اوپنایآی (OpenAI) سه اثبات تولیدشده با هوش مصنوعی در ریاضی، علوم کامپیوتر و فیزیک منتشر کرد. مهمترین بخش اثباتهای علمی اوپنایآی ادعای رد فرضیه زمان نمایی (Exponential Time Hypothesis) است و این بار کارشناسان بیرونی با نقش «شبان» (shepherd) انتشار را هدایت میکنند.

اثباتهای علمی اوپنایآی پس از انتشار ۶ اکتبر
این اعلام کمتر از یک ماه پس از آن است که اوپنایآی در ۶ اکتبر صدها دستنوشته منتشر کرد. این شرکت گفته بود آن دستنوشتهها راهحل مسائل قدیمی ریاضی را در خود دارند. آن انتشار با انتقاد پنل مشورتی AGMAI روبهرو شد؛ پنلی از مشاوران ریاضی که خود اوپنایآی تشکیل داده است.
این پنل یک روز پیش از اعلام تازه توصیه کرد شرکتهای هوش مصنوعی افراد خاصی را برای دریافت زودتر خروجیها تعیین نکنند. دلیل آنها دسترسی نابرابر، اعتبار قرضی و انتخاب جانبدارانه بود. بهجای آن، پنل پیشنهاد کرد آزمایشگاهها نتایج را در مخازن علمی منتشر کنند. این انتشار باید همراه با اثباتهای رسمیشده در Lean، توضیح شیوهٔ انتخاب مسائل و بودجه برای پژوهشگرانی باشد که نتایج را بررسی و درک میکنند.

سه نتیجهٔ تازه در ریاضی، کامپیوتر و فیزیک
اوپنایآی نتایج تازه را در گیتهاب منتشر کرده است:
- ریاضی: اثبات هموارسازی موضعی (local smoothing) برای معادلهٔ موج اقلیدسی (Euclidean wave equation). به گفتهٔ اوپنایآی، این اثبات حدسهای ماکسیمال و بُعدی کاکیا (Kakeya) و برآوردهای تحدید کروی اشتاین (Stein's spherical restriction estimates) را هم نتیجه میدهد.
- علوم کامپیوتر: الگوریتمی قطعی که تعداد مقداردهیهای برآورنده (satisfying assignments) را در فرمولهای CNF با عرض ثابت، در زمان زیرنمایی و فضای چندجملهای میشمارد. حالت 3-SAT این الگوریتم فرضیه زمان نمایی را رد میکند.
- فیزیک: نتیجهٔ سوم در فیزیک است، اما جزئیات آن در این انتشار نیامده است.
بررسی اثبات رد فرضیه زمان نمایی
یک گروه کاری مستقل از دانشمندان کامپیوتر به رهبری Russell Impagliazzo، Ramamohan Paturi و Ryan Williams این اثبات را بررسی و تشریح میکند. اگر این اثبات از بررسیها سربلند بیرون بیاید، یکی از فرضهای بنیادین نظریه پیچیدگی محاسباتی فرو میریزد.
مدل شبان و دو شیوهٔ انتشار
اوپنایآی برای اثبات ریاضی، مانند انتشار ۶ اکتبر، خروجی مدل را مستقیم منتشر کرد. به گفتهٔ این شرکت، کارشناسان توصیه کرده بودند خروجی منتشر شود تا پژوهشگران خودشان آن را توضیح دهند. برای نتیجهٔ علوم کامپیوتر، اوپنایآی به درخواست گروه شبان مواد را بیدرنگ عمومی کرد تا دیگران هم بتوانند آن را بررسی کنند.
این رویکرد دوگانه تنش میان افشای سریع و بررسی ساختاریافته را نشان میدهد. خود اوپنایآی هم میپذیرد که این روش ممکن است مشکلاتی داشته باشد. هشدار پنل AGMAI نشان میدهد مدل شبان شاید همان نابرابری دسترسی را تکرار کند که قرار است حلش کند.
آزمایش اوپنایآی با انتشار میانجیگریشده میتواند الگویی شود برای اینکه آزمایشگاههای هوش مصنوعی خروجی خام مدلها را چگونه به دانش علمی تبدیل کنند. شرط آن توافق جامعهٔ علمی بر استانداردهای رسمیسازی و تخصیص اعتبار است.
گام بعدی شما
- اگر در نظریه پیچیدگی یا ریاضی فعال هستید، مواد اثبات 3-SAT را از گیتهاب اوپنایآی بگیرید و بررسی گروه Impagliazzo، Paturi و Williams را دنبال کنید.
- اگر روی پروژههای علمی با مدلهای هوش مصنوعی کار میکنید، پیشنهاد پنل AGMAI دربارهٔ رسمیسازی اثباتها در Lean را پیش از ادعای انتشار در نظر بگیرید.
- اگر برای انتشار نتایج سازوکار طراحی میکنید، هشدار این پنل دربارهٔ دسترسی نابرابر و انتخاب جانبدارانه در سپردن نتایج به افراد خاص را جدی بگیرید.




گفتگو