«اوپن‌ای‌آی» ادعا می‌کند که مدل هوش مصنوعی آن یک مسئله ریاضی ۸۰ ساله را این بار واقعاً حل کرده است.

شرکت «اوپن‌ای‌آی»(OpenAI) ادعا می‌کند مدل هوش مصنوعی استدلالی جدیدش یک اثبات ریاضی بدیع را ارائه داده است و در آن یک حدس حل‌نشده معروف در هندسه را که اولین بار توسط «پاول اردوش»(Paul Erdős) در سال ۱۹۴۶ مطرح شده بود، رد می‌کند.

به نقل از تک‌کرانچ، اگر این خبر برای شما آشنا به نظر می‌رسد، به این دلیل است که این اولین باری نیست که اوپن‌ای‌آی چنین ادعای جسورانه‌ای را مطرح می‌کند. هفت ماه پیش، «کوین ویل»(Kevin Weil) معاون سابق این غول هوش مصنوعی در پلتفرم ایکس پست گذاشت و نوشت: GPT-5 برای ۱۰ مسئله حل‌نشده اردوش راه‌حل پیدا کرده و در ۱۱ مسئله دیگر نیز پیشرفت داشته است.

بعدا معلوم شد که GPT-5 در واقع آن مسائل را حل نکرده؛ بلکه فقط راه‌حل‌هایی را یافته است که از پیش در مقاله‌های علمی وجود داشته‌اند.

پس از آن، رقبایی مانند «یان لکان»(Yann LeCun) و «دمیس هاسابیس»(Demis Hassabis) مدیرعامل «گوگل دیپ‌مایند»(Google DeepMind) شروع به تمسخر کردند و ویل فوراً پست خود را حذف کرد. حداقل امروز به نظر می‌رسد که اوپن‌ای‌آی دو بار اشتباه مشابهی را مرتکب نشده است. این شرکت در کنار این خبر، اظهارات تکمیلی را در حمایت از رد این ادعا از ریاضیدانانی مانند «نوگا آلون»(Noga Alon)، «ملانی وود»(Melanie Wood) و «توماس بلوم»(Thomas Bloom) منتشر کرد که وب‌سایت Erdos Problems را اداره می‌کنند و قبلاً پست ویل را یک تحریف فاحش نامیده بودند.

اوپن‌ای‌آی در پلتفرم ایکس پست کرد: ریاضیدانان نزدیک به ۸۰ سال معتقد بودند که بهترین راه‌حل‌های ممکن تقریباً شبیه به شبکه‌های مربعی هستند. یک مدل اوپن‌ای‌آی اکنون این باور را رد کرده و خانواده کاملاً جدیدی از ساختارها را کشف کرده است که عملکرد بهتری دارند.

این شرکت نوشت: این اولین باری است که هوش مصنوعی به طور خودکار یک مسئله‌ حل‌نشده‌ برجسته و محوری را در حوزه‌ ریاضیات حل می‌کند.

براساس گفته‌ اوپن‌ای‌آی، اثبات این مسئله از یک مدل استدلالی عمومی حاصل شده است؛ نه از سیستمی که به طور ویژه برای حل مسائل ریاضی یا حتی فقط برای حل این مسئله طراحی شده باشد.

اوپن‌ای‌آی می‌گوید این موضوع قابل توجه است زیرا به این معناست که سیستم‌های هوش مصنوعی اکنون قادر به کنار هم نگه داشتن زنجیره‌های طولانی و دشوار استدلال و اتصال ایده‌ها در زمینه‌های گوناگون به روش‌هایی هستند که پژوهشگران قبلاً بررسی نکرده‌اند. این امر پیامدهایی را برای زیست‌شناسی، فیزیک، مهندسی و پزشکی دارد