سه ادعای علمی OpenAI در ریاضیات، علوم رایانه و فیزیک: از فرضیه ETH تا حدس کاکیا و نظریه QCD

شرکت OpenAI می‌گوید مدل‌هایش به نتایجی در ریاضیات، علوم رایانه و فیزیک دست یافته‌اند و اکنون می‌خواهد متخصصان مستقل این دستاوردها را ارزیابی کنند. به گزارش ورج، این اعلام شامل ادعای رد فرضیه زمان نمایی، اثباتی مرتبط با حدس‌های کاکیا و برهانی برای اثبات وجود برخی نظریه‌های میدان کوانتومی چهاربعدی، از جمله کرومودینامیک کوانتومی (QCD)، است. این دستاوردهای علمی ادعایی OpenAI با یک ملاحظه مهم همراه‌اند: شرکت می‌خواهد دانشگاهیان پیش از آنکه نتایج قطعی تلقی شوند، آن‌ها را بررسی کنند.

برای کسانی که تحولات مدل‌های هوش مصنوعی را دنبال می‌کنند، همین ملاحظه بخش مهم ماجراست. آزمایشگاه‌های هوش مصنوعی دیگر فقط از کدنویسی سریع‌تر یا هزینه کمتر استفاده از مدل‌ها سخن نمی‌گویند؛ آن‌ها مدعی ارائه برهان‌های علمی‌اند، آن هم در حوزه‌هایی که یک گام نادرست می‌تواند کل مقاله را بی‌اعتبار کند. برای آشنایی با زمینه تجاری، مقایسه GPT-6.1 Sol، Sonnet 5.5 و Gemini 4 Argon به قیمت‌گذاری و توانایی‌های مدل‌ها می‌پردازد. این مقاله بر جنبه علمی تمرکز دارد و میان ادعاهای OpenAI و مواردی که تاکنون از سوی دیگران تأیید شده‌اند، تمایز می‌گذارد.

OpenAI در سه حوزه چه چیزی اعلام کرده است؟

OpenAI سه نتیجه را هم‌زمان اعلام کرده است: یکی در ریاضیات، دیگری در علوم رایانه نظری و سومی در فیزیک. عنوان مقاله ریاضی «هموارسازی موضعی برای معادله موج اقلیدسی» است. مقاله علوم رایانه «فرضیه زمان نمایی نادرست است» نام دارد. دستاورد فیزیک نیز به‌عنوان برهانی با دقت ریاضی برای اثبات وجود برخی نظریه‌های میدان کوانتومی برهم‌کنشی توصیف شده است.

وجه مشترک هر سه نتیجه، نحوه ارائه آن‌هاست. OpenAI این دستاوردها را حاصل کار مدل‌های خود معرفی می‌کند، اما برای بررسی آن‌ها به متخصصان انسانی رجوع می‌کند. گزارش PANews بر فرضیه زمان نمایی تمرکز دارد؛ زیرا رد این فرضیه برای مخاطبان عمومی فناوری آسان‌تر از دو ادعای دیگر قابل درک است. وب‌سایت Digg نیز این خبر را با عنوانی منتشر کرده که از اثبات‌های ادعایی هوش مصنوعی در ریاضیات، علوم رایانه و فیزیک سخن می‌گوید. با توجه به وضعیت فعلی شواهد، استفاده از واژه «ادعایی» بجاست.

این اعلام همچنین از سازوکاری تازه برای بررسی نتایج خبر می‌دهد. OpenAI می‌گوید با متخصصان بیرونی تماس گرفته است تا در نقش «راهبر علمی» یا «شپرد» فعالیت کنند؛ افرادی که گروه‌هایی را برای فهم و ارزیابی هر دستاورد سازمان‌دهی می‌کنند. این سازوکار در بخشی جداگانه بررسی می‌شود، زیرا ممکن است به‌اندازه خود قضیه‌های مطرح‌شده اهمیت داشته باشد.

دستاورد ریاضی: هموارسازی موضعی برای معادله موج اقلیدسی

ادعای ریاضی OpenAI به رفتار موج‌ها مربوط است. این شرکت می‌گوید برهان ارائه‌شده، هموارسازی موضعی سوگ برای موج‌ها را در تمام ابعاد مکانی بزرگ‌تر یا مساوی دو اثبات می‌کند. هموارسازی موضعی مجموعه‌ای از برآوردهاست که رفتار جواب‌های معادله موج را هنگام میانگین‌گیری در زمان و مکان توصیف می‌کنند. این برآوردها اهمیت دارند، زیرا میزان تمرکز انرژی موج را محدود می‌کنند.

بخش بلندپروازانه ادعا، تعمیم آن به «تمام ابعاد مکانی بزرگ‌تر یا مساوی دو» است. نتیجه‌ای که در همه این ابعاد برقرار باشد، با نتیجه‌ای که فقط در یک حالت خاص صدق کند، تفاوت اساسی دارد. گستردگی این ادعاست که می‌تواند پیامدهای مهمی برای نتایج مرتبط داشته باشد.

چرا نتایج کاکیا و اشتاین از هموارسازی موضعی به دست می‌آیند؟

OpenAI می‌گوید این برهان، حدس‌های بیشینه و بُعد کاکیا و همچنین برآوردهای محدودسازی کروی اشتاین را در سراسر بخش داخلی بازه‌ای که برای آن‌ها حدس زده شده است، نتیجه می‌دهد. تحلیل‌گران هارمونیک مدت‌هاست میان این مسائل ارتباط برقرار می‌کنند. مسئله کاکیا می‌پرسد مجموعه‌ای که در هر جهت یک پاره‌خط داشته باشد، تا چه اندازه می‌تواند کوچک باشد. برآوردهای محدودسازی نیز به رفتار تبدیل فوریه روی سطوح خمیده‌ای مانند کره‌ها مربوط‌اند. در شبکه متعارف استلزام‌های ریاضی، هموارسازی موضعی نتیجه‌ای بنیادی است که می‌تواند به هر دو دسته مسئله مرتبط شود.

عبارت «در سراسر بخش داخلی بازه حدس‌زده‌شده» اهمیت ویژه‌ای دارد. توضیحات OpenAI ادعا نمی‌کند که حالت‌های مرزی را نیز به‌طور کامل پوشش داده است. بنابراین، هنگام مواجهه با تیترهایی که موضوع را به «حل مسئله کاکیا به دست OpenAI» تقلیل می‌دهند، باید این تفاوت را در نظر گرفت. صورت دقیق ادعا محدودتر است و متن خود OpenAI نیز همین محدودیت را بیان می‌کند.

ادعای علوم رایانه: چرا فرضیه زمان نمایی اهمیت دارد؟

فرضیه زمان نمایی یا ETH یکی از فرض‌های بنیادی نظریه پیچیدگی محاسباتی مدرن است. به‌بیان ساده، این فرضیه می‌گوید مسئله 3-SAT را نمی‌توان در زمانی زیرنمایی حل کرد. پژوهشگران صدها کران پایین مشروط را بر پایه این فرضیه بنا کرده‌اند. اگر ETH رد شود، بسیاری از این نتایج مشروط پشتوانه خود را از دست می‌دهند؛ هرچند گزاره‌های ریاضی مربوط به خود فرضیه همچنان معنای مشخصی خواهند داشت.

مقاله OpenAI الگوریتمی قطعی ارائه می‌کند که تعداد انتساب‌های ارضاکننده فرمول‌های CNF با عرض ثابت را به‌صورت دقیق، در زمان زیرنمایی و با فضای چندجمله‌ای محاسبه می‌کند. حالت 3-SAT نیز از این طریق ETH را نقض می‌کند. شمارش تعداد جواب‌ها از صرف تصمیم‌گیری درباره وجود جواب دشوارتر است؛ بنابراین، ارائه الگوریتمی برای شمارش دقیق که از مانع زمانی نمایی عبور کند، ادعایی قوی به شمار می‌رود.

جزئیات راستی‌آزمایی با Lean

OpenAI می‌گوید این نتیجه پس از ارائه، با Lean راستی‌آزمایی شده است. Lean دستیار اثباتی است؛ نرم‌افزاری که گام‌های منطقی یک برهان صوری را بررسی می‌کند. بررسی موفق با Lean شواهد قدرتمندی فراهم می‌کند که گزاره صوری اثبات شده است. اما این بررسی به‌تنهایی ثابت نمی‌کند که گزاره صوری دقیقاً همان ادعای غیرصوری را بیان می‌کند که یک متخصص انسانی از متن مقاله برداشت می‌کند. گروه متخصصان بیرونی باید همین فاصله را بررسی کند و مشخص سازد که گزاره صوری واقعاً با ادعای مطرح‌شده در تیتر مطابقت دارد یا نه.

ادعای فیزیک: اثبات وجود نظریه‌های پیمانه‌ای دارای فرمیون

ادعای مربوط به فیزیک از همه بلندپروازانه‌تر است. OpenAI از برهانی با دقت ریاضی سخن می‌گوید که وجود برخی نظریه‌های میدان کوانتومی برهم‌کنشی در چهار بُعد را اثبات می‌کند؛ نظریه‌هایی که میدان‌های پیمانه‌ای و فرمیون‌ها را در بر می‌گیرند. فهرست اعلام‌شده شامل کرومودینامیک کوانتومی (QCD)، نظریه توصیف‌کننده نیروی هسته‌ای قوی، و تکمیل یکپارچه‌ای از مدل استاندارد فیزیک ذرات است.

فیزیک‌دانان هر روز از این نظریه‌ها برای پیش‌بینی نتایج استفاده می‌کنند و پیش‌بینی‌های آن‌ها با دقت چشمگیری با آزمایش‌ها مطابقت دارد. بااین‌حال، تاکنون ساخت ریاضی کاملاً دقیقی که وجود چنین نظریه‌هایی را در چهار بُعد به‌طور کامل صورت‌بندی کند، در دسترس نبوده است. اثبات وجود این نظریه‌ها می‌تواند این خلأ را پر کند. از نظر ما، این ادعا به حوزه مسئله مشهور یانگ–میلز نزدیک است؛ اما گزارش‌های منتشرشده از اعلام OpenAI نمی‌گویند که مسئله مشخصی از مسائل جایزه‌دار حل شده است و ما نیز چنین ادعایی مطرح نمی‌کنیم.

یک واقعیت فعلاً دامنه ارزیابی این دستاورد را محدود می‌کند: OpenAI می‌گوید اسناد مربوط به فیزیک هنوز به‌طور کامل منتشر نشده‌اند. بنابراین، خوانندگان مستقل نمی‌توانند استدلال را از ابتدا تا انتها بررسی کنند. همین مسئله باعث می‌شود ارزیابی ادعای فیزیک در اولویت پایین‌تری از دو مقاله ریاضیات و علوم رایانه قرار گیرد که شرح کامل‌تری از آن‌ها در دسترس است.

مروری بر سه نتیجه

الگوی راهبران علمی: شیوه‌ای تازه برای همکاری با دانشگاهیان

بخش دوم اعلام OpenAI به فرایند بررسی اختصاص دارد. شرکت می‌گوید با متخصصان بیرونی تماس گرفته است تا در نقش راهبر علمی فعالیت کنند. هر راهبر گروهی از متخصصان را سازمان‌دهی می‌کند تا نتیجه‌ای را بفهمند، بررسی کنند و برای جامعه علمی توضیح دهند. OpenAI این سازوکار را شیوه‌ای تازه برای همکاری با دانشگاهیان معرفی کرده و تیتر گزارش ورج نیز همین جنبه را برجسته می‌کند.

این طرح به گلوگاهی واقعی پاسخ می‌دهد. یک ماشین می‌تواند برهانی طولانی تولید کند، آن هم سریع‌تر از زمانی که هر انسان برای خواندنش نیاز دارد. مجلات علمی و داوران با سرعت انسانی کار می‌کنند؛ بنابراین، مرحله بررسی به منبعی کمیاب تبدیل می‌شود. OpenAI با جذب متخصصان شناخته‌شده پیش از انتشار عمومی ادعاها می‌کوشد این گلوگاه را به فرایندی مدیریت‌شده تبدیل کند، نه اینکه صرفاً انبوهی از پیش‌چاپ‌های بررسی‌نشده را روانه جامعه علمی کند.

بااین‌حال، این الگو تنشی نیز در خود دارد. راهبران را همان شرکتی انتخاب می‌کند که دستاوردهایش موضوع بررسی است. بنابراین، پرسش‌هایی درباره استقلال گروه‌ها، نحوه انتشار اختلاف‌نظرها و میزان اعتباری که به نتیجه منفی در مقایسه با نتیجه مثبت داده می‌شود، کاملاً بجاست. گزارش‌هایی که بررسی کرده‌ایم پاسخی به این پرسش‌ها نمی‌دهند؛ ازاین‌رو، آن‌ها همچنان باز هستند.

دیوید گراس و گروه راهبران علمی حوزه فیزیک

OpenAI نام راهبران علمی حوزه فیزیک را اعلام کرده است. دیوید گراس سرپرستی گروهی را بر عهده خواهد داشت که مایکل داگلاس، آرتور جافه، ایگور کلبانوف و نیکیتا نکراسوف نیز در آن حضور دارند. گراس، برنده جایزه نوبل، بیش از همه به‌دلیل پژوهش‌هایش درباره نیروی هسته‌ای قوی شناخته می‌شود؛ ازاین‌رو، برای سرپرستی بررسی ادعایی درباره QCD انتخاب مناسبی به نظر می‌رسد. جافه نیز به‌طور گسترده با رویکرد سازنده و مبتنی بر دقت ریاضی در نظریه میدان کوانتومی شناخته می‌شود؛ همان رویکردی که اثبات وجود یک نظریه به آن نیاز دارد.

به‌گفته OpenAI، وظیفه این گروه راهبری و بررسی کار فیزیک است. این کار در درجه نخست به معنای فهمیدن است، نه تأیید کردن. هیچ‌یک از منابع ما نمی‌گویند که اعضای گروه درستی نتیجه را تأیید کرده‌اند و نباید از مشارکت آن‌ها چنین برداشتی کرد. شرکت این گروه را معرفی کرده، اما گروه هنوز نظر نهایی خود را منتشر نکرده است.

OpenAI در بیانیه خود دقیقاً چه گفته است؟

صفحه اعلام رسمی شرکت با عنوان «همکاری با جوامع دانشگاهی برای گسترش درک علمی» حاوی اظهارات اصلی آن است. OpenAI درباره نتیجه ریاضی نوشته است: «مدل‌های ما برهانی برای حدس هموارسازی موضعی در تمام ابعاد تولید کردند و در نتیجه، حدس کاکیا و حدس محدودسازی اشتاین را نیز در همه ابعاد حل می‌کنند.»

میان این جمله و توضیح محدودتر در بخش‌های دیگر، تفاوتی وجود دارد: در آن توضیحات، نتایج مربوط به کاکیا و اشتاین به بخش داخلی بازه حدس‌زده‌شده محدود شده‌اند. هر دو عبارت از سوی OpenAI مطرح شده‌اند؛ بنابراین، خواننده دقیق باید در صورت تفاوت، متن فنی مقالات را مبنای قضاوت قرار دهد، نه جمله خلاصه‌شده در بیانیه.

شرکت درباره علوم رایانه نوشته است: «با کمال تعجب، سامانه ما اخیراً اثبات کرده است که ETH نادرست است؛ نتیجه‌ای که متعاقباً با Lean راستی‌آزمایی شد.» واژه «با کمال تعجب» متعلق به خود OpenAI است و نشان می‌دهد که حتی پدیدآورندگان سامانه نیز انتظار نداشتند مدل به چنین نتیجه‌ای برسد.

در همان صفحه، درباره فیزیک آمده است: «مدل‌های ما در ۹ سپتامبر ۲۰۲۶ برهانی به زبان طبیعی برای وجود یانگ–میلز تولید کردند و سپس در ۱۸ سپتامبر ۲۰۲۶ برهانی برای QCD ارائه دادند.» دو نکته در این بیان جلب توجه می‌کند. نخست اینکه برهان اولیه به زبان طبیعی، یعنی در قالب متن و نه کد صوری، توصیف شده است. دوم اینکه تاریخ‌ها نشان می‌دهند این کار تنها چند هفته پیش انجام شده است؛ موضوعی که توضیح می‌دهد چرا فرایند بررسی مستقل هنوز در مراحل ابتدایی قرار دارد.

چه چیزهایی تأیید شده‌اند و چه چیزهایی هنوز تأیید نشده‌اند؟

تا ۲۷ اکتبر ۲۰۲۶، بر اساس گزارش‌های مورد استناد، تأیید مستقل دانشگاهی هر سه نتیجه به‌طور روشن احراز نشده است. این مهم‌ترین نکته برای کسانی است که قصد دارند این ادعاها را بازگو کنند. OpenAI می‌گوید بررسی با Lean از نتیجه مربوط به ETH پشتیبانی می‌کند و راهبران علمی نیز در حال سازمان‌دهی گروه‌هایی برای بررسی هر سه دستاورد هستند. هیچ‌یک از این موارد به معنای تکمیل داوری علمی نیست.

ادعاهای بزرگ در هر رشته‌ای معمولاً به‌سرعت زیر ذره‌بین قرار می‌گیرند و گاهی پس از بررسی، دامنه آن‌ها محدودتر یا دقیق‌تر می‌شود. در گزارش‌های موجود چیزی وجود ندارد که نشان دهد این نتایج از چنین مرحله‌ای عبور خواهند کرد. خود ارزیابی نیز به مهارتی تخصصی تبدیل شده است. گروه‌هایی که خروجی مدل‌ها را در مقیاس گسترده ارزیابی می‌کنند، از ابزارهای آماری استفاده می‌کنند؛ همان‌طور که در آموزش کالیبره‌کردن داور مدل زبانی بزرگ با ضریب کاپای کوهن توضیح داده‌ایم. بررسی یک برهان سخت‌گیرانه‌تر از ارزیابی پاسخ یک چت‌بات است، اما اصل ماجرا تفاوتی ندارد: پیش از اعتماد به ارزیاب، باید عملکرد آن را سنجید.

پیشینه تاریخی: ماشین‌ها و اثبات‌های ریاضی

رایانه‌ها دهه‌هاست که به اثبات قضیه‌ها کمک می‌کنند. اثبات‌های رایانه‌یار برای قضیه‌های مشهور و دستیارهای اثباتی مانند Lean از مدت‌ها پیش بر شیوه کار ریاضی‌دانان اثر گذاشته‌اند. تفاوت این مورد در جهت حرکت کار است. در نمونه‌های پیشین، انسان‌ها استدلال را پیشنهاد می‌کردند و ماشین‌ها آن را بررسی یا تکمیل می‌کردند. اکنون OpenAI می‌گوید مدل‌هایش استدلال را تولید کرده‌اند و انسان‌ها وظیفه بررسی آن را بر عهده گرفته‌اند.

نظریه پیچیدگی محاسباتی نمونه روشنی برای مقایسه فراهم می‌کند. ETH حدود دو دهه است که به‌عنوان فرضی عملی در پژوهش‌ها به کار می‌رود و پژوهشگران آن را پذیرفته‌اند، زیرا تاکنون نتوانسته‌اند آن را نقض کنند. رد این فرضیه می‌تواند یکی از مهم‌ترین نتایج تاریخ اخیر این حوزه باشد؛ به همین دلیل، معیار پذیرش آن باید بالا و فرایند بررسی‌اش دقیق و زمان‌بر باشد. همین منطق درباره حدس‌های کاکیا نیز صدق می‌کند؛ مسائلی که تحلیل‌گران سال‌ها برای حل آن‌ها تلاش کرده‌اند.

تحولات پیرامون OpenAI نیز با سرعت پیش رفته‌اند. گزارش ما درباره ازسرگیری آموزش مدل‌های مرزی OpenAI پس از وقفه‌ای ۱۱روزه نشان می‌دهد که این شرکت تا چه اندازه به شرایط کنترل‌شده برای آموزش سامانه‌های قدرتمند خود توجه دارد. اعلام دستاوردهای علمی نیز با الگویی سازگار است که در آن اخبار مربوط به توانایی‌های مدل‌ها همراه با اطلاعاتی درباره فرایند تولید و ارزیابی آن‌ها منتشر می‌شود.

تأثیر بر بازار و صنعت

ادعاهای علمی، صرف‌نظر از ارزش فکری آن‌ها، می‌توانند هدف تجاری نیز داشته باشند. آزمایشگاه‌های پیشرو هوش مصنوعی برای جذب مشتریان سازمانی، پژوهشگران و سرمایه‌گذاران با یکدیگر رقابت می‌کنند و اثباتی که صحت آن تأیید شده باشد، نمونه‌ای ملموس از توانایی مدل در انجام کار اصیل است. در مقابل، ادعایی که نادرستی آن آشکار شود، می‌تواند در زمانی نامناسب به اعتبار شرکت آسیب بزند. گزارش ما درباره احتمال جذب حداکثر ۳۰ میلیارد دلار سرمایه از سوی OpenAI با ارزش‌گذاری ۱٫۲۵ تریلیون دلاری ابعاد مالی فعالیت این شرکت را نشان می‌دهد. نتایج علمی معتبر می‌توانند از این استدلال حمایت کنند که چنین ارزش‌گذاری‌هایی بر توانایی‌های واقعی استوارند.

برای دانشگاه‌ها، این اعلام پرسشی درباره ظرفیت نیروی انسانی مطرح می‌کند. اگر سامانه‌های هوش مصنوعی سریع‌تر از توان گروه‌های دانشگاهی برهان تولید کنند، ظرفیت بررسی به مسئله‌ای در حوزه سیاست‌گذاری علمی تبدیل خواهد شد. نهادهای تأمین مالی و مجلات علمی ممکن است به قواعد تازه‌ای برای پذیرش آثاری نیاز داشته باشند که منشأ آن‌ها ماشین است. الگوی راهبران علمی، نخستین پیشنهاد OpenAI برای چنین سازوکاری است و احتمالاً جامعه علمی در ادامه آن را تغییر خواهد داد.

برای تیم‌های نرم‌افزار و امنیت نیز رد احتمالی ETH پیامدهای نظری و عملی دارد. بسیاری از استدلال‌ها درباره کران پایین در طراحی الگوریتم به این فرضیه متکی‌اند؛ بنابراین، مهندسانی که برای توجیه انتخاب‌های طراحی خود به چنین استدلال‌هایی تکیه می‌کنند، بهتر است نتیجه بررسی را دنبال کنند. بااین‌حال، در حال حاضر تغییری در سامانه‌های عملیاتی ایجاد نمی‌شود؛ زیرا ارائه الگوریتمی برای شمارش دقیق در زمان زیرنمایی، به‌خودی‌خود راه‌حلی سریع‌تر برای بارهای کاری واقعی در اختیار کسی نمی‌گذارد. از آنجا که منابع هیچ بهبود سرعت عملی مشخصی را گزارش نکرده‌اند، ما نیز چنین ادعایی مطرح نمی‌کنیم.

رقابت میان شرکت‌ها: علم به‌عنوان معیار تازه سنجش

آزمایشگاه‌های هوش مصنوعی برای نشان‌دادن توانایی مدل‌های خود به معیارهای تازه‌ای نیاز دارند و مسائل علمی حل‌نشده گزینه‌ای چشمگیر برای این کار هستند. هر شرکتی که بتواند نتیجه‌ای ارائه کند و متخصصان آن را بپذیرند، به مزیتی تبلیغاتی و ماندگار دست خواهد یافت. عکس این موضوع نیز صادق است: ادعایی که پس گرفته شود، ممکن است مدت‌ها در ذهن مخاطبان باقی بماند.

OpenAI فعالیت خود را در علوم زیستی نیز گسترش داده است. گزارش ما درباره خرید استارتاپ چهارساله Orchestra Bio از سوی OpenAI نشان می‌دهد که شرکت به‌طور هم‌زمان در چند جبهه در حال توسعه توانمندی‌های علمی است. اعلام تازه این تلاش را به ریاضیات محض و فیزیک نظری گسترش می‌دهد؛ حوزه‌هایی که در آن‌ها محصول مستقیمی برای فروش وجود ندارد و شرکت باید توانایی علمی خود را با شواهد معتبر ثابت کند.

رقبا با یک انتخاب روبه‌رو هستند: یا با ادعاهای علمی خود پاسخ دهند، یا بر قابلیت اطمینان و هزینه تمرکز کنند. گزارش ما درباره تناقض عرضه اولیه سهام Anthropic؛ درآمد ۱۶٫۳ میلیارد دلاری در برابر زیانی بیش از ۸۰ میلیارد دلار نشان می‌دهد که آزمایشگاه‌های پیشرو تا چه اندازه برای توجیه هزینه‌های خود بر روایت توانمندی‌هایشان تکیه می‌کنند. یک اثبات معتبر به تقویت این روایت کمک می‌کند؛ اما ادعایی که هنوز تأیید نشده باشد، زمینه را برای تردید منتقدان فراهم می‌کند.

پیش‌بینی‌ها: در ادامه چه اتفاقی می‌افتد؟

موارد زیر ارزیابی تحریریه ما هستند، نه واقعیت‌های گزارش‌شده. چون منابع هیچ تاریخی برای پایان بررسی‌ها ارائه نمی‌کنند، پیش‌بینی‌ها را در سطح کیفی نگه می‌داریم.

• ادعای مربوط به ETH که با Lean پشتیبانی شده، نخست بررسی خواهد شد. وجود یک بررسی صوری، هدف مشخصی برای ارزیابان فراهم می‌کند؛ بنابراین، انتظار داریم نخستین ارزیابی مستقل جدی درباره این نتیجه منتشر شود و احتمالاً بر مطابقت گزاره صوری با ادعای غیرصوری تمرکز کند.
• دامنه نتیجه ریاضی دقیق‌تر مشخص خواهد شد. انتظار می‌رود متخصصان روشن کنند که برهان دقیقاً کدام بخش از بازه حدس‌های کاکیا و اشتاین را پوشش می‌دهد؛ زیرا عبارت مربوط به بخش داخلی بازه، محدودتر از توضیح کلی منتشرشده است.
• بررسی فیزیک از دو مورد دیگر عقب خواهد ماند. تا زمانی که همه اسناد منتشر نشده باشند، گروه تحت سرپرستی گراس نمی‌تواند ارزیابی جامعی ارائه کند.
• آزمایشگاه‌های دیگر نیز از الگوی راهبران علمی استفاده خواهند کرد. معرفی متخصصان معتبر پیش از انتشار نتایج، کم‌هزینه و از نظر اعتباربخشی اثرگذار است؛ بنابراین، انتظار می‌رود رقبا برنامه‌های مشابهی راه‌اندازی کنند.
• مجلات علمی برای اثبات‌های تولیدشده به کمک هوش مصنوعی سیاست‌های تازه‌ای تدوین خواهند کرد. فشار بر داوران علمی، تدوین چنین سیاست‌هایی را تقریباً اجتناب‌ناپذیر می‌کند، هرچند زمان آن مشخص نیست.

برای پیگیری اخبار انتشار مدل‌ها، معیارهای ارزیابی و اعلامیه‌های آزمایشگاه‌های هوش مصنوعی، به بخش هوش مصنوعی و یادگیری ماشین مراجعه کنید.

خوانندگان چگونه باید با این ادعاها برخورد کنند؟

باید دو نکته را هم‌زمان در نظر گرفت. این ادعاها مشخص و فنی‌اند و با معرفی متخصصان و، در یک مورد، بررسی صوری همراه شده‌اند؛ این سطح از جزئیات فراتر از بسیاری از ادعاهای تبلیغاتی حوزه هوش مصنوعی است. بااین‌حال، هیچ‌یک هنوز به‌طور مستقل تأیید نشده‌اند و اسناد مربوط به فیزیک نیز تا حدی منتشرنشده باقی مانده‌اند. هر دو نکته در تاریخ ۲۷ اکتبر ۲۰۲۶ درست‌اند.

بر این اساس، بهتر است هنگام بازگوکردن این نتایج، انتساب آن‌ها به OpenAI را صریح بیان کنید. تا زمانی که متخصصان مستقل نتیجه را تأیید نکرده‌اند، از واژه‌هایی مانند «حل کرد» با احتیاط استفاده کنید. گزارش‌های گروه‌های راهبر علمی از اعلامیه اولیه مهم‌تر خواهند بود. همچنین، اگر کار شما به حدس‌های مورد بحث وابسته است، متن اصلی مقالات را مطالعه کنید.

پرسش‌های متداول

OpenAI چه چیزی اعلام کرده است؟

OpenAI سه نتیجه در ریاضیات، علوم رایانه و فیزیک اعلام کرده و از سازوکاری برای همکاری با دانشگاهیان از طریق متخصصانی در نقش راهبر علمی خبر داده است. ورج این اعلام را به‌عنوان سه دستاورد بزرگ علمی و روشی تازه برای همکاری با دانشگاهیان گزارش کرده است.

آیا OpenAI مدعی است که فرضیه زمان نمایی نادرست است؟

بله. OpenAI می‌گوید سامانه‌اش نادرستی ETH را اثبات کرده و نتیجه بعداً با Lean راستی‌آزمایی شده است. مقاله این شرکت الگوریتمی قطعی ارائه می‌کند که تعداد انتساب‌های ارضاکننده فرمول‌های CNF با عرض ثابت را در زمان زیرنمایی و فضای چندجمله‌ای به‌طور دقیق محاسبه می‌کند؛ حالت 3-SAT نیز فرضیه را رد می‌کند. بااین‌حال، تأیید مستقل دانشگاهی این نتیجه هنوز به‌طور روشن احراز نشده است.

نتیجه مربوط به کاکیا چه معنایی دارد؟

OpenAI می‌گوید برهان هموارسازی موضعی آن برای موج‌ها در تمام ابعاد مکانی بزرگ‌تر یا مساوی دو، حدس‌های بیشینه و بُعد کاکیا و نیز برآوردهای محدودسازی کروی اشتاین را در بخش داخلی بازه حدس‌زده‌شده نتیجه می‌دهد. متخصصان همچنان باید دامنه دقیق این نتیجه را تأیید کنند.

آیا OpenAI نتیجه‌ای درباره QCD اثبات کرده است؟

OpenAI از برهانی با دقت ریاضی برای اثبات وجود برخی نظریه‌های میدان کوانتومی برهم‌کنشی چهاربعدی دارای میدان‌های پیمانه‌ای و فرمیون‌ها سخن می‌گوید که QCD و تکمیل یکپارچه مدل استاندارد را نیز در بر می‌گیرند. شرکت می‌گوید اسناد فیزیک به‌طور کامل منتشر نشده‌اند؛ بنابراین، دیگران هنوز نمی‌توانند استدلال را به‌طور کامل بررسی کنند.

راهبران علمی چه کسانی هستند؟

راهبران علمی متخصصان بیرونی‌اند که OpenAI از آن‌ها خواسته گروه‌هایی را برای فهم و بررسی هر نتیجه سازمان‌دهی کنند. در حوزه فیزیک، دیوید گراس سرپرستی گروهی را بر عهده خواهد داشت که مایکل داگلاس، آرتور جافه، ایگور کلبانوف و نیکیتا نکراسوف نیز در آن حضور دارند. مشارکت در این فرایند به معنای تأیید نتیجه نیست.

آیا نتایج داوری علمی شده‌اند؟

بر اساس گزارش‌های مورد استناد، هنوز چنین چیزی تأیید نشده است. تأیید مستقل دانشگاهی هر سه نتیجه نامشخص است. بررسی با Lean پشتوانه‌ای صوری برای ادعای علوم رایانه فراهم می‌کند، اما جایگزین بررسی متخصصان و داوری علمی نیست.

کدام مدل OpenAI این برهان‌ها را تولید کرده است؟

در اعلامیه شرکت از عبارت‌های «مدل‌های ما» و «سامانه ما» استفاده شده است. منابع بررسی‌شده مشخص نمی‌کنند که هر برهان به یک مدل نام‌برده‌شده تعلق دارد؛ بنابراین، نمی‌توان هر نتیجه را به مدل خاصی نسبت داد.

چرا این موضوع برای مهندسان نرم‌افزار اهمیت دارد؟

فرض‌هایی مانند ETH زیربنای بسیاری از استدلال‌ها درباره توانایی‌ها و محدودیت‌های الگوریتم‌ها هستند. اگر رد این فرضیه تأیید شود، آن استدلال‌ها باید بازنگری شوند. در حال حاضر، تغییری در سامانه‌های عملیاتی گزارش نشده است و منابع نیز ادعایی درباره افزایش سرعت عملی ارائه نمی‌کنند.

درباره نویسنده