تصور کنید ابزاری ساخته شود که بتواند پیچیدهترین رازهای هندسه و جبر را بهطور خودکار رمزگشایی کند. اگر این اتفاق بیفتد، مرز بین نبوغ انسانی و محاسبات ماشین برای همیشه جابهجا میشود.
طبق گزارش وبسایت the-decoder.com در ۱۷ سپتامبر ۲۰۲۶، کارکنان OpenAI انتظار دارند بهزودی راه حلی برای حدس هاج (Hodge conjecture) پیدا کنند. این مسئله که یکی از هفت مسئلهٔ هزاره است، میپرسد آیا ویژگیهای هندسی خاصی از اشکال را میتوان با بلوکهای جبری سادهتر توصیف کرد؟ حل این معما، OpenAI را در زمرهٔ نخبهترین نهادهای ریاضی تاریخ قرار میدهد.
این تلاش در ادامهٔ راه حل تأییدنشدهای است که شرکت برای مسئلهٔ «ناویر-استوکس» ارائه داد. این دستاوردها در حالی رخ میدهد که اختلافاتی میان OpenAI، آنتروپیک و دانشگاه NYU بر سر مالکیت پیشرفتهای ریاضی در جریان است. همانطور که در تحلیلهای قبلی ما دربارهی عاملهای هوش مصنوعی (AI Agents) — شبیه دستیارهای هوشمندی که میتوانند بهجای شما کارهای پیچیده را مرحلهبهمرحله انجام دهند — اشاره کردیم، تمرکز بر بهرهوری عملیاتی در حال تغییر است. اکنون OpenAI به جای ابزارهای کاربردی، قوانین بنیادین ریاضیات را هدف گرفته است؛ آن هم در حالی که یاکوب پاچوکی (Jakub Pachocki)، پژوهشگر ارشد شرکت، پیشتر گفته بود اولویت آنها «خودبهبودی بازگشتی» است، نه ریاضیات محض.
به نقل از منابع داخلی، برای حل این مسائل از نسخهای از مدل پیشآموزشدیدهٔ جدید شرکت با نام رمز Doug استفاده شده است. هزینهٔ محاسباتی تنها برای تلاش روی مسئلهٔ ناویر-استوکس به میلیونها دلار رسید. اکنون مدیریت شرکت بهدلیل بحرانهای روابط عمومی پس از ادعای ناویر-استوکس، در مورد انتشار عمومی نتایج محتاط است تا پیامها پیش از اعلام رسمی حل حدس هاج، کاملاً دقیق باشند.
برخی تحلیلگران داخلی معتقدند حل این مسائل انتزاعی، هدف نهایی نیست. آنها استدلال میکنند قابلیتهای استدلالی مورد نیاز برای این پیشرفتها، مستقیماً به خودبهبودی بازگشتی (Recursive Self-improvement) کمک میکند؛ یعنی خلق هوش مصنوعی که بتواند معماری خودش را بهینه کند.
این رویکرد موجی از اعتراض در جامعهٔ آکادمیک ایجاد کرده است. بسیاری از ریاضیدانان بهجای الهام گرفتن، خشمگین هستند و خودکارسازی اثباتهای سطح بالا را تهدیدی مستقیم برای بقای حرفهٔ خود میبینند.
هنوز مشخص نیست این مسیر یک رقابت برای کسب اعتبار است یا یک پلهٔ فنی برای رسیدن به مدلهای قدرتمندتر. در هر صورت، جامعهٔ ریاضی احتمالاً تا زمان ارائه یک مقالهٔ سفید (White paper) رسمی یا ارسال به داوری همتا، هیچ راه حل ماشینساز را نمیپذیرد.
گام بعدی شما
- دنبال کردن انتشار مقالات رسمی OpenAI در مورد مدل Doug باشید.
- بررسی کنید که آیا ابزارهای استدلالی جدید بر سرعت حل مسائل مهندسی در حوزهٔ کاری شما اثر میگذارند یا خیر.
- مقالات مربوط به مسائل هزاره را بخوانید تا درک کنید چرا حل آنها برای توسعهٔ AI حیاتی است.
اما داستان سختافزاری این تحول حتی شگفتانگیزتر است — به تحلیل ما دربارهی تراشههای Blackwell مراجعه کنید.
گفتگو