وأشار وسائل إعلام أجنبية إلى أن البروفيسور تاو تشي هوان من جامعة كاليفورنيا، لوس أنجلوس، وحاصل جائزة فيلدز، حذر مؤخرًا علنًا من أن الذكاء الاصطناعي يستهلك المشكلات المفتوحة الحقيقية التي تدفع التخصص إلى الأمام، بسرعة أسرع من قدرة المجتمع الرياضي على توليد مشكلات جديدة. ووفقًا له، فإن الخطر لا يكمن في أن النماذج ستكتب المزيد من الإثباتات، بل في أنها قد تضغط بسرعة مفرطة على المساحة التي استكشفها الباحثون لفترات طويلة.
تقلّصت التحديات ذات القيمة العالية
أشار تاو تشي هوان إلى أن مسائل الرياضيات يمكن توليدها بلا حدود، لكن القليل منها فقط هو الذي يحمل أهمية حقيقية. فرغم وجود العديد من المسائل غير المحلولة، إلا أنها لا تضمن بالضرورة تطوير طرق جديدة أو دفع المجالات ذات الصلة إلى الأمام. في الماضي، اعتمد الباحثون على خبرتهم لتحديد أي المسائل تستحق استثمار أشهر أو حتى سنوات من الوقت.
يعتقد أن الذكاء الاصطناعي يُخلّ بالإيقاع الحالي. في الماضي، كانت الأدوات الجديدة تقلل من صعوبة بعض المشكلات، لكنها في الوقت نفسه فتحت اتجاهات جديدة خارج الحدود الحالية للقدرة. أما اليوم، فليس من الواضح الحد الأقصى للنماذج، مما يجعل من الصعب على الباحثين تحديد أي المشكلات لا تزال مناسبة للاستثمار طويل الأجل، وأيها قد يتم حلها مباشرة من قبل النماذج قريبًا.
لقد بدأت مختبرات الذكاء الاصطناعي سباقًا لحل المسائل.
أشار التقرير إلى أن نموذج OpenAI في مايو من هذا العام قد قدم مثالًا عكسيًا على حدسية مسافة إردوش، مما يلامس مسألة رياضية قديمة تمتد لحوالي 80 عامًا. وقد قام لاحقًا علماء رياضيات خارجيون، بما فيهم الحائز على ميدالية فيلدز تيم غاوزرز، بالتحقق من النتيجة.
في نفس الوقت تقريبًا، اختبر باحثو Anthropic نفس السؤال باستخدام نموذج Claude Mythos غير المنشور بعد. أفاد مهندسو الشركة أن النموذج قدم إثباتًا أكثر إيجازًا؛ كما رأى بعض الرياضيين أن نسخته كانت أفضل قليلاً من نسخة OpenAI، لكنها وجدت أيضًا حلاً قابلاً للتطبيق.
كما ذكر التقرير أن Anthropic أكملت بعد ذلك تشكيل الإثبات التاريخي لمبرهنة فيرما الأخيرة. وبعد أيام قليلة، حلت OpenAI مسألة عمرها حوالي 90 عامًا، بعد مرور ساعات قليلة فقط على إعلان باحث عن إثباته. هذا السرعة هي بالضبط ما يقلق تاو تشيي شوان.
يُقترح زيادة وزن عملية الاستدلال
اقترح تاو تشي هوان أن يتم وضع علامة على بعض المسائل بـ"تحتاج إلى تحليل". ووفقًا لهذا المعيار، سيُخفض قيمة تقديم الإجابة الصحيحة وحدها، ويجب على الباحثين شرح عملية الاستدلال، بالإضافة إلى ما يمكن أن توفره هذه العملية من إلهام للمسائل المجاورة.
يعتقد أن السعي فقط للحصول على إجابات بأسرع وقت ممكن يمكنه حل المشكلات الحالية على المدى القصير، لكنه يُضعف نظام الأسئلة الضروري للبحث التالي، كما أنه لا يساعد على فهم سبب صحة النتائج الحالية. وفقًا للتقرير، لم تُشكّل هذه المقترحات بعد قواعد رسمية، وقد تدفع التقدم المستمر من قبل المختبرات الكبيرة للذكاء الاصطناعي المجتمع الرياضي إلى مواجهة خلافات حول معايير التقييم بشكل أسرع.