اوپن‌ای‌آی با حل معماهای دیرینه ریاضی به کمک الگوریتم‌ها، بحران هویتی بی‌سابقه‌ای در دنیای ریاضیات محض به راه انداخته است

آشکار شدن ناگهانی این واقعیت که الگوریتم‌های یادگیری ماشین توانسته‌اند معماهای دیرینه ریاضی را حل کنند، جامعه دانشگاهی جهان را به بحرانی بی‌سابقه درباره هویت و آینده حرفه‌ای خود کشانده و مسیر زندگی حرفه‌ای پژوهشگران برجسته را در زمانی کوتاه دگرگون کرده است. آنچه ابتدا با موجی از نگرانی آغاز شد، به‌سرعت به کشمکشی فرساینده بر سر شیوه انجام کار تبدیل شد؛ به‌گونه‌ای که پژوهشگران برجسته، به‌جای آنکه پیشگام کشفیات علمی باشند، اکنون خود را در جایگاه بررسی‌کنندگان اثبات‌های تولیدشده به‌وسیله قدرتمندترین مدل‌های دره سیلیکون می‌بینند، بی‌آنکه در ازای این کار دستمزدی دریافت کنند.

وقتی اوپن‌ای‌آی اعلام کرد الگوریتم‌هایش به حل معادلات ناویه–استوکس پرداخته‌اند؛ مسئله‌ای مشهور از مسائل جایزه هزاره که از قرن نوزدهم ذهن پژوهشگران را به خود مشغول کرده است، این خبر موجی از شوک را در دانشکده‌های برتر جهان برانگیخت. مدیران شرکت‌ها این جهش الگوریتمی را آغاز دورانی تازه از شتاب گرفتن اکتشافات علمی می‌دانند، اما پژوهشگران فعال در این حوزه هشدار می‌دهند که ماهیت عمیقاً انسانی ریاضیات در حال تجربه دگرگونی‌ای است که بازگشت از آن ممکن نیست.

سم آلتمن، مدیرعامل اوپن‌ای‌آی، در دانشگاه استنفورد از تغییر چشمگیر وضعیت روانی پژوهشگران سخن گفت. به گفته او، ریاضی‌دانان در ابتدا به‌شدت دلسرد شدند، سپس خشمگین شدند و سرانجام به پذیرش شرایط تازه رسیدند. از نگاه او، این گذار سریع از ناامیدی به سازگاری عمل‌گرایانه، سریع‌ترین دگرگونی‌ای است که هر حرفه‌ای در جریان موج مدرن هوش مصنوعی تجربه کرده است.

پایان شور و اشتیاق دوران کلاسیک پژوهش‌های ریاضی

فشار روانی ناشی از این تحولات بر پژوهشگرانی که تمام عمر خود را وقف حل یک مسئله انتزاعی کرده‌اند، بسیار سنگین است. دانا مشکویتز، پژوهشگر دانشگاه تگزاس در آستین، سال‌ها برای حل حدس بازی‌های یکتا تلاش کرد؛ مسئله‌ای بسیار دشوار درباره تقریب‌های الگوریتمی. با این حال، او سرانجام شاهد بود که یک مدل هوش مصنوعی ظرف چند ساعت اثباتی ظاهراً قابل‌قبول برای این مسئله ارائه کرد.

سرعت خیره‌کننده این پیشرفت‌ها باعث شده است متخصصان درباره آینده حرفه خود تردید کنند. ترنس تائو، ریاضی‌دان دانشگاه کالیفرنیا در لس‌آنجلس و نابغه‌ای شناخته‌شده که در ۲۰سالگی مدرک دکتری خود را دریافت کرد، معتقد است فصل «دوران رمانتیک» این رشته عملاً به پایان رسیده است. به‌جای آنکه نوابغ به‌تنهایی در پی کشفیات عمیق فکری باشند، پژوهشگران برجسته اکنون بخش عمده انرژی خود را صرف وارسی استنتاج‌های تولیدشده به‌وسیله ماشین‌ها می‌کنند.

موج مخالفت دانشگاهیان زمانی به اوج رسید که دانشجویان کارشناسی مؤسسه فناوری کالیفرنیا تلاش کردند رقابتی با کمک هوش مصنوعی، موسوم به «ماراتن ریاضی»، برگزار کنند تا قضایای تاریخی را حل کنند. اوپن‌ای‌آی پس از انتشار نامه‌ای سرگشاده با امضای بیش از ۷۰۰ دانشگاهی که این برنامه را نمونه‌ای از تولید انبوه محتوای بی‌کیفیت ریاضی توصیف می‌کرد، حمایت مالی خود را پس گرفت. در پی این تصمیم، برگزارکنندگان ناچار شدند قوانین رقابت را با شتاب بازنگری کنند.

معمای اثبات‌های الگوریتمی پیچیده و ناخوانا

فراتر از پرسش‌های فلسفی، مشکلی عملی نیز وجود دارد که می‌تواند گروه‌های دانشگاهی را در سراسر جهان از پا درآورد. سامانه‌های یادگیری ماشین استدلال‌هایی مرتب و ظریف ارائه نمی‌کنند؛ در عوض، انبوهی از استدلال‌های فنی خام و بسیار مبهم تولید می‌کنند که درک آن‌ها برای انسان دشوار است.

ریاضی‌دانانی که وظیفه بررسی این نتایج را بر عهده دارند، درباره خوانایی و صحت آن‌ها هشدارهای جدی می‌دهند:

• ارائه‌های مبهم: به گفته پژوهشگرانی مانند مشکویتز، این مقالات خودکار اساساً برای مطالعه انسان نوشته نشده‌اند و همین مسئله داوری دستی آن‌ها را به کاری طاقت‌فرسا تبدیل می‌کند.
• خطاهای ظریف با پیامدهای فاجعه‌بار: دنیل لیت از دانشگاه تورنتو دریافت که یک اثبات ظاهراً درخشان در هندسه جبری، به‌دلیل تنها یک خطای علامت که به‌آسانی از چشم دور می‌ماند، کاملاً فرو می‌ریزد.
• اختلاف در تبدیل و ترجمه: آندرس هانسن از دانشگاه کمبریج نشان داد هنگامی که الگوریتم‌ها اثبات‌های نوشته‌شده به زبان طبیعی را به نرم‌افزارهای راستی‌آزمایی رسمی، مانند لین، تبدیل می‌کنند، گاهی اعداد مهم به‌طور غیرمنتظره تغییر می‌کنند؛ برای مثال، عدد چهار به پنج تبدیل می‌شود و در نتیجه، قدرت استدلال ریاضی در سطحی ظریف دستخوش تغییر می‌شود.

تلاقی تأمین مالی شرکت‌ها با فشار بر نهادهای دانشگاهی

تنش‌ها بر سر سلامت و اعتبار پژوهش‌های دانشگاهی زمانی تشدید شد که پژوهشگرانی از دانشگاه نیویورک و شرکت آنتروپیک، اوپن‌ای‌آی را متهم کردند که برای حل مسئله ناویه–استوکس از داده‌های اختصاصی تاریخچه گفت‌وگوها استفاده کرده، بی‌آنکه منابع را به‌صورت شفاف معرفی کند. افزون بر این، از آنجا که در اعلامیه‌های اولیه درباره دستاوردهای الگوریتمی، جزئیات روش کار ارائه نشده بود، پژوهشگران ناچار شدند ادعاهای شرکت‌های فناوری چندتریلیون‌دلاری را خودشان مهندسی معکوس کنند؛ کاری دشوار که مسئولیت آن عملاً بر دوش دانشگاهیان افتاد.

آنتروپیک و اوپن‌ای‌آی در تلاش برای کاهش این تنش‌ها، هر کدام حدود پنج میلیون دلار برای طرح‌های مشترکی اختصاص دادند که هدفشان کمک به پژوهشگران در ارزیابی دستاوردهای حاصل از کمک هوش مصنوعی است. با این حال، تأمین مالی به‌تنهایی نمی‌تواند بحران بنیادی هویت حرفه‌ای متفکران امروز را حل کند؛ زیرا مرز میان کشف انسانی و محاسبه خودکار روزبه‌روز مبهم‌تر می‌شود.

سرعت تولید خروجی‌های نظری پیچیده به‌وسیله سامانه‌های الگوریتمی بسیار بیشتر از توان نهادهای علمی برای راستی‌آزمایی آن‌هاست. تأثیر اوپن‌ای‌آی بر ریاضیات نشان می‌دهد که یافتن پاسخ‌ها تنها نیمی از مسیر است؛ چالش اصلی آن است که این پاسخ‌ها شفاف، قابل‌بررسی و برای بشریت معنادار باقی بمانند.

هم‌زمان با بازنگری مؤسسات آموزش عالی در شیوه آموزش و پژوهش ریاضیات طی دهه‌های آینده، لازم است مرزهای پژوهش اصیل از نو ترسیم شوند.