یک گزارش جدید نشان میدهد مدلهای پیشرفته هوش مصنوعی نهتنها در پاسخ دادن به سوالات روزمره، بلکه در حل برخی مسائل سخت و چنددهساله ریاضی هم به پیشرفتهای قابل توجهی رسیدهاند. این تحول میتواند نقش هوش مصنوعی را در پژوهشهای علمی و کشف دانش جدید پررنگتر از گذشته کند.
چه اتفاقی افتاده است؟
بهنقل از تککرانچ، یک مهندس نرمافزار و پژوهشگر سابق «کوآنت» هنگام آزمایش نسخه جدید چتبات مبتنی بر مدل GPT 5.2 با یک مسئله باز در حوزه مسائل مشهور ریاضیدان نامدار «پل اردوش» روبهرو شد. او پس از سپردن صورت مسئله به مدل و دادن زمان برای استدلال گامبهگام، با یک برهان کامل بازگشت که پس از بررسی و فرمالیزهکردن (رسمیسازی) با ابزار تخصصی، معتبر تشخیص داده شد.
این تنها نمونه نیست. طبق این گزارش، از زمان انتشار GPT 5.2 و همچنین استفاده از مدلهای مبتنی بر جمینی در سامانههایی مثل AlphaEvolve، تعداد قابل توجهی از مسائل موجود در فهرست آنلاین مسائل اردوش از وضعیت «باز» به «حلشده» منتقل شدهاند و در بخش قابل توجهی از آنها، نقش مدلهای هوش مصنوعی بهطور صریح ذکر شده است.
چرا این پیشرفت مهم است؟
سالهاست که از هوش مصنوعی در ریاضیات برای کارهایی مثل جستوجوی مقالات، کمک به اثباتهای عددی یا بررسی حالتها استفاده میشود؛ اما اکنون بحث بر سر این است که مدلهای زبانی بزرگ میتوانند در خودِ استدلال نظری و تولید اثباتهای نو هم نقش جدی داشته باشند. ریاضیدانانی مانند «ترنس تائو» با تحلیل این روند، تأکید میکنند که مقیاسپذیری مدلها باعث میشود بتوان آنها را روی «دم بلند» مسائل کماهمیتتر اما فراوان و بعضا با راهحلهای نسبتاً سرراست، بهطور سیستماتیک به کار گرفت.
در کنار این روند، موج تازهای از ابزارهای فرمالیزهکردن اثباتها شکل گرفته است؛ از دستیار اثبات متنباز Lean گرفته تا ابزارهایی مثل Aristotle محصول استارتاپ Harmonic که بخشی از کار زمانبر رسمیسازی را خودکار میکنند. وقتی استادان برجسته ریاضی و علوم کامپیوتر اعلام میکنند که در کارهای خود از این ابزارها یا از ChatGPT کمک میگیرند، بهمعنای آن است که جامعه علمی این مدلها را جدی گرفته است.
پیامدها برای جامعه علمی و کاربران ایرانی
اگرچه هنوز فاصله زیادی تا جایی داریم که سیستمهای هوش مصنوعی کاملاً مستقل و بدون دخالت انسان بتوانند پژوهشهای عمیق ریاضی انجام دهند، اما شواهد فعلی نشان میدهد که این ابزارها میتوانند روند کشف، بررسی و گسترش ایدههای موجود را شتاب دهند. برای پژوهشگران ایرانی در رشتههای ریاضی، علوم داده و مهندسی، دسترسی به این مدلها میتواند مزیت رقابتی ایجاد کند؛ از کمک در ایدهپردازی گرفته تا یافتن مسیرهای اثبات و مرور ادبیات علمی.
به همین دلیل، استفاده حرفهای و آگاهانه از سرویسهای پیشرفته هوش مصنوعی اهمیت بیشتری پیدا کرده است و بسیاری از کاربران داخلی برای بهرهگیری بهتر از این ابزارها به سراغ خرید اکانت های هوشمصنوعی میروند تا به نسخههای پرمیوم و امکانات تکمیلی آنها دسترسی داشته باشند.
در مجموع، آنچه اکنون در حل مسائل سطحبالای ریاضی میبینیم، بیش از آنکه جانشینی کامل هوش مصنوعی بهجای پژوهشگر انسانی باشد، آغاز یک همکاری عمیقتر میان انسان و ماشین در مرزهای دانش است؛ همکاریای که میتواند در سالهای آینده شکل پژوهش در بسیاری از حوزهها را تغییر دهد.
منبع خبر: TechCrunch
