تصور کنید سال‌ها روی یک مسئله‌ی پیچیده کار کرده‌اید و درست لحظه‌ی رسیدن به جواب، شرکتی با بودجه‌ای تریلیون دلاری، پاسخ را در یک فایل متنی منتشر کند و تمام تلاش شما را بی‌معنی سازد. این کابوس اکنون برای صدها ریاضی‌دان در سراسر جهان به واقعیت تبدیل شده است.
در ۶ اکتبر ۲۰۲۶، شرکت OpenAI بیش از ۷۰۰ دست‌نوشته ریاضی را منتشر کرد که ادعا می‌کنند صدها مسئله‌ی باز و حل‌نشده در ریاضیات را گشوده‌اند. این «بمباران اطلاعاتی» جامعه پژوهشی جهان را در وضعیتی میان شوک، فلج‌شدگی و بحران شغلی قرار داده است. برای درک عمق این اتفاق، وبلاگ ریاضی Proofs and Prompts متعاقباً پاسخ‌های بیش از ۱۰۰ پژوهشگر را جمع‌آوری کرد تا اثرات این رخداد را بسنجد. ما پیش‌تر در گزارشی جداگانه به این موضوع پرداختیم که انتشار انبوه داده‌های ریاضی OpenAI چه خطراتی برای پژوهشگران دارد و چگونه این رویکرد می‌تواند مسیر شغلی متخصصان را تغییر دهد.
این اتفاق در حالی رخ می‌دهد که دنیای ریاضیات در حال گذار به عصر «ریاضیات ۲.۰» است؛ همان‌طور که ترنس تائو آن را توصیف می‌کند. همان‌طور که در تحلیل‌های قبلی ما درباره‌ی امنیت مدل‌های زبانی و نفوذ به مخازن داده اشاره کردیم، ابزارهای هوش مصنوعی مثل Claude Opus 5 در حال تغییر قواعد بازی هستند. اما این بار با یک رخنه امنیتی طرف نیستیم، بلکه با جایگزینی سیستماتیک نیروی کار فکری انسان روبرو هستیم.
مت زارمسکی، ریاضی‌دان، این تجربه را به حفاری‌های باستان‌شناسی تشبیه کرد؛ انگار چهار سال با دقت یک اسکلت دایناسور را بیرون کشیده باشید و ناگهان شرکتی با دینامیت کل سایت را منفجر کند و اسکلت کامل را تحویل شما دهد. زارمسکی اشاره کرد که برنامه پژوهشی او معمولاً سالی یک پیشرفت بزرگ داشت، اما OpenAI درست زمانی که مسئله‌ای شهرت می‌یافت، وارد می‌شد و آن را حل می‌کرد؛ تجربه‌ای که او آن را «اصلاً خوب نبود» توصیف کرد.
ابعاد و جزئیات انتشار
به گزارش وب‌سایت the-decoder.com، این مقالات به‌صورت ناگهانی در قالب یک «انفجار» محتوایی در گیت‌هاب (GitHub) آپلود شدند. یوهانس اشمیت معتقد است این مقالات هدف اصلی OpenAI نبوده‌اند، بلکه محصول جانبی تلاش‌های این شرکت برای بهبود مدل‌های خود بوده‌اند. به باور او، مدل‌های پیشرو دیگر چالش‌های ساده را پشت سر گذاشته‌اند و حالا مسائل حل‌نشده ریاضی را به عنوان میدان آزمایش برای ارتقای توانایی‌های خود استفاده می‌کنند.
کیفیت و پذیرش این نتایج متفاوت است:
- فرضیه ریمان: OpenAI به سراغ مشهورترین مسئله حل‌نشده ریاضی رفت، اما تنها توانست نسخه‌ای ضعیف‌تر به نام quasi-RH را حل کند. آلوارو لوزانو-روبلدو اشاره کرد که اگرچه quasi-RH دستاوردی «بزرگ» است، اما هنوز فرضیه اصلی ریمان نیست.
- اهداف پژوهشی: بن گرین نتایج را «کاملاً تکان‌دهنده» خواند. او اشاره کرد که این انتشار، تقریباً ۷۵٪ از اهداف پژوهشی یک گرنت معتبر اروپایی را که در ژوئن ۲۰۲۶ دریافت کرده بود، حل کرده است.
- هم‌پوشانی فنی: رومان ساوئر با تعجب متوجه شد تکنیکی که سال‌ها روی آن کار کرده بود، در راهکارهای OpenAI برای دو مسئله کاملاً متفاوت به کار رفته است.
- شباهت تاریخی: ایان آگول این اتفاق را با انتشار اثبات گریگوری پرلمان در سال ۲۰۰۲ مقایسه کرد. در حالی که پرلمان سخنرانی‌های کمی داشت و تیم‌ها سال‌ها برای بازسازی گام‌های او وقت گذاشتند، آگول اشاره کرد که اکنون یک شرکت تریلیون دلاری کل مسیر را با دینامیت باز کرده است.
واکنش متخصصان و تردیدها
پیتر شولتزه، برنده مدال فیلدز، خواستار صبوری شد و یادآور شد که ریاضیات یک ماراتن برای درک انسانی است. با این حال، او یک هشدار فاجعه‌بار در مورد زیرساخت‌های دیجیتال داد: این سیستم‌ها احتمالاً اکنون قادر به شکستن روش‌های رمزنگاری رایج هستند. شولتزه نوشت که دشواری یافتن چنین الگوریتم‌هایی، به طور قابل توجهی فراتر از توان فعلی این سیستم‌ها نیست.
ترنس تائو نیز ناامیدی عمیقی ابراز کرد. او پذیرفت که اثبات‌های تولیدشده توسط هوش مصنوعی «ایده‌های هوشمندانه و جدیدی معرفی می‌کنند که پس از هضم شدن مفید خواهند بود»، اما فقدان نویسندگان انسانی را که بتوانند به دانشجویان آموزش دهند یا در سخنرانی‌ها ارائه کنند، یک فقدان بزرگ دانست. تائو خواستار همبستگی جامعه ریاضیدانان شد و گفت: «جامعه بیش از هر زمان دیگری نیاز دارد که با هم متحد شوند».
در مقابل، پژوهشگرانی مثل انریکو فاتینگنتی از کیفیت نوشتار مقالات انتقاد کردند و برخی از آن‌ها را «زباله‌های غیرقابل خواندن» (unreadable slop) نامیدند. او معتقد است اکنون انسان‌ها مجبورند خطاهای هوش مصنوعی را رمزگشایی کنند، در حالی که شرکت OpenAI تمام اعتبار را به نام خود می‌زند. فاتینگنتی اشاره کرد که اگر هر مقاله انسانی در صفحه اول به این اندازه بد نوشته شده بود، او آن را رد می‌کرد، اما اکنون انتظار می‌رود جامعه وقت و تلاش خود را صرف توضیح مقالات تولید شده توسط AI کند، در حالی که شرکت صرفاً «با بولدوزر روی حدس‌های بعدی می‌تازد».
هزینه‌های انسانی
برای پژوهشگران تازه‌کار، این خبر یک فاجعه شغلی بود. تریستان همبرت، دانشجوی دکترا، صبح روز انتشار متوجه شد OpenAI ادعای حل مسئله مرکزی پایان‌نامه‌اش را کرده است. این اتفاق باعث زنجیره‌ای از غم و وحشت در مورد درخواست‌های پسادکترا شد و او را مجبور کرد تمام صبح را صرف بازنگری در برنامه پژوهشی خود کند. وحشت او زمانی به خشم تبدیل شد که دریافت مقالات عمدتاً «زباله‌های غیرقابل خواندن» هستند.
تاسمین چو، که در دوران دانشجویی به دلیل یک مسئله در نظریه احتمال جذب پژوهش شده بود، این تجربه را «تهوع‌آور» توصیف کرد. او استدلال کرد که آنچه بیش از دانستن اینکه «pc<pu درست است» می‌خواست، داشتن زمان و فضای تفکر برای سال‌ها بود. اگرچه عشق او به تفکر ریاضی باقی مانده، اما احساس می‌کند توانایی او برای شکل دادن به کار حرفه‌ای‌اش سلب شده است.
برخی مانند جیووانی مونگاردی آینده‌ای تاریک‌تر می‌بینند؛ جایی که انسان‌ها به «کاهنان خدای ماشین» تبدیل می‌شوند و در بیابانی ذهنی زندگی می‌کنند که هیچ پرسش اصیلی برای هدایت آن‌ها باقی نمانده است. او معتقد است با این انتشار، «چیزی برای همیشه از دست رفته است».
جامعه‌ای دوقطبی
البته همه واکنش‌ها منفی نبودند. دنی کالگاری با خوش‌بینی اشاره کرد که از کلود (Claude) شرکت Anthropic برای نوشتن کدهای موسیقی متنی یک انیمیشن ریاضی استفاده کرده و این پیشرفت‌ها را دلیلی برای جشن گرفتن می‌داند. او اشاره کرد که کنجکاوی شخصی برای ۱۵ سال پروژه‌های او را هدایت کرده و انتشار OpenAI بر کار فعلی او تأثیری نداشته است.
کنستانتین کوگلر، که یک روز پس از انتشار OpenAI مقاله خود را در arXiv پست کرد، این دوران را یک «سرزمین عجایب ریاضی» می‌بیند که در آن ایده‌های بنیادین هر زمان که او آماده باشد، کشف می‌شوند.
با این حال، فشار روانی بر جامعه شدید است. مارک هاگن گزارش داد که درخواست‌های کمک از سوی همکاران جوان و پریشان، اولویتش بر بررسی پیش‌چاپ‌ها شده است. پترا شوئر نیز از گسترش بی‌اعتمادی خبر داد که باعث شده ریاضیدانان هنگام بحث درباره پژوهش‌هایشان محتاط‌تر شوند. میچل تیلور افزود که بسیاری از همکاران دچار «اضطراب شدید، افسردگی و از دست دادن هدف» شده‌اند.
مقاومت نهادی
«انجمن ریاضیات انسانی» خواستار تحریم OpenAI شد و این شرکت را به نقض هنجارهای بنیادین علمی متهم کرد. ۲۵ برنده مدال فیلدز، از جمله تائو و شولتزه، در بیانیه‌ای مشترک هشدار دادند که عدم هم‌راستایی شدیدی بین اهداف صنعت هوش مصنوعی و اهداف علم ریاضیات وجود دارد.
هنری ویلتون صریح‌تر بود و گفت اگر هدف OpenAI نابودی جامعه ریاضیات بوده، این بهترین راه برای انجام آن است. او نبود نام نویسندگان و عدم اعلام نرخ شکست مدل‌ها را مورد انتقاد قرار داد و استدلال کرد که نبود نویسندگان نام‌برده به این معناست که «ریاضیات دیگر یک تلاش انسانی نیست».
سام هیوز از دست رفتن زیبایی در این فرآیند افسوس خورد و گفت انجام ریاضیات در سطح پژوهشی «امتیازی در طول عمر» است، اما «نه به این شکل». حتی کوجی فوجیوارا، ریاضی‌دان ژاپنی، با ترانه‌ای بر اساس آهنگ «Jolene» از دالی پارتون پاسخ داد و از هوش مصنوعی التماس کرد که ریاضیات او را فقط به این دلیل که «می‌تواند»، نگیرد.
مارتین بریدسون هشدار داد که نباید اجازه دهیم آزمایشگاه‌های هوش مصنوعی دستور کار پژوهشی را تعیین کنند. او استدلال کرد که در حالی که جامعه باید قدرت ماشین‌ها را بپذیرد، اما نباید «به بردگی آن‌ها درآیند تا از آن‌ها پیروی کنند» یا استخراج بینش از اعلان‌های AI را به مهم‌ترین وظیفه زمان خود تبدیل کنند.
این چرخش نشان می‌دهد ارزش یک ریاضی‌دان از «عمل حل مسئله» به «عمل تفسیر و تایید راهکار» تغییر می‌کند. اگر هدف ریاضیات درک انسانی است، این «بولدوز کردن» حدس‌ها توسط یک موجودیت تریلیون دلاری، سریع‌ترین راه برای نابودی انگیزه تفکر در جامعه است.
منتظر پاسخ‌های آتی انجمن ریاضیات انسانی باشید و بررسی کنید که آیا آزمایشگاه‌های دیگر مانند Google DeepMind یا Anthropic نیز از این استراتژی «انتشار انبوه» برای اکتشافات علمی پیروی می‌کنند یا خیر.
گام بعدی شما
- اگر پژوهشگر هستید، روی مهارت‌های «تایید و بازبینی» (Verification) تمرکز کنید، زیرا حل مسئله دیگر مزیت رقابتی نیست.
- مقالات منتشر شده در گیت‌هاب OpenAI را با نگاهی انتقادی بررسی کنید تا نقاط ضعف در استدلال‌های مدل را بیابید.
- در مورد ابزارهای رمزنگاری مقاوم در برابر هوش مصنوعی (Post-AI Cryptography) مطالعه کنید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو