OpenAI سه کشف علمی اعلام کرد؛ از رد فرضیهٔ زمان نمایی تا اثبات حدس هموارسازی محلی

شرکت OpenAI می‌گوید مدل‌هایش سه نتیجهٔ تازه در آنالیز هارمونیک، نظریهٔ پیچیدگی و کرومودینامیک کوانتومی ساخته‌اند. ادعایی بزرگ که هنوز باید از صافی بررسی مستقل بگذرد.

۱. ماجرا چیست و OpenAI دقیقاً چه گفته؟

شرکت OpenAI، سازندهٔ ChatGPT، اعلام کرد مدل‌های هوش مصنوعی‌اش سه نتیجهٔ تازه در سه رشتهٔ متفاوت تولید کرده‌اند. این سه رشته عبارت‌اند از آنالیز هارمونیک در ریاضیات، نظریهٔ پیچیدگی در علوم کامپیوتر و کرومودینامیک کوانتومی در فیزیک نظری. تفاوت این خبر با اعلان‌های معمول مدل‌های جدید این است که این بار ادعا دربارهٔ مسائل باز شناخته‌شده است، نه عملکرد در یک آزمون استاندارد.

به گزارش رسانه‌هایی مثل الجزیره، OpenAI در حال حاضر شرکتی است که ارزش آن حدود ۸۵۲ میلیارد دلار برآورد می‌شود. چنین شرکتی هر اعلام علمی را در شرایطی منتشر می‌کند که هم جامعهٔ دانشگاهی و هم سرمایه‌گذاران تحت‌تأثیر آن قرار می‌گیرند؛ به همین دلیل نحوهٔ انتشار و بررسی نتایج اهمیت ویژه دارد. برای پیشینهٔ این شرکت می‌توانید مقالهٔ «OpenAI چیست؟» را بخوانید.

۲. کشف اول: حدس هموارسازی محلی در همهٔ ابعاد

حدس هموارسازی محلی (Local Smoothing Conjecture) در آنالیز هارمونیک و معادلات موج دربارهٔ این است که امواج، وقتی در فضا پخش می‌شوند، چقدر «هموار» می‌شوند و نرمی‌شان با چه نرخی بهتر می‌شود. این حدس را کریس سوگ، ریاضیدان شناخته‌شده، مطرح کرده بود. طبق ادعای OpenAI، مدل‌ها آن را برای نخستین بار در تمام ابعاد فضایی اثبات کرده‌اند؛ در حالی که پیش‌تر فقط حالت سه‌بعدی ثابت شده بود.

واکنش ریاضیدانان

الکس ایوسویچ از دانشگاه روچستر، که استاد راهنمای دکترایش همان کریس سوگ بوده، گفت به‌نظر می‌رسد OpenAI این حدس را «حل کرده» و آن را «پیشرفتی تاریخی» خواند. او پیش‌بینی کرد ریاضیات نظری در پی این اتفاق به شکل قابل‌توجهی تغییر کند. این جمله هنوز یک ارزیابی اولیه است و جای داوری رسمی را نمی‌گیرد.

۳. کشف دوم: ادعای رد فرضیهٔ زمان نمایی (ETH)

فرضیهٔ زمان نمایی (Exponential Time Hypothesis) یکی از ستون‌های نظریهٔ پیچیدگی است. این فرضیه می‌گوید بعضی مسائل سخت محاسباتی، از جمله حالت‌هایی از مسئلهٔ ارضاپذیری منطقی، الگوریتمی سریع‌تر از زمان نمایی ندارند. محققان از اواخر دههٔ ۱۹۹۰ آن را معیاری برای سنجش حدِ پایین سرعت الگوریتم‌ها به کار گرفته‌اند و صدها نتیجهٔ دیگر بر مبنای آن بنا شده است.

OpenAI می‌گوید مدل‌هایش این فرضیه را رد کرده‌اند. رایان ویلیامز از MIT تأکید کرد که اگر رد شدن ETH تأیید شود، رخدادی بزرگ است. او هم‌زمان یادآور شد که پژوهشگران هنوز درگیر راستی‌آزمایی اثبات‌اند و این اثبات روشی تازه برای حل کارآمدتر برخی مسائل بنیادین پیشنهاد می‌دهد. او همچنین گفت کاربردهای واقعی در کوتاه‌مدت انتظار نمی‌رود.

۴. کشف سوم: اثبات «ریاضی‌وار» در کرومودینامیک کوانتومی

کرومودینامیک کوانتومی یا QCD نظریه‌ای است که برهمکنش کوارک‌ها و گلوئون‌ها را توضیح می‌دهد؛ ذراتی که پروتون و نوترون از آن‌ها ساخته شده‌اند. بخش بزرگی از محاسبات فیزیک ذرات بر QCD تکیه دارد، اما اثبات‌های دقیق ریاضی در این حوزه بسیار دشوارند. OpenAI می‌گوید مدل‌هایش اثباتی «از نظر ریاضی دقیق» ارائه کرده‌اند.

گروه فیزیک از میان متخصصانی که OpenAI با آن‌ها مشورت کرد، ترجیح داده نتایج را فوراً عمومی نکند و ابتدا تفسیر خودش را بنویسد. بنابراین جزئیات این بخش، در مقایسه با دو بخش دیگر، کمتر در دسترس است و باید منتظر انتشار تحلیل آن گروه ماند.

۵. شپردها چه کسانی‌اند و نتایج چگونه منتشر شد؟

OpenAI برای چگونگی انتشار یافته‌ها از سه گروه متخصص با عنوان «شپرد» (راهنما) مشورت گرفت. گروه‌های ریاضی و علوم کامپیوتر داده‌های تولیدشده توسط هوش مصنوعی را بلافاصله عمومی کردند تا دیگران بتوانند آن‌ها را بررسی کنند. شرکت صریحاً پذیرفته که انتخاب شپردهای اولیه بر این‌که چه افرادی زودتر وارد ماجرا شوند اثر می‌گذارد و از بازخورد برای گسترش مشارکت استقبال کرده است.

این شفافیت نکتهٔ مثبتی است، اما به این معنا نیست که همه‌چیز تأیید شده. در علم، تأیید یعنی بازتولید و داوری مستقل؛ چیزی که معمولاً ماه‌ها زمان می‌برد. اگر تازه‌واردید، مقالهٔ توانایی‌ها و محدودیت‌های واقعی هوش مصنوعی دید روشنی از انتظار درست به شما می‌دهد.

۶. چرا این خبر مهم است؟

تا چند سال پیش، هوش مصنوعی در ریاضیات بیشتر برای حل مسائل مسابقه‌ای یا کمک به اثبات‌های کوتاه استفاده می‌شد. حالا ادعا این است که مدل‌ها در مسائل باز، که متخصصان انسانی دهه‌ها روی آن‌ها کار کرده‌اند، پیشرفت می‌کنند. اگر حتی بخشی از این ادعاها تأیید شود، نقش هوش مصنوعی در پژوهش از «دستیار» به «همکار» ارتقا پیدا می‌کند.

برای تصور بهتر از این روند، به نمونه‌های پیشین توجه کنید. در گذشته هم از نبرد هوش‌های مصنوعی شطرنج‌باز دیدیم که مدل‌ها در دامنه‌های بسته می‌توانند از انسان پیشی بگیرند. تفاوت اینجاست که ریاضیات پژوهشی دامنه‌ای باز و آزاد است و ارزیابی نتیجه‌اش به‌مراتب سخت‌تر.

۷. تردیدها و محدودیت‌ها

الجزیره یادآوری می‌کند که این اعلام در دنبالهٔ چند ادعای علمی دیگر مبتنی بر هوش مصنوعی آمده است. ماه گذشته Anthropic گفت مدل Claude آنزیمی شبیه کریسپر را کشف کرده؛ بعضی دانشمندان آن را ستودند و بعضی گفتند اهمیتش بزرگ‌نمایی شده است. همین الگو دربارهٔ سه کشف جدید هم محتمل است: ذوق‌زدگی اولیه، سپس بررسی‌های دقیق‌تر.

نکاتی که باید دید

سه پرسش کلیدی هنوز باز است. نخست این‌که آیا اثبات‌ها از نظر صوری بی‌نقص‌اند و داوران مستقل آن‌ها را تأیید می‌کنند. دوم این‌که سهم دقیق مدل و انسان در هر مرحله چقدر بوده. سوم این‌که روش‌های تازه تا چه حد به مسائل دیگر قابل تعمیم‌اند. تا پاسخ این پرسش‌ها نیامده، بهتر است خبر را به‌عنوان «ادعای جدی تحت بررسی» بخوانیم، نه نتیجهٔ قطعی.

این رویکرد با چیزی که در مقالهٔ توهم هوش مصنوعی و مهندس واقعی هم آمده سازگار است: خروجی پرادعا بدون راستی‌آزمایی انسانی کافی نیست.

۸. این خبر برای کاربران و کسب‌وکارها چه معنایی دارد؟

برای کاربر عادی، تأثیر مستقیم و فوری وجود ندارد؛ ریاضیات نظری قرار نیست فردا ChatGPT را عوض کند. اما سیگنال بلندمدت روشن است: مدل‌های استدلالی در حال حرکت از پاسخ‌دادن به سؤال‌های شناخته‌شده به سمت تولید دانش تازه‌اند. این یعنی ابزارهای پژوهشی، از شیمی تا زیست‌شناسی و مهندسی، احتمالاً در سال‌های آینده از چنین مدل‌هایی بهره می‌گیرند.

برای کسب‌وکارها نیز نکته‌ی مهم این است که هوش مصنوعی فقط ابزار اتوماسیون نیست و می‌تواند در تحقیق و توسعه نقش ایفا کند. دربارهٔ اهمیت آن برای کار و درآمد، مقالهٔ اهمیت هوش مصنوعی در کسب‌وکار را ببینید. اگر می‌خواهید خودتان بهتر از این مدل‌ها استفاده کنید، آموزش پرامپت‌نویسی برای مبتدی‌ها و مجموعهٔ آموزش‌های ChatGPT نقطهٔ شروع خوبی‌اند.

۹. پرسش‌های متداول (FAQ)

فرضیهٔ زمان نمایی (ETH) چیست؟

فرضیه‌ای در نظریهٔ پیچیدگی که می‌گوید برخی مسائل سخت، مثل حالت‌های خاصی از ارضاپذیری منطقی، الگوریتمی با زمان کمتر از نمایی ندارند. پژوهشگران از دههٔ ۱۹۹۰ به آن تکیه کرده‌اند.

آیا این کشف‌ها تأیید شده‌اند؟

هنوز نه به‌طور کامل. دست‌کم یکی از متخصصان، رایان ویلیامز از MIT، گفته راستی‌آزمایی در جریان است. نتایج ریاضی و علوم کامپیوتر برای بررسی عمومی شده‌اند.

حدس هموارسازی محلی چه کاربردی دارد؟

این حدس در آنالیز هارمونیک و مطالعهٔ معادلات موج اهمیت نظری دارد. کاربرد عملی مستقیم برای کاربران عادی نمی‌توان انتظار داشت.

کدام مدل OpenAI این نتایج را ساخته است؟

در منابعی که بررسی شد، نام مدل مشخص شده‌ای در متن اصلی خبر نیامده بود. بنابراین دربارهٔ آن حدس نمی‌زنیم و منتظر انتشار گزارش فنی می‌مانیم.

آیا این به معنای جایگزینی ریاضیدانان است؟

نه. تأیید و تفسیر نتایج، انتخاب مسئله و داوری همچنان به متخصصان انسانی نیاز دارد. واکنش ریاضیدانان نیز نشان می‌دهد این ابزار بیشتر همکار است.

اخبار بیشتر را در بخش اخبار هوش مصنوعی دنبال کنید.