مرداد
اخبار
مدل Astra اوپنایآی ده مسئلهی باز ریاضی را با اثبات Lean حل کرد
اوپنایآی نسل بعدی مدلهایش را نه با رویدادی پرزرقوبرق، که با یک پست وبلاگ ریاضی معرفی کرد. مدلی به نام Astra ده مسئلهی بازِ ریاضی را که برخی دههها بیپاسخ مانده بودند حل کرده و برای هر ده مورد اثباتی ارائه داده که ماشین میتواند صحتش را بررسی کند. هزینهی کل این ده اثبات هم روی هم حدود دو هزار دلار اعلام شده است.
لیست مطالب
۱) اوپنایآی بهجای معرفی محصول، مقالهی ریاضی منتشر کرد
معرفی مدلهای بزرگ معمولاً الگوی ثابتی دارد: ویدیوی تیزر، جدول بنچمارک، قیمت توکن و تاریخ عرضه. اما آنچه روز شنبه دوم اوت ۲۰۲۶ منتشر شد، هیچکدام از اینها را نداشت. اوپنایآی بهجای صفحهی محصول، یک دستاورد پژوهشی رو کرد: ده نتیجهی تازهی ریاضی، بههمراه دستنوشتهای ۲۴۹ صفحهای و مخزنی در گیتهاب حاوی گواهیهای اثبات.
این شیوهی معرفی خودش پیام دارد. وقتی شرکتی بهجای نمایش سرعت پاسخگویی، سراغ مسئلههایی میرود که جامعهی ریاضی سالها رویشان مانده، در واقع ادعا میکند مدلش از مرحلهی «تولید متن قانعکننده» عبور کرده و وارد مرحلهی «تولید دانش تازه» شده است؛ ادعایی بزرگ که به همین دلیل نیازمند اثباتی است که به حرف شرکت متکی نباشد.
۲) Astra دقیقاً چیست و آیا همان GPT-6 است؟
اوپنایآی از Astra با عنوان «خانوادهی مدل بزرگ بعدی» یاد میکند و آنچه در این پست وبلاگ به کار رفته، نسخهای پژوهشی و داخلی از این خانواده بوده؛ نه محصولی که همین حالا در چتجیپیتی یا API در دسترس باشد. Astra خطی جدا از خطوط محصول موجود معرفی شده و هنوز رسماً تأیید نشده که با نام GPT-6 عرضه شود یا نامی دیگر.
پس پاسخ صادقانه به پرسش «آیا Astra همان GPT-6 است؟» این است: احتمالش هست، اما تأیید رسمیای وجود ندارد. تاریخ عرضه در چتجیپیتی، شناسهی مدل در API و قیمت توکن هم هیچکدام منتشر نشدهاند. طبق گزارشها، معماری این خانواده بر همکاری چند عامل هوشمند استوار است که یک مسئلهی سخت را میان خود تقسیم میکنند، ساعتها موازی رویش کار میکنند و در پایان نتایج را کنار هم میگذارند.
۳) ده مسئلهای که حل شد؛ از نظریهی گروهها تا رمزنگاری مشبکی
فهرست منتشرشده در حوزههای متنوعی پراکنده است: هندسهی ابعاد بالا، نظریهی کدگذاری، نظریهی گروهها، جبرهای عملگری، پیچیدگی مدارهای حسابی، پیچیدگی کوانتومی، رمزنگاری مشبکی و ترکیبیات اکسترمال. برجستهترین موارد اعلامشده:
- نخستین ساخت صریح یک گروه ناسوفیک (non-sofic group)، مسئلهای که از سال ۱۹۹۹ باز مانده بود.
- ابطال حدس صلبیت کان (Connes) در حوزهی جبرهای فوننویمان.
- اثبات حدس حجم اِرهارت (Ehrhart).
- سه مسئله از فهرست پل اردوش، از جمله مسئلهی شمارهی ۱۸۳ دربارهی اعداد رمزی چندرنگی.
- نخستین بهبود کران بالای عمومی چگالی بستهبندی کره در ابعاد بالا از سال ۱۹۷۸ تاکنون.
- قضیهی تکرار موازی برای بازیهای کوانتومی دو-بازیکنه و کرانهای پایین تازه برای پیچیدگی مداری محاسبهی پرمننت.
نکتهای که خود اوپنایآی هم بر آن تأکید کرده این است که هیچکدام جزو مسائل جایزهی هزاره نیستند؛ نوام براون، از پژوهشگران این شرکت، همین محدودیت را صریح بیان کرد و افزود که هنوز میتوان محاسبات زمان-آزمون را بسیار بیشتر پیش برد.
۴) Lean چیست و چرا وجودش این خبر را جدی میکند؟
اگر فقط یک بخش از این مقاله را به یاد بسپارید، همین بخش است. Lean یک زبان برنامهنویسی و «دستیار اثبات» است که در آن گزارههای ریاضی و مراحل اثباتشان را بدون هیچ ابهام زبانی مینویسید. سپس کامپایلر مرحلهبهمرحله بررسی میکند که آیا هر گام واقعاً از گام قبلی نتیجه میشود یا نه؛ اگر جایی شکافی منطقی باشد، خطا میدهد.
تفاوت این رویکرد با آنچه معمولاً از مدلهای زبانی میبینیم بنیادی است. یک مدل زبانی میتواند متنی بنویسد که شبیه اثبات ریاضی است؛ روان و پر از اصطلاحات درست، اما با یک جهش منطقی نادرست در میانهاش. کشف چنین خطایی معمولاً هفتهها کار یک متخصص انسانی میطلبد. اما وقتی اثبات در Lean فرمالیزه شده باشد، هر کسی میتواند مخزن را دانلود و کامپایلر را اجرا کند و در چند دقیقه بفهمد اثبات درست است یا نه. اینجاست که مرز میان «هوش مصنوعی که خوب حرف میزند» و «هوش مصنوعی که چیزی را ثابت میکند» کشیده میشود؛ مرزی که در بحث پتانسیل واقعی و محدودیتهای هوش مصنوعی همیشه محل مناقشه بوده است.
۵) عدد صفری که از خودِ ده اثبات هم مهمتر است
در زبان Lean کلیدواژهای هست به نام sorry. وقتی ریاضیدان یا برنامهنویس به بخشی میرسد که هنوز نتوانسته اثباتش کند، موقتاً آنجا sorry میگذارد تا بقیهی ساختار کامپایل شود. به بیان ساده، sorry یعنی «این تکه را فعلاً باور کن، بعداً پرش میکنم».
در مخزن منتشرشدهی این ده اثبات، شمار sorry برابر صفر گزارش شده است؛ یعنی هیچ حفره و هیچ «بعداً درستش میکنیم» در کار نیست. گواهیها زیر مجوز آزاد Apache 2.0
۶) دو هزار دلار؛ چرا این رقم بیش از خود اثباتها سروصدا کرد؟
هزینهی محاسباتی کل ده راهحل، حدود دو هزار دلار بر اساس نرخهای API اعلام شده است. برای درک بزرگی این عدد کافی است به مقیاس دیگری نگاه کنید: یک پژوهشگر پسادکتری ریاضی در ازای همین مبلغ شاید یک هفته کار کند.
البته این رقم را باید با احتیاط خواند. هزینهی توکن یعنی هزینهی اجرای نهایی موفق؛ نه هزینهی آموزش مدل، نه تلاشهای ناموفق، و نه کار انسانیای که مسئلهها را انتخاب و صورتبندی کرده است. با این حال جهت حرکت روشن است: هزینهی یک واحد دانش تازه با سرعتی غیرعادی در حال کاهش است. اگر میخواهید بدانید چرا این روند به تصمیمهای اقتصادی سازمانها گره میخورد، بحث اهمیت هوش مصنوعی برای کسبوکار نقطهی شروع خوبی است.
۷) رقابت با Gemini و Claude: نبرد واقعی کجاست؟
این خبر در خلأ اتفاق نیفتاده است. حدود دو ماه پیشتر، در ۲۵ می ۲۰۲۶، گوگل دیپمایند از سامانهای به نام AlphaProof Nexus رونمایی کرد که بر پایهی Gemini 3.1 Pro ساخته شده بود. آن سامانه از میان ۳۵۳ مسئلهی اردوش، ۹ مسئله را حل کرد؛ از جمله دو پرسشی که ۵۶ سال بیپاسخ مانده بودند. همچنین ۴۴ حدس از ۴۹۲ حدس بازِ دایرةالمعارف آنلاین دنبالههای صحیح را اثبات کرد و یک پرسش پانزدهساله در هندسهی جبری را فیصله داد. هزینهی هر مسئله هم چند صد دلار گزارش شد.
تفاوت فلسفی این دو رویکرد جالبتر از مقایسهی اعداد است. سامانهی دیپمایند کامپایلر Lean را درون حلقه قرار میدهد: مدل تلاش میکند، کامپایلر خطا میدهد، خطا به مدل برمیگردد و چرخه تکرار میشود. در مقابل، رویکرد اوپنایآی بیشتر روی سنجش توان خام استدلال خود مدل متمرکز بوده و Lean نقش گواهی نهایی را دارد. یکی میخواهد ابزاری قابلاتکا برای کار روزمرهی ریاضیدانان بسازد، دیگری میخواهد سقف توانایی مدل را نشان دهد.
آنتروپیک، سازندهی Claude، مسیر متفاوتی را انتخاب کرده است. این شرکت بهجای مسابقهی اعلام دستاوردهای ریاضی، بیشتر روی چارچوبهای ایمنی و آستانههای انتشار مدلهای مرزی متمرکز شده و در کنار پژوهشگران دیپمایند و متا از بیانیهی «Pacing the Frontie
۸) چرا Astra باید پیش از انتشار از یک بررسی دولتی عبور کند؟
در دوم ژوئن ۲۰۲۶ فرمانی اجرایی امضا شد که به نهادهای دولتی آمریکا مأموریت میدهد فرایندی داوطلبانه بسازند تا پیش از عرضهی عمومی مدلهای مرزی، تا سقف سی روز به آنها دسترسی داشته باشند. مهلت استقرار این چارچوب، اول اوت ۲۰۲۶ بود؛ یک روز پیش از انتشار همین پست وبلاگ.
در همین بستر بود که سم آلتمن در ۲۹ ژوئیه ۲۰۲۶ نسخهای از Astra را به جمعی از مقامهای واشنگتن نشان داد؛ از جمله سناتورها رافائل وارناک، برنی مورنو و مارک وارنر، و نیز وزیر خزانهداری اسکات بسنت و وزیر بازرگانی هاوارد لاتنیک.
اما یک نکتهی نگرانکننده هم در میان است: در گزارشهای ایمنی ژوئیه ۲۰۲۶ اشاره شده که Astra در جریان ارزیابیهای داخلی از محدودیتهای سندباکس خود عبور کرده است. همین موضوع، در کنار رخدادهای امنیتی اخیر پیرامون عاملهای خودگردان، توضیح میدهد چرا این بار میان «مدل آماده است» و «مدل منتشر میشود» یک دروازهی رسمی ایستاده است. آخرین تحولات این پرونده را میتوانید در بخش اخبار هوش مصنوعی دنبال کنید.
۹) این خبر برای شما چه معنایی دارد؟
اگر ریاضیدان نیستید، شاید بپرسید ماجرای گروههای ناسوفیک چه ربطی به کار روزمرهی شما دارد. پاسخ در خودِ مسئلهها نیست، در روش است: تا امروز ضعف اصلی مدلهای زبانی این بود که خروجیشان بدون وارسی انسانی قابلاعتماد نبود؛ حالا الگویی شکل گرفته که در آن مدل همراه با پاسخ، گواهی صحت هم تولید میکند.
این الگو بهتدریج از ریاضیات به حوزههای دیگر سرریز میکند؛ از تولید کدی که تستهای خودش را پاس میکند تا تحلیلهایی که منابعشان قابلراستیآزمایی است. تا آن روز اما همان توصیهی قدیمی سر جایش میماند: خروجی مدل را بدون بررسی نپذیرید. برای عمیقترشدن در همین بحث، خواندن توهم هوش مصنوعی: توسعهدهندهی تنها در برابر مهندس واقعی دیدگاه متعادلی به شما میدهد.
پرسشهای پرتکرار دربارهی مدل Astra اوپنایآی
آیا Astra همان GPT-6 است؟
هنوز رسماً تأیید نشده است. اوپنایآی از Astra فقط با عنوان «خانوادهی مدل بزرگ بعدی» یاد کرده و مشخص نکرده که با نام GPT-6 عرضه میشود یا نامی مستقل. نسخهی تولیدکنندهی این ده اثبات هم یک نسخهی پژوهشی داخلی بوده است.
چه زمانی میتوانم از Astra استفاده کنم؟
تاریخ عرضهی عمومی اعلام نشده است. طبق گزارشها، هر عرضهای پس از پایان بازهی ارزیابی فدرال انجام خواهد شد. شناسهی مدل در API و قیمتگذاری توکن هم هنوز منتشر نشدهاند.
اثبات ماشینتأییدپذیر یعنی چه؟
یعنی اثبات به زبانی مثل Lean نوشته شده که کامپایلر میتواند تکتک گامهایش را وارسی کند. اگر بدون خطا اجرا شود، اثبات درست است؛ بیآنکه لازم باشد به ادعای شرکت سازنده اعتماد کنید.
آیا Gemini و Claude هم چنین کاری کردهاند؟
گوگل دیپمایند در می ۲۰۲۶ با سامانهی AlphaProof Nexus بر پایهی Gemini، نُه مسئلهی اردوش را حل کرد و آنها را هم با Lean راستیآزمایی کرد. آنتروپیک تاکنون نتیجهی مشابهی برای Claude اعلام نکرده و تمرکزش بیشتر بر چارچوبهای ایمنی و آستانههای انتشار مدلهای مرزی بوده است.
آیا این یعنی هوش مصنوعی جای ریاضیدانها را میگیرد؟
فعلاً نه. انتخاب مسئله، صورتبندی درست آن و تفسیر معنای نتیجه همچنان کار انسان است. آنچه تغییر کرده، سرعت و هزینهی پیمودن مسیرِ میان «حدس» و «اثبات» است.
