مدل مخفی ریاضی OpenAI برای هر پاسخ سه ساعت محاسبات نیاز داشت
مدل منتشرنشده OpenAI برای تولید هر نتیجه در انتشار جدید ریاضی خود، به حدود سه ساعت پردازش ماشینی نیاز داشت. هزینه واقعی این فرایند، نکته‌ای کلیدی برای کسانی است که می‌خواهند بدانند رونق هزینه‌کرد در حوزه هوش مصنوعی همچنان توجیه‌پذیر است یا نه.
OpenAI در تاریخ ۶ اکتبر یک مخزن گیت‌هاب با نام openai/math راه‌اندازی کرد و در ابتدا ۷۲۲ دست‌نوشته را به‌طور هم‌زمان در قالب ۳۷۲ خانواده از نتایج منتشر کرد. پس از سه مورد حذف، این مخزن اکنون ۷۱۹ دست‌نوشته را فهرست می‌کند. این شرکت می‌گوید یک مدل داخلی منتشرنشده این مجموعه را پس از بررسی حدود ۴ هزار مسئله پژوهشی پیشنهادی تولید کرده و تنها بخشی را منتشر کرده است که از نظر این مدل به اندازه کافی مهم بوده‌اند.
برخی از این نتایج با فهرست‌های شناخته‌شده مسائل حل‌نشده ریاضی هم‌پوشانی دارند، از جمله فهرستی شامل ۵۰۰ مسئله باز ریاضی که توسط یک مدل زبانی رتبه‌بندی شده است. بر اساس اطلاعات منتشرشده از سوی OpenAI، هر نتیجه به‌طور میانگین به حدود سه ساعت محاسبات در سطح ChatGPT Pro نیاز داشته است.
اهمیت زمان‌بندی این موضوع در همین‌جا مشخص می‌شود. سارا فریار، مدیر مالی OpenAI، در نوامبر ۲۰۲۵ گفته بود دولت می‌تواند در تأمین مالی زیرساخت‌های هوش مصنوعی نقش پشتیبان داشته باشد؛ اظهارنظری که بعداً آن را تعدیل کرد. این سخنان در شرایطی همچنان مورد توجه قرار گرفته که تردیدها درباره هزینه‌های سرمایه‌ای صنعت هوش مصنوعی افزایش یافته است.
کولت کرس، مدیر مالی انویدیا، گفته است صنعت هوش مصنوعی ممکن است تا پایان دهه شاهد هزینه سالانه ۳ تا ۴ تریلیون دلاری برای زیرساخت‌های هوش مصنوعی باشد. مدلی ریاضی که برای هر نتیجه سه ساعت استنتاج انجام می‌دهد، دقیقاً همان نوع بار کاری است که چنین هزینه‌هایی قرار است توجیه کند؛ یا از سوی دیگر، همان چیزی است که منتقدان حباب هوش مصنوعی ممکن است آن را نشانه‌ای از هزینه‌کرد بی‌محابا بدانند.
سه ساعت محاسبات در سطح ChatGPT Pro ارزان نیست و OpenAI تاکنون رقم دقیق دلاری آن را منتشر نکرده است. با این حال، اشتراک ChatGPT Pro برای استفاده گسترده توسط یک کاربر انسانی که پرسش‌های معمولی مطرح می‌کند، ماهانه ۲۰۰ دلار هزینه دارد. اجرای یک مدل پیشرفته با چنین شدتی برای سه ساعت متوالی و تنها برای یک نتیجه، هزینه استنتاجی ایجاد می‌کند که اقتصاد واحد بسیاری از شرکت‌های نرم‌افزاری مبتنی بر خدمات را غیرمنطقی جلوه می‌دهد. در کنار حدود ۴ هزار مسئله‌ای که در ارزیابی مطرح شد، این موضوع نشان می‌دهد چرا OpenAI برای اجرای این آزمایش به تخصیص محاسباتی اختصاصی نیاز داشت.
این همان شرط‌بندی‌ای است که سرمایه‌گذاران زیرساخت روی آن حساب می‌کنند: نه صرفاً اینکه هوش مصنوعی باهوش‌تر شود، بلکه اینکه پرداخت هزینه برای فکر کردن چندساعته هوش مصنوعی روی مسائلی که یک متخصص انسانی نیز ممکن است ساعت‌ها یا روزها روی آن‌ها کار کند، ارزش داشته باشد.
اگر این شرط‌بندی در محیط‌های سازمانی، کشف دارو، علوم مواد و طراحی تراشه نتیجه دهد، این حجم از هزینه‌کرد آینده‌نگرانه به نظر خواهد رسید. اما اگر این توانایی خارج از مسائل شبیه المپیادهای ریاضی با پاسخ‌های دقیق و قابل بررسی تعمیم پیدا نکند، صدها میلیارد دلار سرمایه‌ای که شرکت‌های بزرگ فناوری انتظار می‌رود امسال برای هوش مصنوعی هزینه کنند، ممکن است به زیرساختی تبدیل شود که برای کاربردی محدودتر از آنچه ارزش‌گذاری‌ها فرض کرده‌اند ساخته شده است.
در زیر این اعداد مربوط به محاسبات، یک مسئله اعتبار نیز وجود دارد. این مخزن اکنون اعلام می‌کند حدود ۴۲ درصد از نتایج اصلی به‌صورت رسمی در Lean، زبان برنامه‌نویسی مورد استفاده ریاضی‌دانان برای بررسی ماشینی اثبات‌ها، پیاده‌سازی شده‌اند. بقیه نتایج بدون این تأیید مستقل منتشر شده‌اند.
یک روز پس از انتشار، OpenAI سه دست‌نوشته را پس گرفت؛ زیرا یک اشتباه علامتی یکی از استدلال‌ها را بی‌اعتبار کرده و دو مقاله دیگر را که به آن وابسته بودند، دچار مشکل کرده بود. ریاضی‌دانان با ترکیبی از هیجان واقعی و نارضایتی آشکار واکنش نشان دادند؛ زیرا صدها ادعای تأییدنشده برای بررسی به رایگان در اختیار جامعه علمی قرار گرفته بود.
این نارضایتی سابقه‌ای تازه هم دارد. در سپتامبر، OpenAI اعلام کرد یک سامانه داخلی این شرکت برای مسئله ناویر–استوکس، یکی از مسائل جایزه هزاره، اثباتی تولید کرده است. اما تریستان باک‌مستر، ریاضی‌دان دانشگاه نیویورک، گفت شرکت چند روز پیش از اعلام عمومی با او تماس گرفته بود و سپس راه‌حل خود را بر پایه همان مسیر کلی حمله‌ای منتشر کرد که او و همکارش لِوِنت آلپوگه پیش‌تر به‌صورت خصوصی دنبال می‌کردند.
گزارش Fortune درباره این اختلاف، پرسشی مهم‌تر از توانایی مدل‌ها مطرح کرد: آیا پژوهشگران می‌توانند با خیال راحت از ابزارهای آزمایشگاه‌های پیشرو هوش مصنوعی برای کارهای منتشرنشده خود استفاده کنند، اگر آن آزمایشگاه ممکن است از نحوه استفاده آن‌ها از محصول خود یاد بگیرد و سپس نتیجه‌ای رقیب منتشر کند؟
هیچ‌کدام از این موارد بحث درباره زمان رسیدن به هوش مصنوعی عمومی (AGI) را به نفع هیچ طرفی حل نمی‌کند و نباید هم چنین برداشتی داشت. مدلی که سه ساعت برای یک مسئله مشخص با پاسخ قابل بررسی زمان صرف می‌کند، با مدلی که باید در دنیای پیچیده و مبهمی که بیشتر کسب‌وکارها در آن فعالیت می‌کنند کار کند، تفاوت زیادی دارد.
مسائل ریاضی ویژگی نادری دارند: می‌توان آن‌ها را ارزیابی کرد. اما بیشتر کارهایی که بنیان‌گذاران شرکت‌ها انتظار دارند هوش مصنوعی انجام دهد، چنین ویژگی‌ای ندارند. فاصله میان «پیشرفت اعلام‌شده در مسائل دشوار ریاضی با زمان تفکر طولانی» و «توانایی اداره خدمات مشتری یا زنجیره تأمین یک شرکت» همچنان بسیار زیاد است و این انتشار آن فاصله را از بین نمی‌برد.
آنچه این انتشار نشان می‌دهد، نکته‌ای محدودتر اما کاربردی‌تر است: آزمایشگاه‌های پیشرو هوش مصنوعی اکنون می‌توانند با افزایش محاسبات مصرف‌شده برای هر پاسخ، نه فقط با افزودن داده‌های آموزشی بیشتر در ابتدا، توانایی خام مدل‌ها را افزایش دهند.
این یک اهرم واقعی است؛ همان اهرمی که هر دلار سرمایه‌گذاری در انویدیا، مراکز داده و قراردادهای تأمین انرژی در نهایت روی آن شرط‌بندی می‌کند. اینکه این اهرم ارزش هزینه‌ای در مقیاس تریلیون‌ها دلار در سال را داشته باشد، همچنان یک پرسش باز است؛ درست مانند بسیاری از مسائل ریاضی که OpenAI حل نکرده است.