تصور کنید معمایی ریاضی که سه دهه است زهرکده‌ی دانشمندان بوده، ناگهان در ۹۰ دقیقه توسط یک ماشین حل شود. این دقیقاً همان اتفاقی است که با معرفی GPT-5.6 Sol Pro رخ داد.
به نقل از پیش‌چاپ پژوهشی از ادگار دوپریبان، استادیار مدرسه وارتون در دانشگاه پنسیلوانیا، این مدل استدلالی توانست یک حدس دیرینه درباره نحوه مدیریت «مثبت‌های کاذب» در مجموعه‌های داده‌های بزرگ را رد کند. در علوم مدرن، به‌ویژه ژنومیک، پژوهشگران اغلب هزاران فرضیه را هم‌زمان آزمایش می‌کنند؛ موضوعی که ریسک «هشدارهای خطا» یا مثبت‌های کاذب را به‌شدت بالا می‌برد. برای مقابله با این مشکل، یوآو بنجامینی و یوسف هاچبرگ در سال ۱۹۹۵ رویه‌ای برای کنترل نرخ کشف کاذب (FDR) ابداع کردند که به روش بنجامینی-هاچبرگ (BH) شناخته می‌شود. در حالی که این روش برای داده‌های مستقل به‌طور کامل عمل می‌کند، متخصصان تصور می‌کردند این روش برای داده‌های هم‌بسته با توزیع نرم نیز به‌درستی عمل می‌کند — فرضی که تا سه دهه گذشته اثبات‌نشده باقی مانده بود.
همان‌طور که در تحلیل‌های پیشین ما درباره‌ی تکامل مدل‌های استدلالی اشاره کردیم، جهش در توانایی‌های منطقی اکنون سریع‌تر از تغییرات رابط کاربری رخ می‌دهد. دوپریبان برای به چالش کشیدن این رویه از جدیدترین مدل OpenAI استفاده کرد. این مدل استدلالی (Reasoning Model) — شبیه به شطرنج‌بازی که پیش از هر حرکت، چندین گام جلوتر را در ذهن می‌بیند — توانست مدلی آماری طراحی کند که نشان می‌دهد نرخ کشف کاذب در واقعیت می‌تواند از سطح هدف تعیین‌شده فراتر رود. این نتیجه بعداً از طریق شبیه‌سازی‌های کامپیوتری نیز تأیید شد.
طبق گزارش‌های فنی، جزئیات این موفقیت به شرح زیر است:
- هدف: رد قابلیت اطمینان رویه BH در مواجهه با داده‌های هم‌بسته.
- نتیجه: مدل شکافی را یافت که در آن نرخ FDR به ۰.۱۰۴ رسید، در حالی که هدف ۰.۱ بود.
- کارایی: زمان رسیدن به پاسخ تقریباً ۹۰ دقیقه بود.
- مقایسه: مدل GPT-5.5 پس از ۲۰ ساعت تلاش با استفاده از چندین عامل (Agent)، نتوانست راه حلی بیابد.
اگرچه این شکاف ریاضی کوچک به نظر می‌رسد، اما نشان‌دهنده جهشی عظیم در توانایی‌های استنتاج (Inference) — یعنی همان لحظه‌ای که مدل واقعاً جواب تولید می‌کند، شبیه به خودِ آشپزی و نه دوره‌ی آموزش آشپز — است. ویل فیتیان، آمارشناس دانشگاه برکلی، اشاره کرد که پیامدهای این نتیجه احتمالاً بسیار فراتر از ریاضیات ساده خواهد بود، هرچند او نوعی احساس فقدان برای دورانی ابراز کرد که در آن بینش‌ها صرفاً توسط انسان‌ها تولید می‌شدند.
این پیشرفت نشان می‌دهد مدل جدید برخلاف نسخه‌های قبلی، توانسته روش‌های ریاضی موجود را به شکلی غیرمعمول ترکیب کند تا پل ارتباطی به پاسخ بزند. مدل جدید شاخه‌ای از ریاضیات را اختراع نکرد، بلکه پازلی را حل کرد که انسان‌ها از طریق استدلال ترکیبی محض قادر به گشودن آن نبودند. برای کسانی که تکامل هوش مصنوعی به سمت «عامل‌ها» (Agents) را دنبال می‌کنند، این اتفاق مشابه تغییراتی است که در سایر رابط‌ها دیده‌ایم. درست همان‌طور که پیش‌تر تحلیل کردیم چرا GPT-Live برای کاربردی بودن به یک رابط کاربری خاص برای قطع کردن صحبت نیاز دارد، جهش از نسخه ۵.۵ به ۵.۶ نشان می‌دهد که کاربردی بودن ابزارها اکنون توسط جهش‌های استدلالی داخلی پیش می‌رود، نه فقط تغییرات ظاهری در رابط کاربری. این تحول در معماری مدل‌ها با استراتژی OpenAI برای تقسیم GPT-5.6 Pro به سه مدل تخصصی جهت بهینه‌سازی نیازهای مختلف کاربران همسو است.
این نتیجه به بحث گسترده‌تری دامن می‌زند: آیا هوش مصنوعی می‌تواند دانش واقعاً جدید تولید کند، یا صرفاً داده‌های آموزشی را به روش‌هایی هوشمندانه بازترکیب می‌کند؟ در حالی که احتمالاً مورد دوم در اینجا صادق است، اما سرعت این کشف ثابت می‌کند که این مدل‌ها در حال تبدیل شدن به اهرم‌های شناختی ضروری برای پژوهش‌های سطح بالا هستند. اکنون باید دید آیا این قابلیت استدلالی به سیستم‌های خود-بهبودرسان تبدیل می‌شود یا خیر. ریچارد ساتون، پیش‌گام این حوزه، پیش از این استارتاپی را برای مقابله با چالش ایجاد هوش مصنوعی که بتواند فراتر از بازترکیب ساده، تعمیم (Generalize) یابد، راه‌اندازی کرده است.
گام بعدی شما
- اگر پژوهشگر داده هستید، از مدل‌های جدید برای یافتن مثال‌های نقض (Counter-examples) در فرضیات قدیمی پروژه‌هایتان استفاده کنید.
- بررسی کنید که آیا توابع بهینه‌سازی شما در مواجهه با داده‌های هم‌بسته دچار خطا می‌شوند یا خیر.
- منتظر انتشار مستندات رسمی OpenAI درباره معماری Sol Pro برای درک نحوه ارتقای استدلال باشید.
اما این توانایی در استدلال تنها بخشی از ماجراست؛ بررسی اینکه آیا این مدل‌ها می‌توانند به سیستم‌های خود-بهبودرسان تبدیل شوند، مسیر بعدی تکامل است که در گزارش‌های آتی بررسی خواهیم کرد.
گفتگو