هوش مصنوعی OpenAI به ۳۷۲ دستاورد ریاضی رسید | انتشار ۷۲۲ مقاله از نتایج یک مدل مخفی

شهرآرانیوز؛ OpenAI در اقدامی کم‌سابقه، مجموعه بزرگی از نتایج تولیدشده توسط یکی از مدل‌های پیشرفته و داخلی خود را در حوزه ریاضیات منتشر کرده است. این مجموعه در یک مخزن عمومی GitHub قرار گرفته و شامل ۷۲۲ دست‌نوشته است که در ۳۷۲ خانواده از نتایج ریاضی دسته‌بندی شده‌اند.

منظور از «خانواده نتیجه» مجموعه‌ای از پژوهش‌های مرتبط است که می‌تواند شامل یک نتیجه اصلی، استدلال‌های تکمیلی، پیامد‌های آن یا اثبات‌های جایگزین باشد؛ بنابراین عدد ۳۷۲ به معنای حل ۳۷۲ مسئله کاملاً مستقل نیست.

OpenAI می‌گوید این نتایج توسط یک مدل مرزی داخلی (Internal Frontier Model) تولید شده‌اند؛ مدلی که هنوز در اختیار عموم قرار نگرفته است. این شرکت اعلام کرده هدف از انتشار این یافته‌ها، کمک به پیشبرد مرز‌های دانش بشری و فراهم‌کردن زمینه برای استفاده بیشتر از هوش مصنوعی در پژوهش‌های ریاضی است.

از نظریه اعداد تا مسائل پیچیده علوم کامپیوتر

نتایج منتشرشده طیف گسترده‌ای از شاخه‌های ریاضیات را پوشش می‌دهند. از جمله می‌توان به نظریه اعداد، جبر، هندسه جبری، منطق ریاضی، توپولوژی، علوم کامپیوتر نظری و فیزیک ریاضی اشاره کرد.

برخی از نتایج به مسائل باز قدیمی مربوط می‌شوند و برخی دیگر پیشرفت‌هایی در مسیر حل چنین مسائل یا بهبود روش‌ها و الگوریتم‌های موجود ارائه می‌کنند. گزارش‌های منتشرشده همچنین به نتایجی مرتبط با فرضیه ریمان و برخی دیگر از مسائل مشهور ریاضی اشاره دارند؛ با این حال، نباید انتشار این نتایج را به معنای حل قطعی فرضیه ریمان یا سایر مسائل بزرگ دانست. بررسی مستقل ریاضیدانان همچنان ضروری است.

هوش مصنوعی چگونه این نتایج را تولید کرد؟

یکی از نکات قابل توجه این پروژه، حجم تلاش محاسباتی آن است. OpenAI اعلام کرده به‌طور کلی حدود ۴ هزار مسئله در فرایند ارزیابی و پژوهش در اختیار مدل قرار گرفته است.

بر اساس اطلاعات منتشرشده از سوی شرکت، به‌طور متوسط برای هر نتیجه پذیرفته‌شده، محاسباتی معادل حدود سه ساعت استفاده از حالت Thinking در ChatGPT Pro مصرف شده است. OpenAI همچنین بخشی از آمار مربوط به مسائل بررسی‌شده و میزان محاسبات را در مخزن خود منتشر کرده است.

نکته جالب‌تر این است که طبق گزارش‌های منتشرشده درباره این پروژه، تقریباً تمام نتایج از یک دستور به یک عامل هوش مصنوعی به دست آمده‌اند؛ هرچند برخی مسائل برای رسیدن به نتیجه به چند تلاش نیاز داشته‌اند.

در ادامه حتما بخوانید ChatGPT موقع ساخت عکس تبلیغ نشان می‌دهد | جزئیات طرح جدید OpenAI

چرا Lean اهمیت دارد؟

OpenAI برای بخشی از این نتایج، اثبات‌های ریاضی را با استفاده از Lean رسمی‌سازی کرده است. Lean زبانی است که امکان تبدیل اثبات‌های ریاضی به قالبی را فراهم می‌کند که رایانه بتواند مراحل منطقی آن را بررسی کند.

این ویژگی اهمیت زیادی دارد؛ زیرا وقتی تعداد نتایج تولیدشده توسط هوش مصنوعی به صد‌ها مورد می‌رسد، بررسی تک‌تک استدلال‌ها توسط انسان می‌تواند زمان بسیار زیادی ببرد.

البته رسمی‌سازی در Lean به‌تنهایی به این معنا نیست که یک نتیجه از نظر علمی حتماً مهم، جدید یا حتی مرتبط با پرسش اصلی است. این سیستم می‌تواند سازگاری منطقی یک اثبات رسمی را بررسی کند، اما درباره اهمیت، اصالت یا ارزش علمی یک نتیجه تصمیم نمی‌گیرد.

OpenAI مدل را هنوز منتشر نکرده است

یکی از مهم‌ترین بخش‌های این اتفاق این است که خود مدل تولیدکننده این نتایج هنوز در دسترس عموم قرار نگرفته است. OpenAI اعلام کرده در حال کار روی انتشار مسئولانه این مدل است تا دانشمندان بتوانند مستقیماً از قابلیت‌های پیشرفته آن استفاده کنند. این شرکت همچنین گفته قصد دارد برای بررسی نتایج تولیدشده توسط هوش مصنوعی، کارگاه‌ها، کنفرانس‌ها و برنامه‌های تخصصی برگزار و از آنها حمایت کند.

واکنش ریاضیدانان؛ هیجان و نگرانی همزمان

انتشار این حجم از نتایج واکنش‌های متفاوتی در جامعه ریاضیات ایجاد کرده است. بخشی از پژوهشگران، توانایی مدل‌های جدید در رسیدگی به مسائل دشوار را نشانه‌ای از تغییر مهم در پژوهش علمی می‌دانند؛ اما گروهی دیگر درباره سرعت تولید این نتایج و نحوه انتشار و اعتبارسنجی آنها ابراز نگرانی کرده‌اند.

پیش از این نیز OpenAI یک گروه مشورتی مستقل با عنوان Advisory Group on Mathematics and Artificial Intelligence در مؤسسه مطالعات پیشرفته تشکیل داده بود تا درباره نحوه ارزیابی و انتشار نتایج ریاضی تولیدشده توسط هوش مصنوعی مشاوره دهد.

برخی ریاضیدانان معتقدند انتشار صد‌ها نتیجه در GitHub، اگرچه دسترسی به یافته‌ها را آسان می‌کند، اما جای فرایند دقیق بررسی و توضیح علمی را نمی‌گیرد. نگرانی اصلی این است که سرعت تولید نتایج هوش مصنوعی ممکن است از توان جامعه ریاضیات برای بررسی، درک و استفاده از آنها بیشتر شود.

آیا هوش مصنوعی جای ریاضیدانان را می‌گیرد؟

این اتفاق بار دیگر پرسش قدیمی درباره نقش انسان در پژوهش‌های ریاضی را مطرح کرده است. اگر هوش مصنوعی بتواند در مدت کوتاهی صد‌ها نتیجه جدید تولید کند، نقش ریاضیدانان ممکن است بیش از گذشته از «انجام محاسبات و اثبات‌های طولانی» به سمت انتخاب پرسش‌های مهم، تفسیر نتایج، طراحی مسیر‌های پژوهشی و درک مفاهیم پشت اثبات‌ها تغییر کند.

در عین حال، هنوز فاصله قابل توجهی میان «تولید یک اثبات» و «درک یک ایده ریاضی» وجود دارد. حتی اگر یک رایانه بتواند درستی منطقی یک اثبات را تأیید کند، این موضوع لزوماً به این معنا نیست که انسان توانسته است ایده یا بینش پشت آن را درک کند.

انتشار ۳۷۲ خانواده نتیجه توسط OpenAI بنابراین فقط یک رکورد برای هوش مصنوعی نیست؛ بلکه آزمایشی بزرگ برای آینده پژوهش علمی با کمک هوش مصنوعی است. اکنون مرحله مهم‌تر آغاز شده است: ریاضیدانان باید مشخص کنند کدام‌یک از این نتایج واقعاً جدید، مهم و قابل استفاده هستند.