ادعای OpenAI درباره حل مسئله‌ای دیرپای در ریاضیات

OpenAI اعلام کرده است که با به‌کارگیری هزاران عامل هوش مصنوعی، مسئله‌ای دیرپا در ریاضیات به نام مسئله وجود و همواری ناویه–استوکس را حل کرده است؛ ادعایی که بحثی فراتر از توان محاسباتی مدل‌ها به راه انداخته: آیا ماشین می‌تواند در ریاضیات فقط پاسخ تولید کند، یا در ساختن مسیرهای تازه برای اندیشیدن نیز نقش داشته باشد؟ گزارش WIRED می‌گوید این مسئله، برخلاف بسیاری از پژوهش‌های علمی، برای حل‌شدن به‌دلیل کاربرد عملی‌اش دنبال نشده است؛ جذابیت اصلی آن در خود معما و دشواری ریاضی آن بوده است.

مسئله‌ای درباره رفتار سیالات، نه طراحی هواپیما

معادلات ناویه–استوکس در قرن نوزدهم برای توصیف حرکت سیالات لزج، مانند مایعات و گازها، تدوین شدند. این معادلات در مهندسی کاربرد دارند؛ برای نمونه، مهندسان از آن‌ها برای مدل‌سازی جریان هوا در طراحی هواپیما استفاده می‌کنند. اما مسئله‌ای که OpenAI از حل آن خبر داده، پرسشی درباره استفاده روزمره از این معادلات نیست. موضوع، ویژگی‌های ریاضی آن‌ها در شرایطی خاص است.

به زبان ساده، ریاضی‌دانان می‌خواستند بدانند آیا معادلات ناویه–استوکس همواره رفتاری پیوسته و منظم دارند، یا ممکن است در وضعیتی نظری به پاسخی برسند که ناگهان از کنترل خارج شود. گزارش WIRED این پرسش را با این تصویر توضیح می‌دهد که آیا معادلات می‌توانند در شرایطی نامتعارف، از انفجار خیالی یک سیال حکایت کنند؛ وضعیتی که در دنیای واقعی معمول نیست، اما از نظر ریاضی می‌تواند سرنخ‌هایی تازه به دست دهد.

جرد اسپک، ریاضی‌دان دانشگاه وندربیلت، به WIRED گفته است که انگیزه اصلی ریاضی‌دانان از مطالعه این معادلات، مهندسی نبوده، بلکه غنای ریاضی و جنبه معمایی آن‌ها بوده است. به گفته او، حل این مسئله قرار نیست به‌خودی‌خود طراحی بال هواپیما را بهتر کند. بنابراین، ارزش ادعای OpenAI را نمی‌توان تنها با سنجش فایده فوری آن در صنعت یا مهندسی ارزیابی کرد.

ریاضیات به‌مثابه ساختن الگو

گزارش WIRED مسئله تازه را در کنار بحث قدیمی‌تری می‌گذارد: ریاضیات تا چه اندازه به هنر شباهت دارد؟ در تصور رایج، ریاضی یعنی رسیدن به پاسخ درست، سریع و دقیق؛ تصویری که امتحان‌های زمان‌دار مدرسه هم تقویت می‌کنند. اما پژوهش ریاضی، بنا بر این گزارش، الزاماً مسابقه‌ای برای یافتن سریع جواب نیست. ریاضی‌دانان ممکن است به‌تدریج ایده بسازند، مسیرهای مختلف را بررسی کنند و میان ساختارها و الگوها پیوند برقرار کنند.

گادفری هارولد هاردی، ریاضی‌دان انگلیسی، در جستار سال ۱۹۴۰ خود با عنوان «دفاعیه‌ای از ریاضی‌دان» این رشته را به هنر نزدیک دانست. در توصیف او، نقاش با شکل و رنگ و شاعر با واژه کار می‌کند؛ ریاضی‌دان نیز الگوهایی از ایده‌ها می‌سازد. این نگاه، ریاضیات را فقط ابزاری برای حل مسائل کاربردی نمی‌بیند و برای جست‌وجوی فکریِ بدون منفعت فوری هم ارزش قائل است.

هاردی این دیدگاه را در دوران جنگ جهانی دوم و با تأکید بر پیگیری ریاضیات برای خودِ آن مطرح کرد، نه برای کاربردهای نظامی. او نظریه اعداد را نمونه‌ای از ریاضیِ به‌ظاهر بی‌فایده می‌دانست. بااین‌حال، گزارش یادآوری می‌کند که نظریه اعداد بعدها در پروتکل‌های رمزنگاری به کار رفت؛ همان فناوری‌هایی که برای حفاظت از ایمیل‌ها و حساب‌های بانکی استفاده می‌شوند. این نمونه نشان می‌دهد که بی‌کاربرد بودن یک حوزه در زمان پژوهش، تضمینی برای بی‌فایده ماندن همیشگی آن نیست.

اما به گفته گزارش، مسئله ناویه–استوکس در حال حاضر بیش از آنکه وعده کاربردی فوری داشته باشد، معمایی جذاب برای جامعه ریاضی است. جرد اسپک مقاومت طولانی مسئله در برابر حل را بخشی از افسانه و کشش آن می‌داند. او این جذابیت را به بازی‌هایی مانند سودوکو یا شطرنج تشبیه می‌کند: فعالیت‌هایی که ارزششان لزوماً از فایده بیرونی نمی‌آید، بلکه در تحریک ذهن و لذتِ حل مسئله است.

تفاوت میان یافتن پاسخ و ساختن فهم

نکته بحث‌برانگیز در گزارش WIRED، صرفاً این نیست که یک سامانه هوش مصنوعی به پاسخ رسیده است. OpenAI، بنا بر اعلام خود، از هزاران عامل استفاده کرده و این شیوه در گزارش «نیروی محاسباتی گسترده» و رویکردی مبتنی بر brute force توصیف شده است؛ یعنی تلاش برای پیش‌برد مسئله با کاوش وسیع و تکرارشونده، به‌جای حرکت صرفاً متکی بر یک مسیر محدود و شهودی. گزارش جزئیات فنی این فرایند را ارائه نمی‌کند، اما آن را با شیوه معمول کار ریاضی‌دانان مقایسه می‌کند؛ فرایندی که در آن ایده‌ها با تأمل و گام‌به‌گام شکل می‌گیرند.

جوسپریت سینگ ساندو، ریاضی‌دان دانشگاه ایالتی کلرادو، در گفت‌وگو با WIRED می‌گوید هنرمندان و موسیقی‌دانان پیش‌تر با ورود هوش مصنوعی به حوزه خلاقیت روبه‌رو شده‌اند و اکنون ریاضیات نیز به این فهرست اضافه شده است. این مقایسه به معنای یکسان بودن هنر و ریاضیات نیست؛ بلکه توجه را به پرسشی مشترک جلب می‌کند: اگر ماشین بتواند خروجی‌ای تولید کند که پیش‌تر حاصل کار تخصصی انسان بود، چه چیزی در فرایند انسانی اهمیت دارد؟

برای ریاضی‌دانان، اثبات فقط رسیدن به یک گزاره درست نیست؛ مسیر استدلال نیز اهمیت دارد، چون می‌تواند نشان دهد چرا نتیجه برقرار است و چه پیوندهایی با بخش‌های دیگر ریاضیات دارد. از نگاه گزارش، نگرانی این است که اگر پاسخ با جست‌وجوی گسترده ماشینی به دست آید، کوتاه‌شدن مسیر انسانی ممکن است فهم عمیق‌تر مسئله را تحت‌تأثیر قرار دهد. این نقد لزوماً ادعای OpenAI را رد نمی‌کند؛ بلکه می‌پرسد روش تولید اثبات چه نسبتی با فهم آن دارد و آیا می‌تواند به بینش‌های تازه‌ای منجر شود.

در عین حال، گزارش می‌گوید جامعه ریاضی پیش از این نیز سال‌ها نظریه‌ای گسترده درباره معادلات ناویه–استوکس ساخته بود و به آستانه حل مسئله نزدیک می‌شد. بر اساس روایت WIRED، نتیجه‌ای که OpenAI اعلام کرده، این است که معادلات در چارچوب مسئله می‌توانند به همان وضعیت نامتعارف برسند. اما اهمیت این رخداد فقط در تعیین پاسخ «بله» یا «نه» نیست؛ رویارویی میان دو شیوه کار، یعنی کاوش محاسباتی گسترده و ساخت تدریجی ایده‌های ریاضی، بخش مهمی از ماجراست.

این خبر برای چه کسانی اهمیت دارد

این خبر برای پژوهشگران ریاضی و علوم رایانه اهمیت دارد، چون پرسش‌هایی درباره چگونگی استفاده از عامل‌های هوش مصنوعی در اثبات مسائل دشوار مطرح می‌کند. برای شرکت‌های سازنده مدل نیز، ادعای OpenAI نمونه‌ای از کاربرد هوش مصنوعی در کاری فراتر از تولید متن یا تصویر است؛ هرچند گزارش WIRED جزئیات فنی کافی برای ارزیابی مستقل روش یا اثبات ارائه نمی‌کند.

برای عموم خوانندگان، نکته اصلی این است که «حل مسئله» در پژوهش علمی تنها به پاسخ نهایی محدود نمی‌شود. گاهی مسیر رسیدن به پاسخ، میزان فهمی که از آن به دست می‌آید و ایده‌هایی که برای پژوهش‌های بعدی تولید می‌کند، به همان اندازه مهم است. ادعای OpenAI بار دیگر این بحث را پیش می‌کشد که هوش مصنوعی در علم می‌تواند هم ابزاری برای گسترش توان پژوهش باشد و هم پرسشی تازه درباره معنای فهم، خلاقیت و کار فکری انسان ایجاد کند.