پرش به محتوای اصلی
پرش به محتوای مقاله

۱۰ هفته‌ای که دهه‌ها تلاش علمی در ریاضی و رمزنگاری را به صفر رساند

·۲۰ شهریور ۱۴۰۵۷ دقیقه مطالعه۱ بازدید
هوش مصنوعی اکنون مسائلی را حل می‌کند که علم دهه‌ها در شکستن آن‌ها ناکام بود.
هوش مصنوعی اکنون مسائلی را حل می‌کند که علم دهه‌ها در شکستن آن‌ها ناکام بود.
اشتراک‌گذاری
واقعاً چه چیز جدید است؟

عبور از حد استنتاج ساده به استدلال مستقل در ریاضیات و رمزنگاری؛ جایی که AI نه تنها پاسخ‌های موجود را پیدا نمی‌کند، بلکه مفاهیم و تکنیک‌های حمله (مانند پل موبیوس) را ابداع می‌کند.

تصور کنید پژوهشگری باشید که تمام عمرش را صرف حل یک معادله کرده است، اما یک مدل هوش مصنوعی در ۶۰ ساعت تمام، تمام فرض‌های او را باطل می‌کند. این کابوس برای بسیاری از دانشمندان در سال ۲۰۲۶ به واقعیت تبدیل شد.

در بازه زمانی کوتاهی بین مه تا جولای ۲۰۲۶، سامانه‌های هوش مصنوعی به‌طور مستقل مسائلی را در ریاضیات محض، زیست‌شناسی ساختاری و رمزنگاری حل کردند که نزدیک به یک قرن بود ذهن انسان را به چالش کشیده بود. این جهش، یک تغییر کیفی در توانمندی‌هاست؛ ما دیگر با مدل‌هایی که صرفاً داده‌ها را بازیافت می‌کنند یا داده‌های موجود را میان‌یابی (Interpolate) می‌کنند طرف نیستیم. در عوض، استدلال عمومی (General-purpose reasoning) از آستانه‌ای عبور کرده است که می‌تواند در مرزهای دانش بشری عمل کند و اغلب در سرعت و مقیاس از آن پیشی بگیرد. این شتاب در خودکارسازی پژوهش‌ها را می‌توان در یافته‌های اخیر مطالعه IAPS مشاهده کرد که نشان می‌دهد سرعت پیشرفت AI از تمامی پیش‌بینی‌های پیشین فراتر رفته است.

برای دنیای کسب‌وکار و سیاست‌گذاری، این یک هشدار جدی است. نهادهایی که مسئول مدیریت ریسک‌های علمی هستند — از استانداردهای رمزنگاری NIST گرفته تا داوری‌های تخصصی (Peer Review) آکادمیک — برای همگام شدن با چرخه پژوهشی که از «سال» به «ساعت» رسیده است، در تکاپو و تقلا هستند. سرعت و گستره این نتایج نشان می‌دهد که دستاوردهای توانمندی AI اکنون خطوط زمانی علمی را به گونه‌ای فشرده می‌کند که چارچوب‌های سیاست‌گذاری و امنیتی ساخته شده در اطراف آن‌ها را دور می‌زند.

فروپاشی سدهای ریاضی

طبق اعلام منابع رسمی، این زنجیره از ۲۰ مه ۲۰۲۶ آغاز شد؛ زمانی که مدل استدلالی OpenAI حدس «فاصله واحد اردوش» (Erdős unit distance conjecture) را رد کرد. این مسئله از سال ۱۹۴۶، زمانی که پل اردوش آن را مطرح کرد، بدون پاسخ مانده بود. مدل تنها حدس نزد، بلکه یک اثبات تأییدشده با استفاده از یک خانواده جدید و بی‌نهایت از آرایش نقاط ارائه داد که بهبود چندجمله‌ای (Polynomial improvement) نسبت به ساختارهای قبلی داشت.

تیموتی گاورز، ریاضی‌دان برجسته، تأیید کرد که این نتیجه یک پیشرفت واقعی در هندسه گسسته است و نه یک خطای محاسباتی یا یک نتیجه نزدیک به هدف. این پیروزی، راه را برای موفقیت‌های متوالی در ماه جولای هموار کرد:

  • ۲۰ جولای: مدل Claude Fable 5 حدس یاکوبی (Jacobian Conjecture) را که ۸۷ سال حل‌نشده مانده بود، رد کرد. این دستاورد مستلزم آن بود که مدل استدلال خودکار را در حوزه هندسه جبری به طور کامل اجرا کند.
  • ۲۲ جولای: مدل RedNote AI با کسب امتیاز کامل (۴۲ از ۴۲) در المپیاد جهانی ریاضی (IMO)، رکورد امتیاز ۳۵ از ۴۲ که سال گذشته توسط گوگل دیپ‌مایند و OpenAI ثبت شده بود را شکست. این مدل شش مسئله مسابقاتی را در شرایطی حل کرد که به‌طور خاص برای شکست دادن روش‌های «تطبیق الگو» (Pattern-matching) طراحی شده بودند.
  • ۲۴ جولای: مدل ChatGPT 5.6 Pro یک مسئله باز قدیمی را تنها با چهار پرامپت و کمترین راهنمایی انسانی حل کرد و یک مثال نقض ساختاریافته (Structured counterexample) برای مسئله‌ای که سال‌ها پابرجا بود، یافت.

این نتایج ثابت می‌کند که هوش مصنوعی اکنون می‌تواند بدون تکیه بر الگوهای موجود در داده‌های آموزشی، در ریاضیات گسسته و هندسه جبری استدلال کند. رشته مشترک در تمام این موارد این است که استدلال عمومی اکنون می‌تواند به‌طور سازنده در مرز دانش ریاضیات بشری عمل کند، نه صرفاً در سطحی پایین‌تر از آن. با این حال، این حجم از تولید اثبات، نگرانی‌هایی را در میان جامعه علمی ایجاد کرده است؛ چنان‌که ترنس تائو هشدار داده است که فراوانی اثبات‌های تولید شده توسط AI ممکن است منجر به بزرگ‌ترین بحران در تاریخ ریاضیات شود.

زیست‌شناسی در مقیاس میلیاردی

در حالی که مدل‌های ریاضی در حال شکستن حدس‌ها بودند، Meta Biohub چشم‌انداز زیست‌شناسی ساختاری را تغییر داد. در ۲۷ مه ۲۰۲۶، این شرکت مدل ESMFold2 را منتشر کرد؛ یک مدل متن‌باز که ساختار ۱.۱ میلیارد پروتئین را پیش‌بینی کرد.

این اطلس عظیم است. این پایگاه داده ۸۰۰ میلیون ورودی بیشتر از پایگاه داده قبلی AlphaFold دارد و آن را به بزرگترین تلاش برای پیش‌بینی ساختار پروتئین در تاریخ تبدیل می‌کند. از آنجا که ساختار پروتئین تعیین‌کننده عملکرد آن است و عملکرد پروتئین تعیین می‌کند که آیا یک هدف دارویی قابل اجرا است یا خیر، این داده‌ها نقشه‌ای جامع برای اهداف دارویی در بیماری‌های نادر، مقاومت آنتی‌بیوتیکی و درمان‌های نوین فراهم می‌کند.

متا با انتشار باز این مدل، سرعت کشف دارو در مراحل پایین‌دستی را شتاب بخشید. با این حال، این اقدام نظارت متمرکز را از بین برد؛ به این معنا که اکنون این داده‌ها در دسترس هر بازیگری است، فارغ از اینکه به چه نهاد یا مؤسسه‌ای وابسته باشد. این نتیجه از طریق یک مکانیسم مشترک به پیشرفت‌های ریاضی متصل می‌شود: هوش مصنوعی در مقیاس و سرعتی عمل می‌کند که پژوهشگران انسانی قادر به رقابت با آن نیستند، چه در جست‌وجوی اثبات‌های ریاضی و چه در تاشدگی پروتئین‌ها.

بحران رمزنگاری

هشداردهنده‌ترین نتایج در اواخر جولای رخ داد. به گزارش منابع امنیتی، بین ۲۸ و ۲۹ جولای، مدل Claude Mythos Preview برد‌های حمله جدیدی را علیه نسخه‌های تضعیف‌شده رمزنگاری AES شناسایی کرد. این نخستین بار است که یک AI به‌طور مستقل نقاط ضعف استانداردهایی را می‌یابد که تراکنش‌های مالی جهانی و ارتباطات خصوصی را محافظت می‌کنند.

بحرانی‌تر از آن، در ۲۹ جولای، Claude Mythos الگوریتم HAWK را که یکی از کاندیداهای فرآیند استانداردسازی رمزنگاری پساکوانتومی NIST بود، شکست. مدل تنها در ۶۰ ساعت نقص بحرانی را یافت؛ کاری که دو سال بررسی متخصصان جهانی از آن غافل مانده بود. همچنین، این مدل به‌طور مستقل تکنیک جدیدی برای حمله به AES-128 ابداع کرد که «پل موبیوس» (Möbius Bridge) نامیده شد.

در اینجا باید به چند نکته اشاره کرد. حملات AES نسخه‌های تضعیف‌شده الگوریتم را هدف قرار دادند، نه نسخه‌های عملیاتی AES-128 یا AES-256 که در حال حاضر مستقر هستند. به همین ترتیب، HAWK یک کاندید بود و نه یک استاندارد نهایی شده، به این معنی که نقص پیش از استقرار شناسایی شد. با این حال، پیام ساختاری روشن است: چرخه بررسی رمزنگاری از سال به روز تبدیل شده است. این روند با تلاش‌های گوگل برای کاهش نیاز سخت‌افزاری در شکست رمزنگاری همسو است که ریسک‌های امنیتی را دوچندان می‌کند.

سیاست‌گذاری و زیرساخت

دولت‌ها واکنش نشان داده‌اند اما پاسخ آن‌ها کند است. در ۲۲ جولای، کاخ سفید ابتکار ۵ میلیارد دلاری Genesis Mission را برای بهره‌برداری از AI در اکتشافات علمی معرفی کرد. اگرچه این بودجه قابل توجه است، اما تمرکز این مأموریت بر جنبه‌های مثبت — مانند پژوهش‌های پزشکی و پیشتازی ژئوپلیتیک — است، نه ریسک‌های امنیتی ناشی از پیشرفت‌های رمزنگاری یا پرسش‌های مربوط به اعتبارسنجی اثبات‌های خودکار.

هم‌زمان، AI به زیرساخت‌های فیزیکی نفوذ کرده است. در ۱۴ جولای، همکاری بین آزمایشگاه ملی ایداهو، UIUC و پردو کنترل بلادرنگ و از راه دور یک رآکتور هسته‌ای را با استفاده از AI و محاسبات سریع توزیع‌شده (Distributed HPC) به نمایش گذاشت. اگرچه این یک نمایش کنترل‌شده بود، اما سیگنالی است مبنی بر اینکه مرز بین AI به عنوان یک ابزار پژوهشی و AI به عنوان یک سیستم عملیاتی در محیط‌های حساس به ایمنی، در حال محو شدن است.

تغییر سطح دوم: نقش جدید انسان

این تحول، نقش انسان در علم را تغییر می‌دهد. پژوهشگران از «کاشف اصلی» به سمت «انتخاب‌کننده مسئله»، «اعتبارسنج» و «اجراکننده» حرکت می‌کنند. گلوگاه دیگر محاسبات یا جست‌وجوی اثبات نیست، بلکه توانایی تأیید نتایج است.

اگر یک رمز کاندید در ۶۰ ساعت می‌شکند، فرآیند فعلی NIST که شامل دو سال بررسی انسانی است، منسوخ شده است. این فرآیند به مکانیسم‌های جدیدی نیاز دارد، مانند بررسی‌های تقویت‌شده با AI در سمت دفاع یا دوره‌های طولانی‌تر برای قرار دادن کاندیدها در معرض حمله. ما وارد عصری می‌شویم که دفاع باید برای بقا در برابر حملات تقویت‌شده با AI، از بررسی‌های تقویت‌شده با AI استفاده کند.

مواردی برای رصد کردن

در ادامه، چندین شاخص کلیدی مسیر این شتاب را تعیین خواهد کرد:

  • پاسخ NIST: اینکه آیا NIST بررسی کاندیداهای باقی‌مانده پساکوانتومی را با استفاده از AI تسریع می‌کند و آیا تکنیک «پل موبیوس» به سایر طرح‌های مبتنی بر شبکه (Lattice-based) تعمیم می‌یابد یا خیر.
  • زیرساخت اعتبارسنجی: اینکه آیا جامعه ریاضیات می‌تواند خطوط لوله تأیید رسمی (Formal verification pipelines) را با سرعتی کافی توسعه دهد تا با شتاب تولید اثبات توسط AI، داوری تخصصی همچنان معنادار باقی بماند.
  • کاربردهای ESMFold2: انتظار می‌رود اولین برنامه‌های کشف دارو که بر اساس داده‌های ESMFold2 ساخته شده‌اند، ظرف ۱۲ تا ۱۸ ماه آینده وارد مراحل پیش‌بالینی شوند. موفقیت آن‌ها تعیین می‌کند که چه مقدار از این اطلس ساختاری واقعاً کاربردی است.
  • حکمرانی Genesis Mission: رصد دستورالعمل‌های سازمان‌ها درباره نحوه اعتبارسنجی و انتشار نتایج تولید شده توسط AI، به‌ویژه در پژوهش‌های پزشکی مرتبط با FDA.
  • استانداردهای عملیاتی: آستانه بعدی این است که آیا تکنیک‌های مشابه علیه AES عملیاتی یا استانداردهای نهایی شده پساکوانتومی آزمایش می‌شوند و آیا این تلاش‌ها افشا می‌شوند یا از طریق نشت داده‌ها آشکار می‌گردند.

این مطلب ابتدا در Present of AI منتشر شد، جایی که ما آنچه AI واقعاً در جهان انجام می‌دهد را بدون هیچگونه اغراق پوشش می‌دهیم. برای مطالعه بیشتر یا دریافت مطالب در صندوق ورودی خود، با ما همراه باشید.

چرا این موضوع مهم است؟

این اتفاق نشان می‌دهد که AI از مرحله «کمک به انسان» به مرحله «پیشروی مستقل در مرز دانش» رسیده است. اعتبار نهادهای استانداردگذاری جهانی مانند NIST اکنون به شدت زیر سؤال رفته و نیاز به بازتعریف امنیت ملی در عصر AI است.

تأثیر برای ایران

به‌دلیل تحریم‌ها، دسترسی به مدل‌های پیشرفته‌ای مثل Claude Mythos برای توسعه‌دهندگان ایرانی محدود است، اما انتشار باز ESMFold2 فرصتی استثنایی برای پژوهشگران بیوتکنولوژی ایران در کشف داروهای جدید فراهم می‌کند.

·نگاه ما
تحریریه دات‌هوش

اعتماد به «زمان بررسی» به عنوان معیار امنیت در رمزنگاری به‌طور کامل فروپاشید. وقتی یک مدل در ۶۰ ساعت کاری را که دو سال زمان برده بود انجام می‌دهد، مفهوم «امنیت از طریق پیچیدگی» دیگر معنا ندارد. اکنون تنها راه بقای سیستم‌های امنیتی، تبدیل دفاع به یک فرآیند پویا و مبتنی بر AI است، نه تکیه بر استانداردهای ایستا.

منابع

این گزارش با خط‌لولهٔ خودکار دات‌هوش از منابع معتبر جهانی تدوین و زیر نظر تحریریه منتشر شده است. روش کار ما

گفتگو

پنج‌شنبه‌های هوش‌محور

بسته‌ی هفتگی دات‌هوش

۵ خبر، ۲ ابزار، ۱ پرامپت در هر شماره. به‌زودی راه‌اندازی می‌شود — هر پنج‌شنبه صبح.

خبر کلیدی
ابزار کاربردی
پرامپت حرفه‌ای
تحلیل پژوهش
به‌زودی
زاویه‌ی ایرانی
به‌زودی
تمرین این هفته
به‌زودی

راهنماهای دات‌هوش

راهنماهای کاربردیِ دات‌هوش برای کار با هوش مصنوعی — از همین‌جا شروع کنید:

دات‌هوش

راهنمای فارسی هوش مصنوعی — با نگاه به ایران

اخبار روزانه، معرفی ابزارها و مدل‌ها، و آموزشِ کار با هوش مصنوعی؛ همیشه با این پرسش که از ایران چه چیزی کار می‌کند و چه چیزی نه.