مهر
اخبار
میوز اسپارک متا؛ جهشی در ریاضیات یا جنجالی تازه؟
شرکت متا مدعی شده مدل هوش مصنوعی‌اش به نام میوز اسپارک، در کنار چند ریاضی‌دان واقعی، پنج مسئله‌ی حل‌نشده‌ی ریاضیات را برای اولین‌بار پاسخ داده است؛ اما فقط یک روز بعد، یک پژوهشگر مستقل نیمی از این ادعا را زیر سؤال برد.
لیست مطالب
۱. ادعای بزرگ متا: شش مقاله، پنج مسئله‌ی حل‌نشده
ماجرا از یک پست رسمی در وبلاگ پژوهشی متا شروع شد. این شرکت نوشت که پس از رسیدن مدل‌هایش به عملکردی «در سطح مدال طلا» در چند مسابقه‌ی المپیاد ریاضی، فیزیک و شیمی، این بار یک قدم جلوتر رفته و از خودش پرسیده: آیا هوش مصنوعی می‌تواند در یک مسئله‌ی واقعاً باز، یعنی مسئله‌ای بدون مسیر حل شناخته‌شده، هم کمک کند؟ پاسخ متا به این پرسش، شش مقاله‌ی علمی بود که طی چند ماه همکاری میان مدل میوز اسپارک و گروهی از ریاضی‌دان‌های واقعی نوشته شده‌اند. به گفته‌ی متا، پنج مورد از این شش مقاله برای نخستین‌بار مسئله‌هایی را حل کرده‌اند که پیش از آن هیچ راه‌حل شناخته‌شده‌ای نداشتند.
چنین ادعایی اگر درست از آب در بیاید، یک نقطه‌ی عطف واقعی برای صنعت هوش مصنوعی است؛ چون فاصله‌ی زیادی هست بین حل مسئله‌های آموزشی و تمرینی (مثل المپیادها) و کمک به تولید دانش کاملاً تازه. به همین دلیل هم این خبر در همان ساعات اول انتشار، توجه رسانه‌ها و پژوهشگران زیادی را جلب کرد.
۲. میوز اسپارک چیست و چه کسی از آن استفاده کرد؟
میوز اسپارک نسخه‌ای از خانواده‌ی مدل‌های هوش مصنوعی متاست که با یک حالت «تفکر عمیق» یا Thinking Mode عرضه شده و نسخه‌های ۱.۱ و ۱.۲ آن در این پروژه به کار رفته‌اند. نکته‌ی جالب این‌جاست که ریاضی‌دان‌های همکار متا، هیچ ابزار پژوهشی ویژه یا نسخه‌ی اختصاصی از مدل در اختیار نداشتند؛ آن‌ها فقط از همان اپلیکیشن عمومی متا، دقیقاً مثل یک کاربر عادی، استفاده کرده‌اند. همین موضوع نشان می‌دهد که حتی یک کاربر معمولی هم می‌تواند با پرامپت‌نویسی درست از همین ابزارهای در دسترس، نتیجه‌های جدی بگیرد؛ هرچند در سطحی بسیار ساده‌تر از یک پروژه‌ی پژوهشی چندماهه.
۳. شش مسئله‌ای که قرار بود برای همیشه حل شوند
موضوع این شش مقاله در حوزه‌های کاملاً متفاوتی از ریاضیات و فیزیک نظری پخش شده است. یکی از مقاله‌ها درباره‌ی پیدا کردن مرز دقیق برای چیدن نقاط تصادفی گاوسی درون بیضی‌گون‌ها در فضاهای چندبعدی است. مقاله‌ی دیگر به اثبات فروپاشی در زمان محدود برای یک مدل معادله‌ی شرودینگر غیرخطی دوهارمونیک می‌پردازد؛ موضوعی که در دنیای معادلات دیفرانسیل جزو مسئله‌های سخت شناخته می‌شود.
در حوزه‌ی نظریه‌ی گروه‌ها هم یک حدس قدیمی از سال ۲۰۲۴ رد شده است؛ این بار با پیدا کردن یک ضدمثال ۳۸۴ عضوی. مقاله‌ی چهارم به بهینه‌سازی ترکیبیاتی مربوط می‌شود و توضیح می‌دهد در چه شرایطی روش‌های تخفیف مبتنی بر چرخه، برای مسئله‌های چندجمله‌ای دودویی، جواب دقیق می‌دهند. مقاله‌ی پنجم محاسبات رشته‌ی p-ادیک را به توابع ارتفاع روی منحنی‌ها وصل می‌کند و مقاله‌ی ششم هم یک حدس در حوزه‌ی جبرهای غیرشرکت‌پذیر را با یک ضدمثال سه‌بعدی رد کرده است.
متا تأکید کرده که این فرایند کاملاً زیر نظر انسان پیش رفته: ریاضی‌دان‌ها مسیر پژوهش را تعیین می‌کردند، یک تیم دوم نتیجه‌ی نهایی را بازبینی می‌کرد و در خود مقاله‌ها هم دقیقاً مشخص شده کدام بخش را مدل نوشته و کدام بخش را انسان نوشته است. نقش میوز اسپارک بیشتر نوشتن اثبات‌های فنی، پیدا کردن ضدمثال‌ها و کمک به بخش‌های محاسباتی بوده، نه جایگزینی کامل پژوهشگر انسانی.
۴. جنجال: ادعای جیسون دین لی
درست یک روز بعد از انتشار این اطلاعیه، یعنی سوم اکتبر، پژوهشگری به نام جیسون دین لی این دستاورد را زیر سؤال برد. به گفته‌ی او، نیمی از شش مسئله‌ای که متا آن‌ها را «حل‌نشده» معرفی کرده بود، پیش از این هم توسط گروه‌های دیگر پاسخ داده شده بودند؛ یعنی از نگاه او، فقط سه مورد از شش مورد واقعاً دستاورد تازه محسوب می‌شوند، نه پنج یا شش مورد.
متا تا لحظه‌ی انتشار این گزارش پاسخ رسمی به این ادعا نداده، اما خودش هم در متن اصلی اطلاعیه اشاره کرده بود که برای برخی از این مسئله‌ها، تیم‌های دیگری هم به‌طور مستقل و هم‌زمان به راه‌حل رسیده‌اند؛ نکته‌ای که متا آن را نشانه‌ی «روحیه‌ی همکاری در جامعه‌ی علمی» دانسته بود، نه نشانه‌ی ضعف در ادعای خودش.
۵. چرا این بحث فقط درباره‌ی ریاضی نیست
این اختلاف‌نظر، در واقع یک نمونه‌ی کوچک از یک بحث بزرگ‌تر در کل صنعت هوش مصنوعی است: فاصله‌ی میان چیزی که یک شرکت در اطلاعیه‌ی رسمی‌اش تعریف می‌کند و چیزی که در بررسی دقیق‌تر از آب درمی‌آید. همین چند هفته‌ی اخیر، چند مورد مشابه هم در صنعت دیده شده که توضیح می‌دهد چرا مقاله‌ای مثل توهم هوش مصنوعی؛ توسعه‌دهنده‌ی تنها در برابر مهندس واقعی این روزها این‌قدر به‌روز است: هرچه رقابت بین شرکت‌های بزرگ هوش مصنوعی داغ‌تر می‌شود، فاصله‌ی بین تبلیغات و واقعیت فنی هم بیشتر زیر ذره‌بین می‌رود.
نکته‌ی دیگری که این بحث را جدی‌تر می‌کند، این است که داوری درباره‌ی «تازگی» یک اثبات ریاضی، خودش کار ساده‌ای نیست. گاهی دو گروه پژوهشی کاملاً مستقل، هم‌زمان و بدون اطلاع از کار یکدیگر، به یک نتیجه می‌رسند؛ این اتفاق پیش از دوران هوش مصنوعی هم بارها در تاریخ ریاضیات افتاده است. به همین دلیل، تشخیص این‌که آیا متا واقعاً در بررسی سابقه‌ی این مسئله‌ها شتاب‌زده عمل کرده یا صرفاً با یک هم‌پوشانی طبیعی در پژوهش روبه‌رو شده، به زمان و بررسی بیشتر جامعه‌ی علمی نیاز دارد.
۶. این اولین‌بار نیست که هوش مصنوعی وارد ریاضیات ناب می‌شود
پیش از میوز اسپارک هم تلاش‌های جدی دیگری در این مسیر انجام شده بود. برای نمونه، سامانه‌های دیپ‌مایند گوگل با نام‌هایی مثل آلفاپروف و آلفاجئومتری، در المپیاد جهانی ریاضی سال ۲۰۲۴ به عملکردی در حد مدال نقره رسیدند؛ دستاوردی که در آن زمان هم بحث‌های زیادی درباره‌ی معنای واقعی «فهم ریاضی» در ماشین‌ها به راه انداخت. برخی ریاضی‌دان‌های سرشناس هم از قبل با ابزارهای هوش مصنوعی و دستیارهای اثبات‌یاب مثل Lean برای بررسی گام‌به‌گام برهان‌های پیچیده همکاری کرده‌اند. تفاوت اصلی ماجرای میوز اسپارک این است که متا ادعا می‌کند این بار نتیجه، نه یک تمرین آزمایشی، بلکه پاسخ به مسئله‌های کاملاً باز و بدون راه‌حل قبلی بوده است؛ و دقیقاً همین ادعای بزرگ‌تر است که حالا زیر ذره‌بین جامعه‌ی علمی رفته.
۷. متا در برابر رقبا: ریاضیات به میدان جدید رقابت تبدیل شده
متا تنها شرکتی نیست که این روزها روی توانایی‌های ریاضی و علمی مدل‌هایش مانور می‌دهد. همین امسال، شرکت‌های دیگر هم با انتشار نتایج مدل‌هایشان در مسابقات المپیاد و بنچمارک‌های سخت ریاضی، وارد همین میدان شده‌اند. برای آشنایی بیشتر با یکی از این رقیب‌ها و نقشش در این بازار، می‌توانید سری به مطلب اوپن‌ای‌آی چیست؟ در سایت ما بزنید. مقایسه‌ی رویکردهای مختلف شرکت‌ها در طراحی مدل‌های استدلالی هم در مطلب چت‌جی‌پی‌تی در برابر دیپ‌سیک با جزئیات بیشتری بررسی شده است.
۸. محدودیت‌هایی که نباید فراموش کرد
فارغ از این‌که ادعای متا چند مسئله را واقعاً برای اولین‌بار حل کرده، یک نکته‌ی مهم‌تر هم وجود دارد: حتی در بهترین حالت، هوش مصنوعی در این پروژه نقش دستیار داشته، نه جایگزین پژوهشگر. مسیر پژوهش را انسان تعیین کرده، نتیجه را انسان بازبینی کرده و بدون نظارت دقیق ریاضی‌دان‌ها، به احتمال زیاد بخش زیادی از این اثبات‌ها قابل اعتماد نبودند. برای درک بهتر این مرز میان توانایی واقعی و محدودیت‌های فعلی هوش مصنوعی، مطلب پتانسیل واقعی و محدودیت‌های هوش مصنوعی در سایت ما را از دست ندهید.
۹. این خبر برای کسب‌وکارها و کاربران عادی چه معنایی دارد؟
شاید فکر کنید این خبر فقط به دنیای دانشگاه و پژوهش مربوط است، اما واقعیت این است که همین توانایی استدلال پیچیده که در حل مسئله‌های ریاضی به کار رفته، دقیقاً همان قابلیتی است که بعدتر در تحلیل داده‌های کسب‌وکار، برنامه‌ریزی مالی و حتی طراحی محصول هم به کار می‌آید. اگر می‌خواهید بدانید چرا این نوع پیشرفت‌ها برای شرکت‌ها هم اهمیت دارد، مطلب چرا هوش مصنوعی برای کسب‌وکار ۲۰۲۵ مهم است را بخوانید. برای کسانی که می‌خواهند از همین حالا با ابزارهایی مثل میوز اسپارک یا چت‌جی‌پی‌تی کار روزمره‌شان را بهتر کنند، بخش آموزش‌های چت‌جی‌پی‌تی در سایت ما نقطه‌ی خوبی برای شروع است.
بعد از این خبر چه اتفاقی می‌افتد؟
در روزهای آینده احتمالاً دو مسیر موازی را شاهد خواهیم بود: از یک طرف، جامعه‌ی ریاضی‌دانان مستقل این شش مقاله را یکی‌یکی بررسی می‌کنند تا مشخص شود دقیقاً چند مورد از آن‌ها واقعاً تازه بوده‌اند. از طرف دیگر، متا و رقبایش به‌احتمال زیاد با پروژه‌های مشابه دیگری سعی می‌کنند جایگاه خودشان را در «هوش مصنوعی برای علم» تثبیت کنند. برای دنبال کردن ریز همین تحولات، سر زدن منظم به بخش اخبار هوش مصنوعی سایت ما را پیشنهاد می‌کنیم.
پرسش‌های متداول
آیا میوز اسپارک واقعاً مسئله‌های ریاضی حل‌نشده را حل کرد؟
متا می‌گوید بله، پنج مورد از شش مقاله‌ی منتشرشده برای اولین‌بار به مسئله‌های باز پاسخ داده‌اند. اما این ادعا هنوز به‌طور کامل و مستقل تأیید نشده و پژوهشگری مثل جیسون دین لی بخشی از آن را رد کرده است.
دقیقاً جیسون دین لی چه چیزی را زیر سؤال برده؟
او گفته نیمی از شش مسئله، پیش از انتشار مقاله‌های متا هم توسط گروه‌های دیگر حل شده بودند؛ یعنی از نگاه او فقط سه مورد، نه پنج یا شش مورد، واقعاً دستاورد تازه هستند.
آیا هوش مصنوعی به‌تنهایی این مقاله‌ها را نوشته است؟
نه. طبق توضیح متا، ریاضی‌دانان انسانی مسیر پژوهش را هدایت می‌کردند و نتیجه‌ی نهایی را بازبینی می‌کردند؛ میوز اسپارک بیشتر در نوشتن اثبات‌ها و پیدا کردن ضدمثال‌ها کمک کرده است.
آیا کاربران عادی هم می‌توانند از میوز اسپارک استفاده کنند؟
بله، طبق گزارش‌ها، همین پروژه هم با نسخه‌ی عمومی اپلیکیشن متا و بدون ابزار اختصاصی انجام شده، هرچند رسیدن به چنین نتیجه‌هایی به دانش تخصصی ریاضی در سطح بسیار بالا نیاز دارد.
