تصور کنید ریاضی‌دانی باشید که ۱۵۰ سال است با یک معمای لاینحل دست‌وپنجه نرم می‌کند و ناگهان ابزاری ظاهر شود که مسیرهای جدیدی برای پاسخ را پیدا کند. این اتفاق اکنون در دنیای اعداد رخ داده است؛ مدل منتشرنشده‌ای از شرکت آنتروپیک (Anthropic) پیشرفت‌های چشمگیری در حل فرضیه ریمان — یکی از قدیمی‌ترین معماهای ریاضی درباره اعداد اول — به دست آورده است.
طبق اعلام این شرکت در ۱۱ اوت ۲۰۲۶، این مدل توانسته است کران پایین راهکارهایی که در آن‌ها این فرضیه صادق است را افزایش دهد. این تحول در حالی رخ می‌دهد که هوش مصنوعی از محاسبات ساده فراتر رفته و وارد فاز کشف نظریات ریاضی شده است. همان‌طور که در تحلیل قبلی ما درباره‌ی رشد تهاجمی و استراتژی‌های عرضه اولیه سهام آنتروپیک اشاره کردیم، این آزمایشگاه اکنون در حال تبدیل مدل‌های خود از ابزارهای بهره‌وری به همکاران علمی واقعی است.
نکته عجیب اینجاست که این موفقیت حاصل دقت یک ریاضی‌دان نبود، بلکه از کنجکاوی یکی از کارکنان شرکت شروع شد. به گزارش منابع داخلی، کارمندی که تخصص عمیقی در ریاضیات نداشت، از مدل خواست تا «یک تلاش واقعی» برای اثبات این فرضیه انجام دهد و سپس مدل را برای یک روز و نیم رها کرد.
بر اساس مستندات آنتروپیک، این مدل مانند یک کندوی پیچیده از ۶۰ عامل (Agent) — شبیه تیمی از متخصصان که هر کدام وظیفه خاصی دارند و با هم هماهنگ می‌شوند — عمل کرده است:
- ۲ عامل ایده‌های کلیدی ریاضی را توسعه دادند.
- ۱۳ عامل ایده‌های پشتیبان را ارائه کردند.
- ۳۰ عامل برای یافتن ایده‌های جدید تلاش کردند اما شکست خوردند.
- ۱۳ عامل به عنوان اعتبارسنج برای بررسی صحت محاسبات عمل کردند.
- ۲ عامل متن اولیه مقاله را نوشتند.
این سامانه در مجموع ۶۵۰ ایده مختلف را آزمایش کرد و ۳۱ میلیون دلار هزینه محاسبات (Compute) — که در واقع کرایه آشپزخانه صنعتی برای پختن داده‌های سنگین است — مصرف کرد. در نهایت، دو ریاضی‌دان داخلی یافته‌ها را تأیید کردند و نتایج با استفاده از ابزار متن‌باز Lean رسمیت یافتند.
این اتفاق بخشی از یک روند گسترده‌تر است. به گزارش‌های اخیر، OpenAI نتایج مهمی را از مدل داخلی Astra گزارش کرده و تلاش‌های دیگر آنتروپیک نیز منجر به رد حدس جاکوبی شده است. این دستاوردها در ادامه رقابت تنگاتنگ مدل‌های استدلالی است، به‌طوری‌که خانواده مدل‌های Astra پیش‌تر با حل ۱۰ مسئله ریاضی قدیمی مرزهای استدلال ماشینی را جابه‌جا کرده بودند. همچنین مدل‌های دیگر AI در سال جاری چندین مسئله از مسائل اردوش را حل کرده‌اند.
این تغییر رویکرد، جامعه ریاضی‌دانان را دوقطبی کرده است. گروهی از پژوهشگران در ژوئن هشدار دادند که AI می‌تواند ارزش انتساب اثر و مسئولیت شخصی در اثبات‌ها را از بین ببرد. اما تیموتی گاورز، برنده مدال فیلدز، این تکامل را مثبت می‌بیند و آن را به ستاره‌هایی تشبیه می‌کند که نامشان را به نام کشف‌کننده‌شان نمی‌گذارند.
این تحول نشان می‌دهد که لحظات «یافتم!» در علم، اکنون به یک فرآیند توزیع‌شده تبدیل شده است. ما به سمتی می‌رویم که نقش انسان تعیین هدف است و AI جست‌وجوی جامع برای یافتن پاسخ را مدیریت می‌کند.
گام بعدی شما
- دنبال کردن تاریخ انتشار رسمی این مدل باشید تا ببینید آیا این توانایی‌های استدلالی به ابزارهای عمومی می‌رسند یا در آزمایشگاه‌ها می‌مانند.
- بررسی ابزار Lean برای درک اینکه چگونه اثبات‌های ریاضی توسط ماشین‌ها تأیید می‌شوند.
- مطالعه مقایسه‌ای بین مدل‌های استدلالی Astra و مدل‌های جدید آنتروپیک در حل مسائل پیچیده.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو