أصدرت OpenAI هذا الأسبوع مئات الحلول المزعومة لمسائل رياضية صعبة، في محاولة لإظهار قدرة نماذجها على التعامل مع مسائل متقدمة. لكن الإصدار لم يلتزم بالكامل بالإرشادات التي وضعتها مجموعة استشارية من باحثين رياضيين، ما أعاد فتح السؤال الأساسي: هل يكفي أن تنتج النماذج حلاً قابلاً للصياغة البرمجية، أم يجب أن يكون مفهوماً وقابلاً للتدقيق من جانب علماء الرياضيات؟
تضم مجموعة Advisory Group on Mathematics and Artificial Intelligence (AGMAI) تسعة باحثين بارزين، وتستضيفها مؤسسة الدراسات المتقدمة في جامعة برينستون. وكانت المجموعة قد نشرت في نهاية سبتمبر إرشادات للمختبرات التي تطور نماذج متقدمة لحل المسائل الرياضية.
التزام جزئي بإرشادات الباحثين
أشارت AGMAI إلى أن تقييم مدى الالتزام بتوصياتها يعود في النهاية إلى مجتمع الرياضيات. ومن أبرز توصياتها التوقف عن اختبار المسائل الرياضية المتقدمة على نماذج مملوكة تجارياً، بينما أوضحت OpenAI صراحة أنها تستخدم مسائل بحثية مفتوحة لتقييم نماذجها الخاصة.
اتبعت OpenAI بعض المبادئ، مثل نشر النتائج سريعاً وتقديم معلومات عن كيفية وصول النماذج إلى استنتاجاتها. إلا أن 10 مخطوطات فقط من أصل 719 تضمنت سلاسل التفكير الخاصة بالنموذج. كما أن 42% من البراهين المنشورة لم تخضع للصياغة الشكلية.
وترى المجموعة أن البراهين التي يصعب على البشر فهمها ينبغي تحويلها إلى صيغة رسمية. لكنها شددت أيضاً على مسؤولية المختبر عن ضمان أن يتبع إصدار النتائج فهم بشري لها، واقترحت تمويل علماء رياضيات يساعدون في جعل هذه النتائج ذات معنى علمي فعلي.
فجوة بين اللغة الطبيعية وشيفرة Lean
تبدأ النماذج عادة بإنشاء شرح باللغة الطبيعية، ثم تحاول تحويله إلى Lean، وهي لغة برمجة يمكن أن يؤكد مترجمها اتساق البرهان بصيغة قابلة للتنفيذ. غير أن التحويل الآلي قد يغيّر مضمون البرهان أو يفصل بين ما يقوله الشرح وما تثبته الشيفرة.
وثقت ورقة نشرها رياضيون من جامعة كامبريدج وكينغز كوليدج لندن اختلافين على الأقل بين برهان باللغة الطبيعية وشيفرة Lean المرتبطة بحل قدمته OpenAI لمسألة مشتقة من معادلات Navier-Stokes الخاصة بسلوك الموائع المعقد. ولا تثبت هذه الاختلافات بالضرورة خطأ أي من الحلين، لكنها تثير الشكوك حول ترك النماذج تتولى صياغة حلولها رسمياً من دون تدخل بشري.
كما طلبت AGMAI تضمين بيانات وصفية قابلة للقراءة آلياً تربط بين البرهان النصي والنسخة الرسمية، وهو ما لم توفره OpenAI في هذه الإصدارات. وخلص مؤلفو الورقة، المعروفة باسم “lost in translation”، إلى أن البراهين النصية وبراهين Lean المحولة آلياً لا ينبغي قبولها مبدئياً من دون مراجعة أقران وتدقيق مماثلين لما تخضع له البراهين الأخرى.
لماذا يهم هذا الخبر؟
المشكلة لا تتعلق فقط بإثبات أن الشيفرة تُترجم بنجاح، بل بإثبات أن الشيفرة تمثل فعلاً الفكرة الرياضية التي يشرحها النص. ففي البحث التقليدي يتحمل العلماء مسؤولية نتائجهم، ويناقشونها عبر الأوراق والمحاضرات والندوات، وهي عملية تساعد على اكتشاف الأخطاء وفهم الأساليب القابلة لإعادة الاستخدام.
أما عندما تنتج النماذج حلاً لمسألة صعبة، فقد لا يتوافر هذا الفهم البشري عند لحظة النشر. لذلك فإن نتائج OpenAI الحالية تبدو أقرب إلى بداية عملية التحقق العلمي منها إلى نهاية المشكلة؛ وتظل المراجعة البشرية، وربط المخرجات النصية والرسمية، شرطين مفتوحين قبل اعتماد هذه البراهين داخل المجتمع الرياضي.
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.