في اليوم الماضي، انتشرت شائعة عن رياضيات كلاود على وسائل التواصل الاجتماعي.
أمس، نشر المدون أندرو كوران منشورًا "يتوقع" أن أنثروبيك قد حلت مشكلة جائزة الألفية، وهي مسألة الوجود والانسيابية المتعلقة بمعادلات نافير-ستوكس، ويتم حاليًا مراجعة النتائج من قبل خبراء، وقد تُكشف عنها قبل طرح أنثروبيك في البورصة.
حصلت هذه المشاركة على أكثر من 2.5 مليون مشاهدة بسرعة، وتم إعادة تغريدها من قبل المزيد من الحسابات.
حتى الآن، لا توجد أوراق بحثية أو نصوص إثبات أو مواد مراجعة خبراء متاحة عبر القنوات العامة، ولا يزال معهد كلاي للرياضيات يدرج مسألة وجود وانسيابية نافير-ستوكس ضمن مسائل الألفية غير المحلولة.
لكن هذا الشائع ليس بلا أساس. أحد الخلفيات المهمة له يأتي من مجموعة من المنشورات التي نشرها الرياضي تاو تشي شين قبل يومين.
تخيل مقال عن الذكاء الاصطناعي
On September 3, Terence Tao discussed the potential impact of AI on mathematical research using the Navier-Stokes equations as an example.
https://mathstodon.xyz/@tao
معادلات نافير-ستوكس تصف كيفية حركة السوائل مثل الماء والهواء. المشكلة التي لم تُحل بعد من قبل الرياضيين هي أنه في الحالة ثلاثية الأبعاد غير القابلة للانضغاط، هل يمكن للحل أن يبقى ناعمًا دائمًا من حالة أولية ناعمة، أم سيتشكل نقطة تفرد في وقت محدود؟ تم تصنيف هذه المسألة من قبل معهد كلاي للرياضيات كواحدة من مشكلات جائزة الألفية، بجائزة قدرها مليون دولار أمريكي.
تخيل تاو تشي هوان في منشوره عملية بحث مستقبلية محتملة: نظام ذكاء اصطناعي مستقل يمتلك موارد حسابية ضخمة، ويمكنه محاولة مستمرة لبنى رياضية مختلفة، وتحليل أسباب الفشل، وتعديل الحلول، والتحقق من النتائج، ليُنتج في النهاية إثباتًا مرشحًا معقدًا للغاية، ويُكمل التحقق الآلي باستخدام أنظمة إثبات تشكيلية مثل Lean.
His focus is on how the mathematical knowledge generated during this process is preserved.
في البحوث الرياضية التقليدية، غالبًا ما ينتج عن مشكلة صعبة مدة سنوات من الاستكشاف كم هائل من المنتجات الثانوية: مساعدين جدد، وأدوات جديدة، واتجاهات بحثية جديدة، ومسائل تستحق الاستمرار في دراستها لاحقًا. يخشى تاو تشي هوان أن إذا أكمل الذكاء الاصطناعي كامل عملية الاستكشاف في بيئة مغلقة، وحصل البشر في النهاية على نتيجة تم التحقق منها بالفعل، فقد يصعب على العديد من المسارات الوسيطة القيمة أن تدخل إلى المجتمع الرياضي.
السيناريو المذكور في المشاركة مكتوب بتفصيل كبير: بحث الذكاء الاصطناعي عن هياكل مرشحة، وإجراء فحوص عددية، وتشكيل ملفات إثبات Lean ضخمة، وأخيرًا حل مشكلة الانتظام لنايف-ستوكس.
وهكذا ظهرت القصة المألوفة على الإنترنت.
بدأ بعض الأشخاص في التكهن بما إذا كان تاو تشييه شيان يمتلك معلومات لم تُكشف بعد. وسرعان ما ظهرت مناقشات على منصات التواصل الاجتماعي تتساءل: "هل يلمح تاو تشييه شيان إلى أن كلاود قد حَلّ مسائل نافير-ستوكس؟" ثم قدم كوران تنبؤًا أكثر وضوحًا: "كلاود قد حَلّ مسائل نافير-ستوكس." وانتشر هذا القول بسرعة.
مع توسع التكهنات، قام تاو تشي هوان لاحقًا بإصدار توضيح خاص.
كان موقفه حذرًا: فهو حاليًا لا يعلم عن أي تقدم جديد كبير في مسألة نافير-ستوكس، وكانت المناقشات السابقة جزءًا من سيناريو بحثي افتراضي للذكاء الاصطناعي. في الوقت نفسه، وبسرعة تطور تقنيات الذكاء الاصطناعي الحالية، أصبح هذا السيناريو ذا إمكانية واقعية معينة.
ثم تحدث عن "تكلفة الفرصة البديلة".
تُحفّز المسائل المفتوحة مثل نافير-ستوكس منذ عقود إنتاج أساليب جديدة ومسائل جديدة وباحثين جدد. إذا استطاع الذكاء الاصطناعي الحصول بسرعة على إجابات نهائية، فما زال على المجتمع الرياضي أن يفكر في كيفية إعادة ترسيخ العمليات والأساليب والمسارات الفاشلة المستكشفة من قبل الآلات كمعرفة رياضية يمكن للبشر فهمها ووراثتها.
لقد أصبح هذا قضية واقعية في أبحاث الذكاء الاصطناعي الرياضية.
الذكاء الاصطناعي يغيّر المورد النادر في الرياضيات
لماذا أصبحت هذه الشائعة بهذا الانتشار؟
في الأشهر الأخيرة، تجاوز الذكاء الاصطناعي فعلاً عدة عتبات كان من الصعب تصورها في الماضي في مجال الرياضيات.
أعلنت Anthropic أمس عن عملها التشكيلي لـ Claude على مبرهنة فيرما الأخيرة.
https://www.anthropic.com/research/formalizing-fermats-last-theorem
تم إثبات مبرهنة فيرما الأخيرة بالفعل في التسعينيات من قبل علماء رياضيات مثل أندرو وايلز. لعقود، كان المجتمع الرياضي يأمل في ترجمة هذا الإثبات المعقد للغاية بالكامل إلى لغات تشكيلية مثل Lean، بحيث يمكن للحواسيب التحقق خطوة بخطوة من كل جزء منه.
أشارت Anthropic إلى أن Claude أكملت بشكل ذاتي تقريبًا عملية الترسيم الانتقائي من البداية إلى النهاية خلال 11 يومًا، ووصل حجم الكود النهائي إلى حوالي 13 مليون سطر، وخلال هذه العملية تم توليد حوالي 30,300 نظرية قابلة للتحقق آليًا، منها حوالي 29,500 نظرية دُمجت في الإثبات النهائي. كما أشاد الخبير الرياضي كيفين بوزارد، المشارك في مشروع الترسيم الطويل الأمد لمبرهنة فيرما الأخيرة، بهذه النتيجة بشكل إيجابي.
قبل شهر واحد من الوقت.
في 10 أغسطس، أعلنت Anthropic أن نموذج بحثي Claude غير المعلن عنه حقق تقدمًا في مسألة ذات صلة بفرضية ريمان: رفع الحد الأدنى للنسبة المعروفة للنقاط الصفرية لدالة ζ التي تحقق شروط فرضية ريمان من 41.6% إلى 67.2%. ترتبط فرضية ريمان ارتباطًا وثيقًا بتوزيع الأعداد الأولية، وهي واحدة من مسائل جائزة الألفية.
https://www.anthropic.com/research/riemann-zeta
في مايو من هذا العام، أعلنت OpenAI أيضًا عن نتيجة في الهندسة المنفصلة. حيث بنى نموذج استدلال عام مجموعة جديدة من النقاط على بعد وحدة واحد، مما دحض فرضية طويلة الأمد تتعلق بمشكلة مسافة الوحدة الإقليدية ليردوس. تم التحقق من الإثبات لاحقًا من قبل علماء رياضيات خارجيين. حلّت هذه النتيجة فرضية مهمة ضمن هذه المشكلة، لكن لا تزال هناك مساحة إضافية للتقدم في مشكلة مسافة الوحدة بأكملها.
https://openai.com/zh-Hans-CN/index/model-disproves-discrete-geometry-conjecture/
بحلول أغسطس، أعلنت OpenAI مرة أخرى عن عشر نتائج في الرياضيات وعلوم الحاسوب النظرية، تضمنت حلولاً أو تقدمًا جوهريًا في عدة مسائل مفتوحة منذ فترة طويلة.
https://openai.com/zh-Hans-CN/index/ten-advances-in-mathematics/
قبل بضع سنوات، كانت إنجازات النماذج الكبيرة في مجال الرياضيات تقتصر على مسائل الأولمبياد الرياضي. الآن، بدأ موضوع البحث في الدخول إلى المسائل المفتوحة، والنتائج على مستوى الأوراق البحثية، وإثباتات رسمية واسعة النطاق.
تأثير الذكاء الاصطناعي على عالم الرياضيات بدأ يتحول من عدد المسائل التي يمكن حلها إلى ما سيكون دور الرياضيين الرئيسي في المستقبل.
أحد التغييرات هو أن أهمية التحقق تزداد.
يمكن لنماذج اللغة توليد كميات هائلة من الاستنتاجات الرياضية بسرعة، ولكنها قد تنتج أخطاءً خفية جدًا. يمكن لمساعدي الإثبات مثل Lean تقسيم الإثباتات إلى أشكال يمكن للآلة التحقق منها خطوة بخطوة. مع تزايد سرعة توليد الإثباتات بواسطة الذكاء الاصطناعي، يصبح التحقق الرسمي بنيةً تحتية متزايدة الأهمية. وقد أكد تاو تشييه شين مرارًا وتكرارًا أن العقبات في أبحاث الرياضيات المستقبلية قد تتحول تدريجيًا نحو التحقق والتنظيم والفهم.
https://academy.openai.com/public/blogs/terence-tao-ai-is-ready-for-primetime-in-math-and-theoretical-physics-2026-03-06
التغيير الثاني يحدث في تقسيم المهام بين الرياضيين.
إذا يمكن تفويض الاستنتاجات الروتينية، وبحث الأدبيات، والتجارب الحسابية، وحتى بعض الإثباتات للذكاء الاصطناعي، فقد يتحول تركيز الباحثين البشريين إلى اختيار المواضيع، وصياغة الفرضيات المناسبة، وتصميم مسارات البحث، وصقل النتائج التي ينتجها الجهاز لتشكيل نظريات جديدة قابلة للتفسير.
يسمي تاو تشي هوان هذا المستقبل نموذجًا "رياضيات كبيرة": حيث تُفكك المشكلات المعقدة إلى العديد من الوحدات، ويشترك البشر والذكاء الاصطناعي وأنظمة الإثبات التشكيلية في معالجتها، ثم تُعاد تجميع النتائج عبر التحقق الآلي.
https://spectrum.ieee.org/ai-in-mathematics
عندما تصبح الإجابات أكثر "رخصًا"، ما الذي يُعد الجزء النادر حقًا في البحث الرياضي؟
في الماضي، كان يمكن لمشكلة مفتوحة مهمة أن تُغذي اتجاه بحثي لعقود. الطرق المحيّرة التي سلكها الرياضيون حولها قد تُنبت بحد ذاتها نظريات جديدة. إذا قلّص الذكاء الاصطناعي هذه العملية بشكل كبير، فستأتي الإجابات النهائية أسرع، لكنها ستتطلب أيضًا من المجتمع الرياضي إعادة تصميم نظام لحفظ عملية البحث وتوزيع المساهمات وتدريب الجيل القادم من الباحثين.
تشارلز تاو يستخدم مثال نافير-ستوكس للنقاش حول هذا التغيير.
ما زال ما إذا كان Claude قد حل فعلاً هذه المسألة الألفية يبقى في مرحلة الشائعات على وسائل التواصل الاجتماعي.
لكن هذا النقاش الذي شابه بعض اللبس أوضح نقطة واحدة: قبل بضع سنوات، كان مفهوم "حل الذكاء الاصطناعي لمشكلات الألفية" أقرب إلى خيال علمي؛ أما في عام 2026، فقد بدأ الناس يفكرون جديًا في كيفية تعامل الرياضيات مع هذا الأمر إذا حدث فعلاً.
رابط المرجع:
https://x.com/AndrewCurran_/status/2096062392442724805
هذا المقال من حساب ويشات الرسمي "ماشين سينس" (ID: almosthuman2014)، الكاتب: مهتم بالرياضيات