نشرت OpenAI على GitHub مجموعة من 722 دراسة رياضية أنتجها نموذج ذكاء اصطناعي داخلي لم تطرحه الشركة بعد للاستخدام العام. وتغطي المجموعة 372 عائلة من النتائج، بينها محاولات لمعالجة مسائل مفتوحة طال أمد حلها، وفق تقييم مجموعة Advisory Group on Mathematics and Artificial Intelligence (AGMAI) المستقلة.
لكن نشر هذه الأعمال لا يعني اعتمادها كإنجازات رياضية نهائية. توضح OpenAI أن النتائج موجودة في مراحل مختلفة من التحقق، وأن بعض الدراسات غير الرسمية قد تحتوي على أخطاء، فيما تحتاج جميعها إلى مراجعة المجتمع الرياضي وتأكيدها عبر القنوات الأكاديمية المعتادة.
من نحو 4 آلاف مسألة إلى 722 دراسة
اختبر النموذج خلال عملية التقييم على نحو 4 آلاف مسألة رياضية. وبعد تصفية النتائج بحسب مستوى الأهمية، اختارت OpenAI المجموعة المنشورة، التي تتكون من 372 عائلة و722 دراسة. وتقول الشركة إن إنتاج النتيجة الواحدة تطلب في المتوسط قدرة حوسبية تعادل نحو ثلاث ساعات من قدرة التفكير المتاحة لمستخدمي ChatGPT Pro.
ولتعزيز قابلية الفحص، نشرت OpenAI بيانات إضافية عن 10 مسائل، تشمل ملخصات مختصرة لمسار الاستدلال، وتقديرات القدرة الحوسبية المستخدمة، وعدد المسائل التي جرت محاولتها. وتتوزع الأمثلة على مجالات مختلفة، من بينها مقياس لا نسبية العدد π، وتخمينات Mahler، وتخمين Kaplansky حول التناهي المباشر، ونظام Vlasov-Maxwell النسبي ثلاثي الأبعاد.
التحقق باستخدام Lean ليس شاملاً
خضع جزء مهم من البراهين المنشورة للمراجعة باستخدام Lean، وهو نظام للتحقق الرياضي يتيح للحاسوب اختبار الاتساق المنطقي للبرهان. مع ذلك، لا تمتلك جميع الدراسات في المجموعة تحققاً رسمياً عبر Lean حتى الآن.
تعتزم OpenAI تحديث مستودع GitHub مع اكتمال عمليات التحقق الرسمية. وتقول الشركة إن معظم النتائج أُنتجت وفق إجراء موحد، مع وجود استثناءات؛ إذ جرى الحصول على إحدى الدراسات المتعلقة بمنطقة انعدام أصفار دالة زيتا لريمان بطريقة مختلفة، كما حرر إنسان نصها لتحسين سهولة القراءة.
لماذا يهم هذا الخبر؟
القيمة الأساسية للمجموعة لا تكمن فقط في عدد الدراسات، بل في اختبار طريقة جديدة لإنتاج نتائج رياضية قابلة للمراجعة. فإتاحة الملفات، وبيانات التكلفة الحوسبية، وملخصات الاستدلال، والتحقق الآلي الجزئي، توفر عناصر يحتاجها الباحثون لتقييم ما إذا كان النموذج ينتج اكتشافات قابلة لإعادة الفحص أم مجرد نصوص تبدو مقنعة.
في المقابل، تظل هناك قيود واضحة: التحقق غير مكتمل، والمراجعة البشرية والأكاديمية لم تنته، كما أن نتائج النموذج لا تمثل بعد نظاماً متاحاً للباحثين أو منتجاً عاماً. وتدعو AGMAI شركات الذكاء الاصطناعي إلى نشر النتائج الرياضية عبر القنوات الأكاديمية، والكشف عن النماذج والتكلفة والأساليب المستخدمة، وعدم تحويل الاكتشافات إلى أداة تسويقية بحتة.
أعلنت OpenAI كذلك أنها ستمول ورش عمل ومؤتمرات وبرامج خاصة لفهم النتائج المهمة التي ينتجها الذكاء الاصطناعي، بالتوازي مع عملها على إتاحة النموذج الداخلي بصورة مسؤولة. لذلك تمثل المجموعة الحالية خطوة اختبارية في كيفية توثيق النتائج العلمية المولدة آلياً، لا حكماً نهائياً على قدرة النموذج الرياضية.
كيف أعددنا هذا الخبر؟
اعتمد الخبر على المصدر الأصلي الموضح أعلاه. قد نستخدم أدوات آلية للمساعدة في الاستخراج والتصنيف والصياغة،
لكن النشر يخضع لقواعد تمنع المحتوى المكرر والقصير أو الروتيني منخفض القيمة.
اقرأ سياستنا التحريرية.