایی قرار گرفت.

۶. آیا این یعنی فرضیه‌ی ریمان حل شده است؟

پاسخ کوتاه، خیر است. Anthropic به‌صراحت اعلام کرده که «انتظار نداریم روش‌هایی که کلود استفاده کرده، منجر به اثبات کامل فرضیه‌ی ریمان شود». این دستاورد، پیشرفتی روی یک مسئله‌ی مرتبط و کمکی است، نه حل معمای اصلی. با این حال، اهمیت این خبر در جای دیگری نهفته است: نشان می‌دهد مدل‌های زبانی بزرگ، وقتی به‌درستی هماهنگ و مدیریت شوند، می‌توانند در مسائلی که به تخصص عمیق ریاضی و خلاقیت نیاز دارند هم مفید باشند؛ حوزه‌ای که تا همین چند سال پیش، تصور غالب این بود که صرفاً در انحصار ذهن انسانی باقی خواهد ماند.

اگر برای‌تان جالب است بدانید مرز واقعی توانایی‌های هوش مصنوعی امروز کجاست و کجا هنوز به انسان نیاز داریم، پیشنهاد می‌کنیم نگاهی به تحلیل قابلیت‌ها و محدودیت‌های واقعی هوش مصنوعی در سایت ما بیندازید.

۷. جایگاه این خبر در رقابت هوش مصنوعی و کاربردهای عملی آن

این دستاورد در بحبوحه‌ی رقابتی شدید میان غول‌های هوش مصنوعی رخ می‌دهد. شرکت‌هایی مانند OpenAI با مدل‌های خانواده‌ی GPT، گوگل با جمینای، و xAI با گروک، هرکدام تلاش می‌کنند خودشان را نه‌فقط در چت و تولید محتوا، بلکه در حوزه‌هایی مانند کدنویسی پیشرفته، تحقیقات علمی و حالا حتی ریاضیات محض متمایز کنند. اگر می‌خواهید بدانید OpenAI، خالق ChatGPT، دقیقاً چه شرکتی است و چه چیزی آن را از رقبا متمایز می‌کند، مقاله‌ی OpenAI چیست؟ را در سایت ما بخوانید. همچنین برای مقایسه‌ی عملکرد مدل‌های مختلف در کارهای تحلیلی و استراتژیک، سراغ مقایسه‌ی ChatGPT و DeepSeek در شطرنج بروید.

فراتر از رقابت شرکت‌ها، این نوع خبرها برای کسب‌وکارها هم پیام روشنی دارد: هوش مصنوعی دیگر صرفاً ابزاری برای نوشتن ایمیل یا خلاصه‌سازی متن نیست، بلکه می‌تواند در تحلیل‌های پیچیده و تصمیم‌گیری‌های داده‌محور هم نقش پررنگ‌تری ایفا کند. اگر می‌خواهید بدانید چرا هوش مصنوعی برای کسب‌وکار شما اهمیت روزافزونی پیدا کرده، مقاله‌ی اهمیت هوش مصنوعی در کسب‌وکار راهنمای خوبی است. و اگر شما هم می‌خواهید از ابزارهایی مثل کلود یا ChatGPT برای پروژه‌های خودتان استفاده‌ی بهتری بکنید، پیشنهاد می‌کنیم آموزش نوشتن پرامپت برای مبتدیان را از دست ندهید.

در عین حال، لازم است با دید واقع‌بینانه به این خبرها نگاه کرد. همان‌طور که در مقاله‌ی توهم هوش مصنوعی: توسعه‌دهنده‌ی تنها در برابر مهندس واقعی هم بررسی کرده‌ایم، دستاوردهای چشمگیر هوش مصنوعی معمولاً نتیجه‌ی هماهنگی دقیق انسانی، زیرساخت قدرتمند و مهندسی حرفه‌ای پشت صحنه هستند، نه صرفاً «جادوی» یک مدل به‌تنهایی. برای پیگیری منظم این‌گونه تحولات، سری بزنید به بخش اخبار هوش مصنوعی سایت Mr ChatGPT.

سوالات متداول

آیا فرضیه‌ی ریمان حل شده است؟
خیر. کلود روی یک مسئله‌ی مرتبط پیشرفت کرده، نه اصل فرضیه. خود Anthropic هم تأکید کرده این روش احتمالاً به حل کامل فرضیه منجر نمی‌شود.

چرا مرز ۶۷.۲ درصد این‌قدر مهم است؟
چون نشان می‌دهد بخش بزرگ‌تری از صفرهای تابع زتای ریمان به‌طور قطعی روی خط بحرانی قرار دارند؛ گامی که پژوهشگران را به اثبات کامل فرضیه نزدیک‌تر می‌کند.

آیا این یافته توسط انسان بررسی شده؟
بله. دو ریاضی‌دان داخلی Anthropic و دو کارشناس مستقل نظریه‌ی اعداد، نتایج را تأیید کرده‌اند و کلود اثباتی قابل‌تأیید در Lean هم ارائه داده است.

این خبر چه ربطی به کاربران عادی کلود یا ChatGPT دارد؟
این دستاورد از یک نسخه‌ی پژوهشی و منتشرنشده به دست آمده و هنوز در دسترس عموم نیست؛ اما نشان می‌دهد مسیر توسعه‌ی این مدل‌ها به سمت توانایی‌های استدلالی عمیق‌تر پیش می‌رود.