ادعاءات OpenAI في الرياضيات تكشف عنق زجاجة التحقق في الذكاء الاصطناعي

يصف تقرير WIRED اتساع الخلاف بين مختبرات الذكاء الاصطناعي الرائدة والرياضيين المحترفين حول آلية العمل. وقالت ليندسي مكالوم، المتحدثة باسم OpenAI، لـ WIRED إن الشركة بدأت في 28 أغسطس تدريب نموذج داخلي جديد، وإن النموذج، إضافة إلى «حل مسألة جائزة الألفية نافير—ستوكس»، كان قد «حل أكثر من 100 مسألة مفتوحة قديمة في معظم مجالات الرياضيات».

هذا ادعاء استثنائي، ويأتي في سياق هش. فمسألة نافير–ستوكس واحدة من مسائل جائزة الألفية، وهي فئة من المسائل التي يتطلب حلها عادة تدقيقًا مطولًا من الخبراء. وقد تناولنا رهانات التحقق المرتبطة بهذا الادعاء في ادعاء OpenAI بشأن برهان نافير–ستوكس: النتيجة الرئيسية مهمة، لكن الانتقال من «النموذج أنتج حجة» إلى «المجال يقبل النظرية» هو الجزء الصعب.

كما ذكرت WIRED أن OpenAI أخبرت بعض الأشخاص بأنها تخطط لنشر مئات الحلول لمسائل غير محلولة على GitHub. وقالت مكالوم لـ WIRED إن الشركة «تعمل على إصدار» النتائج الرياضية التالية «بمسؤولية»، وإنها تستند إلى نصائح وتوصيات عامة من المجموعة الاستشارية للرياضيات والذكاء الاصطناعي في معهد الدراسات المتقدمة. وقالت أيضًا إن OpenAI لم تحدد موعدًا للإصدار.

هذا التمييز مهم. إصدار على GitHub مفيد للبرمجيات. لكنه ليس تلقائيًا الوحدة المناسبة لرياضيات الصف الأمامي. يستطيع الرياضيون قراءة الشيفرة، والبراهين الرسمية، والمخططات العامة، والأوراق البحثية، لكن كل صيغة تجيب عن سؤال مختلف. هل تعمل الحجة؟ من صاحب الفكرة المحورية؟ على أي أعمال سابقة تعتمد؟ أي الأجزاء جديد، وأيها إعادة تركيب؟ وما الذي ينبغي للباحثين الآخرين الاستشهاد به؟

قالت برينا كرا، عالمة الرياضيات في جامعة نورث وسترن التي حضرت اجتماع أغسطس، لـ WIRED إن الحاضرين طلبوا من OpenAI ألا تنشر النتائج في تدوينة أو تغريدة فقط، بل أن تكتب أوراقًا بحثية يستطيع الرياضيون «استيعابها، وهضمها، واستخدامها». وقالت كرا لـ WIRED: «يبدو أن تلك المداخلة جرى تجاهلها».

أوضح مثال تقني في المادة المصدرية ليس الدفعة المتنازع عليها من مئات النتائج. بل نتيجة OpenAI السابقة حول مسافة الوحدة.

تسأل مسألة Erdős لمسافة الوحدة، تقريبًا، عن عدد أزواج النقاط في المستوى التي يمكن أن تكون المسافة بينها وحدة واحدة بالضبط. وكان بول Erdős قد حدس أن أفضل ترتيب ممكن لن ينمو إلا أسرع بقليل جدًا من عدد النقاط. ووفقًا لـ Ars Technica، أثبت نموذج OpenAI خطأه من خلال بناء ترتيب نقاط أكثر تعقيدًا من المقاربات التقليدية القائمة على الشبكات.

تصف Ars المنهج بأنه إعادة تركيب ذكية لأفكار رياضية معروفة. استخدم النموذج شبكة عالية الأبعاد، وأسقطها إلى بعدين، واستخدم أعدادًا صحيحة جبرية لإنشاء بنية أغنى. وبحسب تقييم Ars، لم تُدخل النتيجة تقنيات جديدة حقًا. وقد تولى رياضيون بشر لاحقًا تنقيح العمل وتوسيعه.

هذا المزيج مهم: ذاتي بما يكفي ليكون ذا شأن، لكنه ليس سحرًا. وجد نظام الذكاء الاصطناعي برهانًا حسم حدسية مفتوحة كبرى، ومع ذلك ظلّت النتيجة بحاجة إلى تفسير بشري، وتبسيط، وتوسيع، ووضعها في الأدبيات.

هذه هي الصورة الأقرب إلى الواقع على المدى القريب للذكاء الاصطناعي في البحث: تبحث النماذج على نطاق واسع، وتصل بين مجالات فرعية، وتعمل بجهد على استراتيجيات برهان قد تكون مرهقة للبشر؛ بينما يقرر البشر أي الأسئلة مهمة، ويصلحون العرض، ويفحصون العمل، ويبنون الطبقة التالية. قد لا يصمد هذا التقسيم إلى الأبد، لكن الأدلة الحالية في التقارير المذكورة تدعم قصة هجينة أكثر مما تدعم قصة استبدال صافٍ.

وهو يشبه أيضًا ما يراه المهندسون في وكلاء البرمجيات. فأصعب أسئلة الإنتاج ليست فقط «هل يستطيع النموذج إنتاج إجابة؟». بل هي «هل نستطيع تقييمها، وإعادة إنتاجها، وإسنادها، والسماح لها بالتصرف بأمان؟». لذلك أصبح تصميم التقييم محوريًا، من مجموعات ذهبية صغيرة إلى مقاييس التشغيل المتكرر مثل pass@k؛ وإذا أردت النسخة الهندسية، فابدأ بـ تقييم LLM.

رد الفعل الذي تنقله WIRED ليس معاديًا للذكاء الاصطناعي بالمعنى البسيط. يبدو أن عددًا من الرياضيين المقتبسين في القصة متحمسون لأدوات أقوى. قلقهم يتعلق بالقوة المؤسسية وبالعملية العلمية.

تكتب WIRED أن بعض الأكاديميين يشعرون بأن الرياضيات أصبحت ميدان إثبات لـ OpenAI وAnthropic مع تسابق الشركتين لإظهار قدرات النماذج. وقال نيستور غيين، أستاذ الرياضيات الزائر في جامعة نيويورك، لـ WIRED إن هناك «تصورًا لسلوك شبيه بالعصابات» بين الرياضيين تجاه شركات الذكاء الاصطناعي. وردّت مكالوم من OpenAI: «لا نتفق مع هذا التوصيف».

أخطر نزاع وصفته WIRED يتعلق بتريستان باكماستر، الأستاذ في جامعة نيويورك، وليفنت ألبوغه، الموظف في Anthropic. وتذكر WIRED أن OpenAI نشرت آلاف الوكلاء في سبتمبر للعمل على مسألة من مسائل جائزة الألفية بعد سماع «شائعات» بأن آخرين اقتربوا من الحل. واتهم باكماستر OpenAI بسبق العمل الذي أنجزه مع ألبوغه، وهو عمل لم يكن الاثنان قد نشراه بعد، لكنهما كانا يستخدمان أدوات OpenAI للمساعدة في تطويره.

نفى الباحث في OpenAI سيباستيان بوبيك أنه طلب استبعاد ألبوغه من التأليف، وفقًا لما أوردته WIRED عن رده. ومع ذلك، تُظهر الواقعة لماذا يصبح الإسناد صعبًا عندما يستخدم الباحثون أدوات مملوكة، وتستطيع المختبرات ملاحظة بعض الاستخدام، ويمكن توجيه نماذج داخلية إلى مسائل مجاورة على نطاق واسع.

بدأ المجتمع بالفعل بالاستجابة. تذكر WIRED مستودع Hexagon، وهو مستودع لمواد رياضية مولدة أساسًا بالذكاء الاصطناعي، وPalomar، وهو سجل للرياضيات المتحقق منها آليًا. وتشير أيضًا إلى إعلان لايدن، وهو نداء وقّعه أكثر من 4,000 عالم رياضيات يطلب من شركات الذكاء الاصطناعي الالتزام بمعايير الرياضيين.

الاتجاه واضح: إذا أصبحت الرياضيات المولدة بالذكاء الاصطناعي وفيرة، فستحتاج الرياضيات إلى بنية تحتية جديدة للمصدرية، والمراجعة، والتحقق. قد يكون GitHub جزءًا من ذلك. لكنه لا يستطيع أن يكون العملية كلها.

لا يُقبل البرهان لأن نموذجًا قويًا أخرجه. يُقبل لأن مجتمعًا يستطيع فحصه.

من السهل التقليل من شأن هذه الطبقة الاجتماعية من الخارج. تبدو الرياضيات غالبًا كمنطق خالص: إما أن البرهان صحيح أو ليس كذلك. لكن عمليًا، يجب أيضًا أن يكون البرهان قابلًا للقراءة، وموضوعًا في سياقه، ومرتبطًا بالعمل القائم. يحتاج المجال إلى معرفة أي اللمّات تقوم بالعمل، وأي الافتراضات مخفية، وأي الاستشهادات ناقصة، وأي الادعاءات قوية بما يكفي لإعادة استخدامها.

يضغط الذكاء الاصطناعي على هذا النظام عبر تغيير الحجم. برهان صعب واحد يمثل تحديًا. أما مئات الحلول المزعومة فهي مشكلة طابور. إذا كان عدد صغير فقط من الخبراء قادرًا على تقييم كل نتيجة، فقد يؤدي إصدار دفعة كبيرة إلى تراكم يبدو من منظور المختبر تقدمًا، ومن منظور المجال حطامًا.

بالنسبة إلى بناة الذكاء الاصطناعي، فهذا هو التشبيه المفيد: القدرة من دون سعة مراجعة تخلق خطرًا تشغيليًا. وكيل برمجي يفتح 200 طلب سحب قد يكون أقل فائدة من وكيل يفتح خمسة طلبات قابلة للمراجعة. وكيل بحث ينتج آلاف الادعاءات المرشحة يحتاج إلى فرز. وكيل أعمال يتخذ إجراءات عبر الأدوات يحتاج إلى نقاط موافقة، وسجلات تدقيق، ومسارات تراجع. يظهر النمط نفسه في موافقات human-in-the-loop وفي أعمال الوكلاء طويلة الأمد حيث يهم السياق والحالة والإشراف أكثر من إجابة واحدة مبهرة.

جدل الرياضيات هو معاينة لما يحدث عندما يصبح التوليد أرخص من التقييم.

الرياضيات اختبار ضغط مبكر لأنها تتمتع بخصائص غير معتادة. يمكن صياغة المسائل بدقة. ويمكن أحيانًا التحقق من البراهين رسميًا. وترتبط المكانة بحل أسئلة مفتوحة مسماة. كما يمتلك المجتمع أعرافًا قوية حول الأولوية، والإسناد، والنشر.

ستواجه مجالات أخرى نسخة من الضغط نفسه حيثما توفرت ثلاثة شروط:

البرمجيات هناك بالفعل. يمكن توليد الشيفرة بسرعة، لكن الصحة، والأمان، وقابلية الصيانة، والملكية لا تزال تتطلب مراجعة. الأدبيات العلمية قريبة: يستطيع الذكاء الاصطناعي اقتراح فرضيات أو تحليلات أسرع مما تستطيع المختبرات اختبارها. الأعمال القانونية والطبية أكثر تقييدًا، لكنها تشترك في عدم التناظر نفسه بين مخرج سلس وتحقق مكلف.

ليس الدرس أن نبطئ كل نموذج افتراضيًا. بل أن نصمم المؤسسات والأنظمة حول عنق الزجاجة. إذا كان النموذج قادرًا على إنتاج 1,000 أثر معقول، يصبح سؤال المنتج: أي 10 ينبغي أن يراها الإنسان، وبأي ترتيب، وبأي أدلة، وتحت أي قيود؟

وهذا أيضًا مركز التصميم لأنظمة الوكلاء العملية. تحتاج مسارات العمل متعددة الوكلاء إلى التوجيه، والذاكرة، والأدوات، ومسارات التصعيد، لكنها تحتاج أيضًا إلى حدود: ما الذي يمكن تشغيله تلقائيًا، وما الذي يتطلب مراجعة، وما الذي يُسجّل للفحص لاحقًا. إذا كنت تبني في هذا الاتجاه، فإن المشكلات الهندسية تتداخل مع تنسيق الوكلاء المتعددين أكثر مما تتداخل مع براعة prompt.

تشير التقارير إلى قائمة قصيرة من الأعراف التي ستخفف الاحتكاك.

أولًا، إصدار أوراق بحثية، لا إعلانات فقط. يمكن للتدوينات شرح النتائج، لكنها لا ينبغي أن تحل محل الكيان العلمي عندما يكون الادعاء نظرية.

ثانيًا، فصل عروض القدرة عن الادعاءات العلمية. «نموذجنا أنتج هذا البرهان» و«المجتمع يقبل هذه النتيجة» عبارتان مختلفتان. إبقاؤهما منفصلتين يحمي المختبر والمجال معًا.

ثالثًا، الإفصاح عن المصدرية. إذا استُخدمت أدوات الذكاء الاصطناعي من قبل رياضيين خارجيين، أو إذا كان لدى المختبر وصول إلى تفاعلات المستخدمين، أو إذا نُشر وكلاء داخليون بعد سماع معلومات عن عمل منافس، فإن قصة الإسناد تحتاج إلى أكثر من حاشية.

رابعًا، استخدام السجلات وبنية التحقق التحتية. تذكر WIRED أن الرياضيين شجعوا OpenAI على استخدام أدوات مثل Hexagon وPalomar. وإذا لم تكن تلك الأدوات كافية، فعلى المختبرات المساعدة في تحسين العملية بدل الالتفاف عليها.

خامسًا، الإصدار بوتيرة يمكن للبشر مراجعتها. قد يحقق طرح مئات النتائج دفعة واحدة أقصى قدر من الاستعراض. لكنه لا يحقق أقصى قدر من الفهم.

أزمة الهوية، إن وجدت، ليست أن الرياضيين لم يعودوا مهمين. بل أن المهنة قد تحتاج إلى إعادة تعريف عملها النادر. طرح الأسئلة الجيدة، ووضع المعايير، والتحقق من النتائج، وتعيين الائتمان، وتحويل البراهين المعزولة إلى نظرية قابلة للاستخدام، كلها تصبح أهم عندما تستطيع الآلات إنتاج مزيد من الإجابات المرشحة.

هذا التحول مزعج. لكنه مألوف أيضًا. كل مجال ناضج يطوّر مرشحات عندما يصبح الإنتاج رخيصًا. يجبر الذكاء الاصطناعي الرياضيات على بناء تلك المرشحات على الملأ.

للمزيد من أخبار الذكاء الاصطناعي الواضحة والأدلة العملية، اشترك في نشرة NeuraLIA Labs.

• القضية المركزية ليست فقط ما إذا كان الذكاء الاصطناعي قادرًا على حل مسائل رياضية صعبة، بل ما إذا كان المجتمع الرياضي قادرًا على التحقق من النتائج واستيعابها بالسرعة نفسها.
• أفادت تقارير بأن OpenAI ادعت تحقيق تقدم كبير في مسائل قديمة، بما في ذلك نافير–ستوكس وأكثر من 100 سؤال مفتوح آخر، لكن القبول يعتمد على تدقيق الخبراء.
• تُظهر نتيجة Erdős لمسافة الوحدة نمطًا مرجحًا على المدى القريب: تستطيع أنظمة الذكاء الاصطناعي إيجاد براهين مهمة، بينما يظل البشر يبسّطونها، ويضعونها في سياقها، ويوسعونها.
• تتركز مخاوف الرياضيين على العملية، والمصدرية، والإسناد، وأعراف النشر، وخطر إرباك أنظمة المراجعة.
• يظهر عنق الزجاجة نفسه بين التوليد والتحقق في البرمجيات، والعلوم، والقانون، والطب، ومسارات عمل الذكاء الاصطناعي الوكيلية.

إنه الفجوة بين السرعة التي تستطيع بها أنظمة الذكاء الاصطناعي توليد براهين أو ادعاءات معقولة، والبطء الذي يستطيع به الخبراء التحقق منها، ووضعها في سياقها، وإسنادها، وإعادة استخدامها.

أفادت تقارير بأن OpenAI ادعت أن نموذجًا داخليًا حل مسألة جائزة الألفية نافير–ستوكس، لكن المقال يؤكد أن تحقق المجتمع مطلوب قبل قبول مثل هذا الادعاء.

تشمل مخاوفهم معايير النشر، والتأليف، والمصدرية، ونزاعات الأولوية، واحتمال أن تؤدي دفعات كبيرة من النتائج المولدة بالذكاء الاصطناعي إلى إرباك مراجعة الخبراء.

وفقًا للتقارير التي نوقشت، دحض نموذج من OpenAI حدسية Erdős لمسافة الوحدة عبر إعادة تركيب أفكار معروفة بطريقة مفيدة، وبعد ذلك نقّح رياضيون بشر العمل ووسعوه.

تواجه البرمجيات والبحث العلمي والعمل القانوني والعمل الطبي ضغوطًا مشابهة، لأن الذكاء الاصطناعي يستطيع إنتاج المخرجات بسرعة بينما يظل التحقق مكلفًا وذا عواقب.