قد يكون الذكاء الاصطناعي قد تحدى أحد الافتراضات الأساسية الأكثر أهمية في علوم الحاسوب. لكن القصة الأكبر ليست ETH. في 26 أكتوبر، أعلنت OpenAI أن نموذجًا داخليًا للذكاء الاصطناعي قد أنتج دحضًا مزعومًا لفرضية الزمن الأسي (ETH) — وهي فرضية أساسية تدعم مئات نتائج صعوبة الحساب. الادعاء: خوارزمية حتمية ذات زمن دون أسي لحساب الدقيق لعدد التعيينات المرضية في الصيغ البوليانية ذات العرض الثابت. إذا كان صحيحًا، تسقط ETH. وكذلك تسقط عدة فرضيات أقوى. لكن P ≠ NP لا يزال غير مُحلّ. وأسرع نظريًا لا يعني بالضرورة مفيدًا عمليًا. تم ترسيخ الإثبات في Lean. ويتم تنظيم مراجعة مستقلة من قبل راسل إمباليازو وراماموهان باتوري وريان ويليامز من معهد ماساتشوستس للتكنولوجيا. إن مشاركتهم ليست تأييدًا. لا يزال التحقق المستقل ضروريًا. منظوري: نحن نشهد على الأرجح ثلاث ثورات، وليس واحدة فقط. رياضية: قد يكون حاجز طويل الأمد في تعقيد الحساب قد تم تجاوزه. علمية: قد يكون الذكاء الاصطناعي ينتقل من مساعدة الباحثين إلى توليد معرفة جديدة حقيقية. مؤسسية: يجب على المجتمع العلمي إعادة التفكير في كيفية التحقق من الاكتشافات وفهمها ونسبتها وإعادة إنتاجها. قد تكون الثالثة هي الأكثر أهمية. لقرون، كان إنتاج اكتشافات على حدود المعرفة يتطلب خبرة بشرية نادرة وسنوات من البحث. ماذا يحدث عندما يستطيع الذكاء الاصطناعي توليد اكتشافات رياضية موثوقة أسرع من قدرة البشر على التحقق منها وفهمها بشكل مستقل؟ يتحول العائق من الاكتشاف إلى التحقق والتفسير والحكم العلمي. وفي النهاية، قد يسرّع الذكاء الاصطناعي هذه العمليات أيضًا. النقطة الفاصلة الحقيقية ليست حل الذكاء الاصطناعي لمشكلة مشهورة واحدة. بل توسيع الذكاء الاصطناعي المتكرر لحدود المعرفة البشرية. نحن لسنا هناك بعد بشكل قاطع. لكن هذا التطور يستحق اهتمامًا جادًا. السؤال لم يعد ببساطة إلى أي مدى يمكن أن يصبح الذكاء الاصطناعي ذكيًا. بل إلى ما إذا كانت مؤسساتنا العلمية قادرة على التطور بسرعة كافية لتقييم ما يكتشفه الذكاء الاصطناعي. إعلان OpenAI: https://t.co/G0p0VEMjlC الأوراق البحثية وترسيخات Lean: https://t.co/jVif4w5JKB #ArtificialIntelligence #ScientificDiscovery #OpenAI #ComplexityTheory #AIResearch #ComputerScience #FutureOfAI #AgenticAI