کاربردهای هوش مصنوعی

ریاضی‌دانان برجسته از روش‌های OpenAI در حل معادله ناویر-استوکس خشمگین هستند

از زمانی که سقراط از این نگرانی سخن گفت که کلمه مکتوب ممکن است انسان‌ها را در به‌خاطر سپردن امور تنبل کند، تاکنون کمتر شاهد چنین موج گسترده‌ای از اضطراب دانشگاهی در برابر یک فناوری جدید بوده‌ایم. در نامه‌ای سرگشاده که ۱۱ سپتامبر منتشر شد، ۲۵ برنده مدال فیلدز ه…

5 دقیقه مطالعه
  • پشتیبانی شبکه
  • هوش مصنوعی
  • مصنوعی
  • هوش
  • ریاضیات
  • ممکن
  • OpenAI
  • درباره
ریاضی‌دانان برجسته از روش‌های OpenAI در حل معادله ناویر-استوکس خشمگین هستند

خلاصه تحلیلی خبر

از زمانی که سقراط از این نگرانی سخن گفت که کلمه مکتوب ممکن است انسان‌ها را در به‌خاطر سپردن امور تنبل کند، تاکنون کمتر شاهد چنین موج گسترده‌ای از اضطراب دانشگاهی در برابر یک فناوری جدید بوده‌ایم. در نامه‌ای سرگشاده که ۱۱ سپتامبر منتشر شد، ۲۵ برنده مدال فیلدز ه…

موضوعات اصلی: پشتیبانی شبکه، هوش مصنوعی، مصنوعی، هوش، ریاضیات، ممکن

از زمانی که سقراط از این نگرانی سخن گفت که کلمه مکتوب ممکن است انسان‌ها را در به‌خاطر سپردن امور تنبل کند، تاکنون کمتر شاهد چنین موج گسترده‌ای از اضطراب دانشگاهی در برابر یک فناوری جدید بوده‌ایم.

در نامه‌ای سرگشاده که ۱۱ سپتامبر منتشر شد، ۲۵ برنده مدال فیلدز هشدار دادند که هوش مصنوعی ممکن است بنیان‌های این رشته را به خطر بیندازد. به گفته آنان، شرکت‌های هوش مصنوعی مسائل ریاضی را صرفاً برای سنجش و محک‌زدن قدرت مدل‌های خود حل می‌کنند، نه با روحیه واقعی جست‌وجوی فکری و علمی. به اعتقاد نویسندگان نامه، این رویکرد «برای علم ریاضیات و جامعه ریاضی زیان‌بار است.»

این نامه در واکنش به مجموعه‌ای از پیشرفت‌های ظاهری هوش مصنوعی در مرزهای دانش ریاضیات نوشته شد که تازه‌ترین مورد آن را OpenAI در ۸ سپتامبر اعلام کرد. گروهی از پژوهشگران OpenAI مدعی شدند که مسئله ناویر–استوکس را حل کرده‌اند؛ یکی از هفت «مسئله هزاره» که مؤسسه ریاضیاتClay در سال ۲۰۰۰ آن‌ها را به‌عنوان دشوارترین و مهم‌ترین مسائل ریاضیات انتخاب کرد.

آیا ChatGPT واقعاً معادله ناویر–استوکس را فقط در ۸۸ ساعت حل کرده است؟

به نظر می‌رسد OpenAI به‌این‌ترتیب از «تریستان باک‌مستر» (در تصویر) و «لوانت آلپوگه» پیشی گرفته است؛ دو ریاضی‌دانی که در کنار استفاده از برخی ابزارهای هوش مصنوعی، مدت‌ها روی این مسئله کار می‌کردند و تصور می‌شد به راه‌حل آن نزدیک شده‌اند. این شرکت مقاله‌ای ۱۶۶ صفحه‌ای منتشر کرد که در آن کار انجام‌شده را شرح داده بود و از مدل‌هایی استفاده می‌کرد که هنوز به‌صورت عمومی در دسترس قرار نگرفته‌اند. بااین‌حال، این مقاله با وجود حجم زیادش، جزئیات توضیحی اندکی در اختیار می‌گذارد؛ جزئیاتی که ریاضی‌دانان معمولاً هنگام ارائه یک کشف جدید ارائه می‌کنند.

ریاضی‌دانان برجسته از روش‌های OpenAI در حل معادله ناویر-استوکس خشمگین هستند
تریستان باک‌مستر

در نگاه نخست، این مشاجره ممکن است نسخه‌ای دانشگاهی و پرطمطراق از نگرانی‌هایی به نظر برسد که هم‌زمان با رواج ماشین‌حساب‌های الکترونیکی مطرح شد؛ نگرانی‌هایی درباره ازدست‌رفتن مهارت‌های محاسبات ذهنی یا حتی نگرانی‌هایی که درباره خودکارهای ساچمه‌ای مطرح می‌شد، مبنی بر اینکه نبود تحریک حسی کافی برای مغز ممکن است پیامدهای نامطلوبی برای سبک نوشتار داشته باشد. این نگرانی‌ها که در زمان خود واقعی بودند، اکنون به‌اندازه نگرانی‌های سقراط خنده‌دار به نظر می‌رسند؛ زیرا کلمه مکتوب حافظه را تقویت کرده است، نه اینکه جایگزین آن شود.

پیپر پژوهشی OpenAI

لینک دسترسی به فرمولاسیون پروژه در GitHub

اما اینجا تفاوتی وجود دارد. به نظر نمی‌رسد نویسندگان نامه در تلاش باشند استفاده از هوش مصنوعی در رشته خود را متوقف کنند. برای مثال، ترنس تائو، یکی از افرادی مشارکت‌کننده در این نامه، در ویدئویی که OpenAI در ماه مه در شبکه اجتماعی X منتشر کرد درباره هوش مصنوعی گفت: «این فناوری به من اجازه می‌دهد آزمایش کنم؛ سراغ ایده‌های عجیب‌تری خواهم رفت.» او سپس به قابلیت‌های مفید هوش مصنوعی و امیدهای خود درباره کاربرد ویژه آن در صورتی اشاره کرد که نتایج کار با دیگران به اشتراک گذاشته شود؛ همان‌گونه که اشتراک‌گذاری دانش بخشی از فرهنگ و سنت ریاضیات است.

پیشرفت ظاهری OpenAI در ریاضیات، پرسش‌های عمیقی را مطرح می‌کند

نگرانی اصلی آنان، در واقع، این است که پاسخ قطعی به مسائل تنها یکی از جنبه‌های ریاضیات محسوب می‌شود. آنچه اغلب ارزش بیشتری دارد، این است که فرایند رسیدن به برهان‌های مهم، به طرح پرسش‌های بیشتری و ایجاد حوزه‌های مطالعاتی جدید منجر می‌شود. آنان بیم دارند اگر هوش مصنوعی بخش دشوار و طاقت‌فرسای کار را انجام دهد، این فرایند از دست برود؛ و اگر این کار را سازمان‌هایی انجام دهند که سپس جزئیات کافی را در اختیار جهان خارج قرار ندهند تا انسان‌ها بتوانند آن‌ها را بخوانند و درک کنند، این خطر دوچندان خواهد شد. همان‌طور که هوگو دومینیل–کوپن، یکی دیگر از امضاکنندگان نامه می‌گوید؛ کسی را با هلیکوپتر روی قله اورست پیاده‌کردن، تفاوت زیادی با صعود به آن دارد.

اگر این استدلال شبیه دفاعی منفعت‌طلبانه از سوی متخصصانی به نظر می‌رسد که نگران ازدست‌دادن شغل خود هستند، بدون تردید چنین جنبه‌ای نیز در آن وجود دارد. اما این موضوع به معنای بی‌اساس بودن کامل استدلال آنان نیست. ممکن است ریاضی‌دانان برای‌آنکه به سرنوشت باک‌مستر و آلپوگه دچار نشوند، فعالیت‌های پژوهشی خود را کمتر با دیگران به اشتراک بگذارند. خطر دیگری که ظریف‌تر است نیز وجود دارد؛ تکیه‌کردن بر هوش مصنوعی به‌عنوان یک عصای کمکی ممکن است عادت‌های ذهنی را فرسوده کند و ریاضی‌دانان انسانی را در انجام فعالیت‌های تخصصی خود کم‌توان‌تر سازد.

در اینجا می‌توان به یک نمونه تاریخی اشاره کرد: پدیده‌ای موسوم به «برون‌سپاری شناختی» (cognitive offloading) که در آن فناوری اطلاعات، با کاهش بار واردشده بر حافظه انسان، موجب تحلیل‌رفتن برخی توانایی‌های ذهنی می‌شود؛ درست از همان جنبه‌هایی که سقراط را نگران می‌کرد. پژوهشی که بتسی اسپارو از دانشگاه کلمبیا و همکارانش در سال ۲۰۱۱ منتشر کردند، این تصور مبتنی بر عقل سلیم را تأیید کرد که افراد هنگام مواجهه با پرسش‌های دشوار، به‌جای تلاش برای به‌یادآوردن دانسته‌های خود، به جست‌وجوی پاسخ در گوگل روی می‌آورند. مطالعه جدیدتری که مایکل گرلیش از مدرسه کسب‌وکار SBS سوئیس انجام داده نیز به «همبستگی منفی میان استفاده مکرر از ابزارهای هوش مصنوعی و توانایی‌های تفکر انتقادی» اشاره کرده است.

بنابراین، این مناقشه بازتاب‌دهنده نگرانی‌های گسترده‌تری درباره گسترش هوش مصنوعی است. مدیران OpenAI در گذشته گفته‌اند تصویری که آنان از آینده دارند، جهانی است که در آن هوش‌های مصنوعی در کنار ریاضی‌دانان فعالیت می‌کنند تا «مشخص کنند واقعاً پرداختن به کدام مسائل اهمیت دارد». این دیدگاه به جهانی اشاره دارد که در آن تلاش شناختی برای انجام ریاضیات ممکن است تا حدی به عامل‌های نرم‌افزاری واگذار شود. اینکه این فرایند دقیقاً چگونه اتفاق بیفتد، تعیین خواهد کرد که چنین تغییری اتفاقی مثبت است یا منفی و در نتیجه مشخص خواهد شد که آیا در این مورد، سقراط در نهایت حق داشته است یا نه.

گزارش حاضر در نسخه September 19th2026 نشریه The Economist منتشر شده است.

برای ارزیابی پایداری، امنیت و نگهداری این زیرساخت، راهنمای پشتیبانی شبکه را نیز مطالعه کنید.