دستاورد بزرگ OpenAI: حل مسائل پیچیده ریاضی با هوش مصنوعی

شرکت OpenAI اعلام کرده است که با انتشار ۷۲۲ مقاله در پلتفرم گیت‌هاب، موفق به ارائه صدها راه‌حل و پیشرفت در حل ۳۷۲ مسئله مهم و دیرینه ریاضی شده است. این دستاوردها که توسط یک مدل آزمایشی و منتشر نشده ChatGPT تأیید شده‌اند، به احتمال زیاد به جنجال‌های اخیر پیرامون استفاده از هوش مصنوعی در جامعه ریاضیات، به‌ویژه در مورد مسئله ناویه-استوکس، دامن خواهد زد.

جزئیات انتشار مقالات و روش کار OpenAI

این نتایج که انتظار می‌رفت، در ماه گذشته OpenAI اعلام کرده بود که مدل‌هایش «بیش از ۱۰۰ مسئله دیرینه و باز در اکثر حوزه‌های ریاضیات» را حل کرده‌اند. در بخشی از این انتشار، OpenAI استدلال مدل، تخمین محاسباتی و اطلاعات مربوط به تعداد مسائل مورد بررسی را ارائه داده است. این شرکت بیان کرد که «میانگین نتیجه» نیازمند حدود سه ساعت استفاده از ChatGPT Pro بوده است. OpenAI ادعا کرده است که دستورالعمل‌های انتشار مقالات را مطابق با توصیه‌های گروه مشاور مستقل خود در زمینه ریاضیات و هوش مصنوعی (AGMAI) دنبال کرده است. این دستورالعمل‌ها شامل انتشار فوری نتایج از طریق کانال‌های آکادمیک سنتی، به همراه جزئیاتی مانند نام مدل مورد استفاده، پرامپت‌ها و هزینه‌های محاسباتی بود. OpenAI در این باره گفته است:

«برای این انتشار، ما نتایج را در یک مخزن گیت‌هاب منتشر می‌کنیم، همراه با پروتکل‌هایی برای بازبینی مقالات و ارجاعات. ما در حال بررسی جایگزین‌های دیگر مبتنی بر جامعه برای این انتشار هستیم که با دستورالعمل‌های کمیته مطابقت داشته باشند. برای انتشار‌های آینده، ما متعهد به بهبود بیشتر کیفیت مقالات از طریق ارجاعات، بیان ریاضی و ارائه نتایج برای درک بهتر هستیم.»

نادیده گرفتن برخی توصیه‌ها و نتایج کلیدی

با این حال، OpenAI برخی از پیشنهادات هیئت مدیره را نادیده گرفته است. این شرکت زمان‌های محاسباتی دقیق برای مسائل یا پرامپت‌های مورد استفاده را منتشر نکرده است. برخی از نتایج کلیدی ادعا شده توسط OpenAI شامل راه‌حل حدس و گمان کاکیا چهاربعدی (four-dimensional Kakeya conjecture)، همراه با بهبود الگوریتم‌های کلیدی کامپیوتری و پیشرفت در جهت فرضیه چالش‌برانگیز ریمان (Riemann hypothesis) است. OpenAI به Scientific American گفته است که تقریباً هر مقاله در پاسخ به یک پرامپت واحد که به یک عامل هوش مصنوعی واحد داده شده، تولید شده است.

شک و تردید جامعه علمی و نیاز به راستی‌آزمایی

این نتایج هنوز باید توسط ریاضیدانان مورد ارزیابی قرار گیرند تا تأثیر آن‌ها درک شود. پس از ماجرای ناویه-استوکس، همچنان شک و تردید زیادی در میان دانشمندان وجود دارد. اندرو ساترلند، ریاضیدان MIT، در مصاحبه با SciAm گفته است: «تا زمانی که مدل را منتشر نکنند و افراد نتوانند نتایج آن‌ها را تکرار کنند، فکر می‌کنم باید هرگونه ادعا در مورد حل مسائل با یک عامل واحد را تأیید نشده تلقی کرد.»

جمع‌بندی: مرزهای هوش مصنوعی در علم

انتشار راه‌حل‌های ریاضی توسط OpenAI، مرزهای توانایی‌های هوش مصنوعی را در حوزه‌های علمی برجسته می‌کند. در حالی که این دستاوردها نویدبخش پیشرفت‌های آینده هستند، اما جامعه علمی بر لزوم شفافیت، تکرارپذیری و ارزیابی دقیق نتایج تأکید دارد تا بتوان به طور کامل از پتانسیل هوش مصنوعی در حل مسائل پیچیده علمی بهره برد.