مقالات

هوش مصنوعی ممکن است ریاضیات را متحول کند، اما انسان ها همچنان باید در جریان باشند


OpenAI اخیراً اعلام کرده است که یکی از مدل‌های هوش مصنوعی یکی از دشوارترین مسائل ریاضیات مدرن را حل کرده است: مسئله Navier-Stokes. معادلات موجود در قلب این مسئله، حرکت سیالاتی مانند آب و طبق تعریف علمی، هوا را توصیف می کند.

معادلات ناویر-استوکس برای درک پدیده هایی مانند جریان های اقیانوسی، گردش خون و جریان هوا بر روی بال های هواپیما ضروری است. با این حال، ریاضی‌دانان دهه‌ها تلاش کرده‌اند تا تعیین کنند که آیا راه‌حل‌های ثابتی برای این معادلات وجود دارد یا خیر.

به همین دلیل است که مؤسسه ریاضی Clay مستقر در ایالات متحده، که به انتشار دانش ریاضی اختصاص دارد، مسئله ناویر-استوکس را به عنوان یکی از هفت مسئله جایزه هزاره خود انتخاب کرده است.

اینها مهمترین و چالش برانگیزترین مسائل حل نشده در ریاضیات مدرن هستند که برای اولین راه حل صحیح برای هر یک جایزه 1 میلیون دلاری (746000 پوند؛ 895000 یورو) ارائه می شود. مشکلی که چندین نسل از ریاضیدانان را به چالش کشیده است، ظاهراً با هوش مصنوعی حل شده است.

اگرچه این دستاوردها موجی از شوک را به دنیای ریاضیات وارد کرد، اما به نظر می‌رسد که آنها فقط نوک کوه یخ هستند: در 6 اکتبر 2026، OpenAI راه‌حل‌های خود را برای بیش از 300 مسئله قدیمی در بیشتر حوزه‌های ریاضیات با مدل داخلی جدید خود ارائه کرد.

آیا این پایان ریاضیات به عنوان یک تلاش انسانی را نشان می دهد؟ پاسخ به این سوال مستلزم نگاه دقیق تر به شواهد ریاضی است. به طور کلی، یک اثبات استدلالی برای یک گزاره ریاضی است که از مفروضات پذیرفته شده معمول شروع می شود و از طریق مراحل مختلف استدلال گزاره ادامه می یابد.

قبل از اینکه ریاضیدانان چنین استدلالی را به عنوان برهان بپذیرند، باید صحت هر مرحله را بررسی کنند. رایانه ها می توانند به طور فزاینده ای به این کار کمک کنند، اما برای نتایج بزرگی که توسط هوش مصنوعی ایجاد می شود، نظارت و تخصص ریاضی انسان ضروری است.

با این حال، شواهد کاملاً تأیید شده پایان ماجرا نیست. ریاضیدانان فقط نمی خواهند بدانند که یک قضیه درست است. آنها همچنین می خواهند بفهمند که چرا درست است و از اثبات آن چه چیزی می توان آموخت.

ترنس تائو یکی از طرفداران برجسته استفاده از هوش مصنوعی در ریاضیات است.
سیپا آمریکا / آلامی

پروفسور ترنس تائو از دانشگاه کالیفرنیا، لس آنجلس، یکی از ریاضیدانان برجسته جهان و از طرفداران برجسته استفاده از هوش مصنوعی در ریاضیات است. او اخیراً اصطلاح «هضم اثبات» را برای بسیاری از روش‌هایی که ریاضی‌دانان پس از اثبات صحت آن به کار با اثبات ادامه می‌دهند، ابداع کرد.

آن‌ها می‌توانند اثبات را حول مفاهیم طبیعی‌تر سازماندهی مجدد کنند، یک استدلال پیچیده را منطقی کنند، آن را به ریاضیات موجود مرتبط کنند، یا روش‌هایی را استخراج کنند که می‌تواند در جاهای دیگر اعمال شود. هضم اثباتی به تنهایی می تواند بسیار مثمر ثمر باشد و ریاضیات جدیدی تولید کند.

کار در حال انجام است

حتی پس از تسلط بر اثبات، کار ریاضی به ندرت انجام می شود. نتایج بزرگ ریاضی اغلب به پله هایی برای مسائل باز جدید تبدیل می شوند. برای مثال، انواع مهم مسئله ناویر-استوکس با روش‌های اثبات اخیر پیشنهاد شده توسط OpenAI قابل حل نیستند. این نمونه ای از پیشرفت های بزرگ است: اهمیت آنها اغلب نه تنها در پاسخ به یک سؤال طولانی مدت، بلکه در معرفی مفاهیم جدید ریاضی و باز کردن خطوط جدید تحقیقات است.

اغلب، یک مدرک کافی نیست. ریاضیدانان مرتباً به دنبال شواهد جدیدی از نتایجی هستند که قبلاً اثبات شده اند. به عنوان مثال، قضیه فیثاغورث را در نظر بگیرید: a² +b² = c². این به سه طول یک مثلث قائم الزاویه اشاره دارد.

این نتیجه در دوران باستان ثابت شده بود، اما کتابی که در دهه 1920 منتشر شد، بیش از 300 دلیل از قضیه فیثاغورث را که در دو هزار سال گذشته ثابت شده بود، جمع آوری کرد. اگر هدف یک برهان تنها اثبات درستی یک نتیجه باشد، همه این برهان ها به جز اولین برهان، اضافی خواهند بود.

شبیه سازی کامپیوتری جریان هوا بر فراز بال هواپیما
معادلات ناویر-استوکس برای درک پدیده‌هایی مانند جریان هوا بر روی بال‌های هواپیما ضروری است.
ناسا

در عوض، دقیقاً برعکس است: اثبات‌های مختلف می‌توانند بینش‌های جدیدی را در مورد اینکه چرا یک نتیجه درست است، نشان دهند، ارتباطات جدیدی را با مفاهیم سایر زمینه‌های ریاضی نشان دهند، یا روش‌های جدیدی برای تعمیم پیشنهاد کنند. بنابراین، اثبات ها نه تنها برای تأیید نتایج ریاضی، بلکه برای توضیح و درک آنها نیز ارزش دارند.

دقیقاً آنچه که یک اثبات را توضیحی یا روشنگر می‌کند، به سختی مشخص می‌شود – و همچنان موضوعی در حال انجام در فلسفه ریاضیات است. این باعث می شود که توضیح و درک اهداف بسیار کمتر واضح برای هوش مصنوعی نسبت به ارائه یک اثبات درست باشد.

پیشرفت های اخیر در هوش مصنوعی احتمالاً عمل ریاضی را عمیقاً متحول خواهد کرد. اما ریاضی فقط ایجاد پاسخ های صحیح برای مسائل حل نشده نیست. شواهد هنوز نیاز به درک، سازماندهی مجدد، مرتبط با نتایج دیگر و استفاده برای ایجاد سؤالات جدید دارند.

همانطور که مدل های هوش مصنوعی در تولید اثبات کارآمدتر می شوند، این بخش های دیگر از تحقیقات ریاضی ممکن است اهمیت فزاینده ای پیدا کنند. بنابراین، در آینده نزدیک، ممکن است اهمیت کمتری داشته باشد که چه کسی – یا چه چیزی – می تواند اثباتی ارائه دهد تا اینکه آیا می توان از آن برای پیشرفت ریاضی استفاده کرد.


Source link

نوشته های مشابه

دیدگاهتان را بنویسید

دکمه بازگشت به بالا