تصور کنید یک مسئله‌ی ریاضی سال‌ها پیش حل شده و درستی پاسخ آن نیز تأیید شده است. آیا تلاش برای اثبات دوباره‌ی همان نتیجه اتلاف وقت نیست؟ برخلاف تصور رایج، ریاضی‌دانان گاهی ده‌ها یا حتی صدها روش متفاوت برای اثبات یک قضیه پیدا می‌کنند. این تلاش‌ها ممکن است به کشف روابط تازه، حل مسئله‌های پیچیده‌تر یا حتی شناسایی اشتباه در اثبات‌های قبلی منجر شود.

بحث درباره‌ی اهمیت اثبات‌های متعدد، در هفته‌های اخیر و پس از انتشار خبری درباره‌یارائه‌ی دو نسخه‌ی متفاوت از اثبات مسئله ناویه–استوکستوسط OpenAI، دوباره مطرح شد. برای بسیاری از افراد عجیب است که چگونه دو راه‌حل کاملاً متفاوت می‌توانند به یک اندازه درست باشند، اما در ریاضیات چنین اتفاقی غیرمعمول نیست.

بیشتر ما ریاضیات را با تمرین‌های مدرسه می‌شناسیم؛ مسئله‌ای مطرح می‌شود، دانش‌آموز آن را حل می‌کند و معلم درستی پاسخ را بررسی می‌کند. همین تجربه باعث شده بسیاری تصور کنند کار ریاضی‌دانان نیز حل‌کردن فهرستی طولانی از مسائل بی‌پاسخ است.

اما اثبات ریاضی چیزی فراتر از رسیدن به جواب نهایی است. اثبات در واقع مجموعه‌ای از استدلال‌های منطقی است که نشان می‌دهد چرا یک نتیجه باید درست باشد.

اثبات‌های ریاضی نیز همین‌طور هستند. یک قضیه می‌تواند چندین اثبات درست داشته باشد و هر روش، اطلاعات متفاوتی درباره‌ی روابط میان مفاهیم ریاضی آشکار کند. این رویکرد سابقه‌ای طولانی دارد. حدود ۳۵۰ سال پیش از میلاد، ارسطو اثباتی را برای برابر بودن زاویه‌های مجاور قاعده‌ی مثلث متساوی‌الساقین توصیف کرد که در آن از دایره استفاده می‌شد.

حدود ۵۰ سال بعد، اقلیدس روش دیگری ارائه داد که فقط به مثلث‌ها نیاز داشت. مزیت اثبات جدید این بود که از بحث پیچیده‌ی تعریف زاویه میان خط راست و خط منحنی فاصله می‌گرفت؛ موضوعی که حل اختلاف‌نظرهای مربوط به آن قرن‌ها طول کشید.

یکی از مشهورترین نمونه‌ها به قضیه‌ای درباره‌یاعداد اولمربوط می‌شود. اعداد اول فقط بر عدد یک و خودشان بخش‌پذیرند؛ مانند ۲، ۳، ۵، ۷ و ۱۱.

بیش از دو هزار سال پیش، اقلیدس ثابت کرد که تعداد اعداد اول بی‌نهایت است. به زبان ساده، هرقدر هم اعداد اول را بشماریم، همیشه عدد اول دیگری وجود خواهد داشت.

روش اقلیدس بر استدلال جالبی استوار بود. او فرض کرد که تمام اعداد اول را در فهرستی محدود نوشته‌ایم. سپس همه‌ی آن‌ها را در یکدیگر ضرب کرد و به حاصل‌ضرب، عدد یک را افزود. عدد جدید نمی‌تواند بر هیچ‌کدام از اعداد اول موجود در فهرست بخش‌پذیر باشد؛ زیرا هنگام تقسیم بر هرکدام، باقی‌مانده یک خواهد بود. بنابراین، یا خودش عددی اول است یا دست‌کم یک مقسوم‌علیه اول دارد که در فهرست اولیه وجود نداشته است.

این اثبات قرن‌ها پیش ارائه شد، اما ریاضی‌دانان همچنان روش‌های تازه‌ای برای رسیدن به همان نتیجه پیدا می‌کنند. طبق بررسی انجام‌شده در سال ۲۰۲۳، حدود ۲۰۰ اثبات متفاوت برای بی‌نهایت‌بودن اعداد اول وجود دارد. شاید در نگاه اول چنین تلاش‌هایی بی‌فایده به‌نظر برسند، اما تاریخ ریاضیات خلاف آن را نشان می‌دهد.

در سال ۱۷۳۷، لئونارد اویلر، ریاضی‌دان مشهور سوئیسی، با روشی متفاوت به بررسی همین قضیه پرداخت. او رابطه‌ای میان یک مجموع نامتناهی و حاصل‌ضربی مرتبط با اعداد اول پیدا کرد.

دستاورد اویلر فقط تأیید دوباره‌ی بی‌نهایت‌بودن اعداد اول نبود. روش او به شناخت بهتر نحوه‌ی پراکندگی این اعداد نیز کمک کرد؛ از جمله اینکه هرچه به سمت اعداد بزرگ‌تر حرکت کنیم، اعداد اول کم‌تراکم‌تر می‌شوند.

بیش از یک قرن بعد، همین رابطه الهام‌بخش برنهارت ریمان شد تا فرضیه‌ی مشهور ریمان را مطرح کند؛ مسئله‌ای درباره‌ی توزیع اعداد اول که هنوز حل نشده و یکی از مهم‌ترین معماهای ریاضیات محسوب می‌شود.

به‌این‌ترتیب، تلاش برای اثبات دوباره‌ی قضیه‌ای که از زمان اقلیدس شناخته شده بود، به شکل‌گیری پرسش‌های تازه و پیشرفت شاخه‌های دیگری از ریاضیات کمک کرد.

داشتن چند اثبات برای یک قضیه همیشه به معنای درست‌بودن آن نیست. تاریخ ریاضیات نمونه‌هایی دارد که چند پژوهشگر با روش‌های متفاوت به نتیجه‌ای یکسان رسیدند، اما بعدها مشخص شد آن نتیجه به اصلاح نیاز دارد.

در سال ۱۹۳۳، ویلهلم گرونوالد قضیه‌ای درباره‌ی ویژگی‌های اعداد و توان‌های آن‌ها ارائه کرد. طبق نتیجه‌ی او، اگر عددی شرایط مشخصی را در ارتباط با اعداد اول داشته باشد، می‌توان آن را به‌صورت توان معینی از عددی دیگر نوشت. در سال ۱۹۴۲، جورج واپلز اثبات دیگری برای این نتیجه ارائه داد که از ابزارهای ریاضی متفاوتی استفاده می‌کرد.

چنین نمونه‌هایی یادآوری می‌کنند که حتی چند اثبات ظاهراً معتبر نیز ممکن است از فرض یا استدلالی مشترک استفاده کرده باشند که درستی آن به‌اندازه‌ی کافی بررسی نشده است.

در سال ۲۰۲۲، اسکات ویتری از دانشگاه استنفورد و سایمون ددئو از دانشگاه کارنگی ملون، مسئله‌ی جالبی را بررسی کردند: اگر هر مرحله از یک اثبات ریاضی احتمال اندکی خطا داشته باشد، چگونه می‌توان به اثبات‌های طولانی اعتماد کرد؟

فرض کنید یک اثبات از صدها مرحله‌ی منطقی تشکیل شده باشد. حتی اگر احتمال اشتباه در هر مرحله بسیار کم باشد، با افزایش تعداد مراحل، احتمال وجود دست‌کم یک خطا در کل استدلال بیشتر می‌شود.

این وضعیت شبیه پرتاب تاس است. احتمال آمدن عدد یک در هر پرتاب فقط یک‌ششم است، اما اگر تاس را بارها پرتاب کنیم، احتمال اینکه دست‌کم یک‌بار عدد یک ظاهر شود، افزایش می‌یابد. پس چرا ریاضی‌دانان می‌توانند به نتیجه‌ی اثبات‌های طولانی اطمینان کنند؟

پژوهشگران برای پاسخ به این سؤال، اثبات‌های ریاضی را به شبکه‌ای از مسیرهای منطقی تشبیه کردند. در این مدل، هر مرحله به مراحل دیگر متصل است و درستی یک نتیجه می‌تواند از چند مسیر مستقل بررسی شود.

اگر فقط یک مسیر طولانی برای رسیدن به نتیجه وجود داشته باشد، اشتباه در یکی از مراحل ممکن است کل استدلال را زیر سؤال ببرد. اما وقتی چند مسیر مختلف از یک نتیجه پشتیبانی می‌کنند، وجود خطا در یکی از آن‌ها لزوماً به معنای نادرست‌بودن تمام استدلال‌ها نیست.

پژوهشگران در مدل خود نشان دادند که با افزایش ارتباط میان مسیرهای مختلف اثبات، ممکن است اطمینان به درستی نتیجه از حد مشخصی به بعد به‌طور ناگهانی افزایش یابد. آن‌ها این تغییر را گذار فاز معرفتی (Epistemic Phase Transition) نامیدند.

البته این مدل به معنای تضمین درستی اثبات‌ها نیست و اعتبار هر استدلال همچنان باید به‌طور دقیق بررسی شود. بااین‌حال، پژوهش یادشده توضیح می‌دهد که چرا بررسی یک مسئله از مسیرهای مختلف می‌تواند به شناسایی خطاها و افزایش اطمینان کمک کند.

اهمیت روش‌های مختلف اثبات با پیشرفت هوش مصنوعی ممکن است بیشتر شود. مدل‌های هوش مصنوعی اکنون می‌توانند در حل برخی مسائل ریاضی مشارکت کنند و گاهی استدلال‌هایی ارائه دهند که بررسی آن‌ها برای انسان دشوار است.

در چنین شرایطی، رسیدن به یک پاسخ به‌تنهایی کافی نیست. ریاضی‌دانان باید بتوانند درستی استدلال‌ها را بررسی کنند و مطمئن شوند که نتیجه بر پایه‌ی فرض‌های اشتباه یا مراحل نامعتبر به‌دست نیامده است.

بنابراین، وقتی ریاضی‌دانان مسئله‌ای حل‌شده را دوباره اثبات می‌کنند، لزوماً به‌دنبال پیداکردن پاسخی نیستند که از قبل نمی‌دانستند. گاهی هدف اصلی کشف راهی تازه برای فهمیدن همان پاسخ است؛ راهی که شاید به حل مسئله‌ای بسیار بزرگ‌تر منجر شود.