اگر فکر میکنید رقابت هوش مصنوعی فقط بر سر ساخت چتبات سریعتر، تولید تصویر بهتر یا کدنویسی حرفهایتر است، خبر تازه OpenAI زاویه کاملاً متفاوتی را نشان میدهد: استفاده از هوش مصنوعی برای حل مسئلهای که ریاضیدانان نزدیک به یک قرن با آن درگیر بودهاند.
OpenAI در ۸ سپتامبر ۲۰۲۶ اعلام کرد یک سیستم داخلی این شرکت، راهحلی برای مسئله معروف وجود و همواری معادلات ناویر–استوکس ارائه کرده است؛ یکی از هفت «مسئله هزاره» که مؤسسه Clay برای حل هرکدام جایزهای یک میلیون دلاری تعیین کرده بود. نکته مهمتر اینکه OpenAI میگوید این نتیجه توسط مدلی به دست آمده که بهطور قابلتوجهی از GPT-6 Astra قدرتمندتر است و هنوز در حال آموزش است.
خلاصه خبر: OpenAI میگوید هزاران عامل هوش مصنوعی با همکاری یکدیگر، روی یکی از قدیمیترین مسائل حلنشده ریاضیات کار کردهاند و به یک اثبات رسمی رسیدهاند؛ نتیجهای که حالا باید مستقل از خود شرکت نیز توسط جامعه ریاضی بررسی شود.
اصلاً مسئله ناویر–استوکس چیست؟
معادلات ناویر–استوکس برای توضیح حرکت سیالات استفاده میشوند؛ یعنی چیزهایی مثل آب، هوا، جریان خون یا حرکت هوا روی بال هواپیما.
اگر بخواهیم خیلی ساده بگوییم، این معادلات تلاش میکنند پاسخ دهند: اگر بدانیم یک سیال الان چگونه حرکت میکند، چند لحظه بعد چه اتفاقی برای آن میافتد؟
مسئله بزرگ این بود که ریاضیدانان نمیدانستند آیا در حالت سهبعدی، جریانی که کاملاً نرم و عادی شروع میشود همیشه نرم باقی میماند، یا ممکن است در مدت محدودی به نقطهای برسد که رفتار ریاضی آن به سمت بینهایت برود؛ اتفاقی که در ریاضیات به آن Singularity یا تکینگی گفته میشود.
OpenAI چه چیزی پیدا کرده است؟
براساس توضیح رسمی شرکت، سیستم هوش مصنوعی یک نمونه ریاضی ساخته که در آن جریان سیال ابتدا کاملاً آرام و هموار است، اما به مرور یک گردابه شکل میگیرد.
- گردابه به سمت داخل مارپیچ میشود؛
- همزمان در امتداد محور کشیده میشود؛
- کوچکتر و سریعتر میشود؛
- و در نهایت به یک تکینگی میرسد.
تصویری که OpenAI منتشر کرده و برای عکس شاخص این مطلب استفاده شده، دقیقاً همین رفتار را نمایش میدهد: مارپیچشدن به داخل (inward spiral) و کشیدهشدن در امتداد محور (axial stretching).
ماجرا فقط یک پاسخ ChatGPT نبود
شاید جذابترین قسمت خبر، روش رسیدن به نتیجه باشد. OpenAI یک سؤال را داخل ChatGPT تایپ نکرده و منتظر جواب نمانده است. شرکت از یک سیستم چندعاملی بسیار بزرگ استفاده کرده؛ یعنی هزاران Agent هوش مصنوعی همزمان روی راههای مختلف حل مسئله کار کردهاند.
عاملها به گروههای مختلف تقسیم شدند، رویکردهای متفاوت را امتحان کردند و در مراحل بعدی یافتههای مفید میان گروهها به اشتراک گذاشته شد. به زبان ساده، بهجای یک هوش مصنوعی تنها، با چیزی شبیه یک تیم پژوهشی عظیم از عاملهای نرمافزاری روبهرو هستیم.
Lean چیست و چرا مهم است؟
در ریاضیات، یک متن ممکن است در نگاه اول قانعکننده باشد اما داخل آن یک خطای کوچک منطقی پنهان شده باشد. Lean نرمافزاری برای اثبات رسمی ریاضی است؛ یعنی اثبات باید آنقدر دقیق نوشته شود که کامپیوتر بتواند تکتک مراحل منطقی آن را بررسی کند.
OpenAI علاوه بر مقاله توضیحی، نسخه Formalized Proof در Lean را هم منتشر کرده است. این موضوع اعتبار فنی نتیجه را افزایش میدهد، اما هنوز طبیعی است که جامعه ریاضی نیز مستقل از OpenAI، اثبات و فرضیات آن را بررسی کند.
آیا واقعاً مسئله یک میلیون دلاری حل شده؟
OpenAI در مطلب رسمی خود این نتیجه را یک راهحل برای صورت مشخص مسئله ناویر–استوکس معرفی میکند. با این حال، در چنین ادعاهای بزرگی مرحله بعدی همیشه بررسی مستقل توسط متخصصان است.
نکته جالب این است که شرکت اعلام کرده قصد ندارد جایزه Millennium Prize را مطالبه کند. هدف اصلی انتشار نتیجه، نمایش توانایی مدلهای جدید هوش مصنوعی در پژوهش علمی عنوان شده است.
برای مخاطب عمومی بهتر است خبر را اینطور بخوانیم: OpenAI مدعی ارائه یک راهحل رسمی برای یکی از مشهورترین مسائل حلنشده ریاضیات شده و اثبات آن را نیز منتشر کرده است؛ حالا مرحله مهم بعدی، بررسی گسترده جامعه علمی است.
چرا این خبر برای آینده هوش مصنوعی مهم است؟
تا مدت زیادی تصور میکردیم هوش مصنوعی عمدتاً دانش موجود انسان را ترکیب میکند و به شکل سریعتری در اختیار ما میگذارد. این پروژه مسیر متفاوتی را نشان میدهد: هزاران Agent میتوانند همزمان فرضیه بسازند، مسیرهای ناموفق را کنار بگذارند، کد اجرا کنند، نتایج یکدیگر را ترکیب کنند و روی یک مسئله باز علمی کار کنند.
و شاید مهمترین بخش خبر این باشد که مدلی که این کار را انجام داده GPT-6 Astra نیست؛ OpenAI میگوید نسل داخلی جدیدش به شکل محسوسی از Astra قویتر است.
تحلیل مسترسا
از نگاه مسترسا، بخش مهم این خبر فقط «حل یک مسئله ریاضی» نیست. چیزی که باید به آن توجه کنیم، تغییر مقیاس استفاده از AI است.
یک انسان ← هزاران Agent ← ابزارها ← کد ← همکاری ← بررسی رسمی نتیجه
اگر این روش در ریاضیات جواب بدهد، میتوان تصور کرد الگوهای مشابه در آینده روی طراحی دارو، مهندسی، مواد جدید، فیزیک، اقلیم و مسائل علمی دیگر نیز استفاده شوند.
هوش مصنوعی در این سناریو دیگر صرفاً «دستیار پژوهشگر» نیست؛ ممکن است به بخشی از خودِ فرآیند کشف علمی تبدیل شود.
جمعبندی
OpenAI میگوید یک مدل داخلی جدید، با کمک حدود ۱۰ هزار Agent، به راهحلی برای مسئله ناویر–استوکس رسیده؛ مسئلهای که نزدیک به ۹۰ سال حلنشده باقی مانده بود.
مهمتر از خود پاسخ، شاید این باشد که این پروژه تصویری از نسل بعدی سیستمهای AI نشان میدهد: نه یک چتبات منفرد، بلکه شبکه بزرگی از عاملهای هوشمند که برای حل یک مسئله سخت با هم کار میکنند.
و نکتهای که احتمالاً باید بیشتر از همه به خاطر سپرد این است: مدلی که این نتیجه را تولید کرده، هنوز مدل عمومی بعدی OpenAI نیست؛ بلکه سیستمی داخلی است که خود شرکت آن را بهطور قابلتوجهی قدرتمندتر از GPT-6 Astra توصیف میکند.
دیدگاه شما
نظر، تجربه یا پرسش خود را بنویسید. برای جلوگیری از ارسال خودکار، پاسخ کوتاه امنیتی الزامی است.