أوبن أي آي تنشر مئات النتائج الرياضية لنموذج داخلي لم يُطلق بعد

أعلنت أوبن أي آي في 6 أكتوبر 2026 عن نشر مجموعة واسعة من النتائج الرياضية التي تم الحصول عليها من نموذج داخلي لم يُطرح تجاريًا بعد. تم إتاحة جميع المواد، بما في ذلك ملفات المصدر، في مستودع عام على منصة GitHub، مع إرفاق وثائق شاملة توضح تفاصيل العمل. تشمل هذه الوثائق صيغًا رسمية للبرهان باستخدام لغة Lean المدعومة بالحاسوب، ملخصات مختصرة لخطوات التفكير التي اتبعها النموذج، وإحصاءات مفصلة حول عمليات الحساب التي أجريت. أكدت الشركة أن هذا الإجراء يتماشى مع توصيات مجموعة المستشارين المستقلة للرياضيات والذكاء الاصطناعي التابعة لمعهد الدراسات المتقدمة، بينما اختارت عدم نشر شفرة المصدر للنموذج ولا جميع الأوامر (prompts) المستخدمة في التجارب.

السياق والدوافع

على مدار السنوات الأخيرة، استثمرت أوبن أي آي بشكل كبير في أنظمة قادرة على توليد برهانات رسمية وتوسيع حدود البحث في مجالات الرياضيات. نجاح الإصدارات السابقة مثل GPT‑4‑Turbo أثار توقعات بأن الذكاء الاصطناعي يمكنه تسريع حل الفرضيات المفتوحة وتخفيف عبء العمل عن الباحثين. في هذا الإطار، أوصت لجنة المستشارين المستقلة في معهد الدراسات المتقدمة بأن تشارك الشركة النتائج التي حققتها علنًا، لتمكين تقييم خارجي واسع وتعزيز التعاون بين الذكاء الاصطناعي والمجتمع الأكاديمي.

إن قرار نشر النتائج فقط، دون النموذج الأساسي، يعكس استراتيجية تخفيف المخاطر التي تتبعها أوبن أي آي في مجالات حساسة أخرى. من خلال إتاحة البرهانات وملخصات خطوات التفكير، تسعى الشركة إلى توفير ما يكفي من المادة للخبراء للتحقق من صحة النتائج، مع الحفاظ في الوقت نفسه على الملكية الفكرية للنموذج ومنع الاستخدامات غير المشروعة قبل إجراء تقييم أمان أعمق.

ما تم نشره

تحتوي الحزمة المنشورة على عدة فئات من المعلومات. كل نتيجة تشمل صياغة رسمية بلغة Lean – لغة البرهان المدعومة بالحاسوب – وملخصًا يصل إلى عشر خطوات يصف التفكير الذي اتبعه النموذج. بالإضافة إلى ذلك، وفرت أوبن أي آي إحصاءات حول عدد المشكلات التي تم محاولة حلها، معدل النجاح، وتقديرًا للوقت الحاسوبي المستهلك: استهلك كل نتيجة في المتوسط ما يعادل ثلاث ساعات من التفكير باستخدام نسخة ChatGPT Pro. لم يتم تضمين جميع الأوامر (prompts) التي أدت إلى البرهانات، ولا شفرة المصدر للنموذج الذي أنتج هذه البرهانات.

• صيغ رسمية كاملة بلغة Lean لـ 372 نتيجة
• ملخصات من عشر خطوات لكل نتيجة
• إحصاءات حول المحاولات ومعدل النجاح
• تقدير استهلاك الحوسبة (≈ 3 ساعات من ChatGPT Pro لكل نتيجة)

حسب ما أوردته مجلة Scientific American، تم حساب 372 نتيجة تُظهر، وفقًا للنشر، حلًا أو تقدمًا في مسائل مفتوحة في مجالات متعددة من الرياضيات، بدءًا من نظرية الأعداد وصولًا إلى الطوبولوجيا الجبرية. أبرزت المجلة أن بعض البرهانات تم التحقق منها رسميًا باستخدام Lean، لكن المجتمع العلمي لا يزال بحاجة إلى تقييم أهمية وأصالة كل مساهمة. اعترفت أوبن أي آي بأن التحقق الرسمي لا يضمن بالضرورة حداثة علمية، وأن عملية مراجعة الأقران ستكون ضرورية لتأكيد الأثر الحقيقي لهذه الاكتشافات.

ردود فعل المجتمع

أبدى الرياضيون الذين فحصوا المستودع تشككًا بشأن إمكانية التحقق الكامل من النتائج. أشار بعضهم إلى أنه بدون الوصول إلى النموذج أو الأوامر الكاملة، يصعب إعادة إنتاج مسار التفكير الذي أدى إلى البرهانات. كما تساءل آخرون عن حداثة البرهانات، مقترحين أن بعضها قد يكون معروفًا مسبقًا أو مجرد تنويعات بسيطة من نظريات موجودة. كما أُشير إلى أن حجم المراجعة يمثل عائقًا: فحص مئات البرهانات الرسمية يتطلب وقتًا وموارد لا تتوفر دائمًا في العديد من المؤسسات الأكاديمية.

على الرغم من هذه التحفظات، رحبت جزء من المجتمع بالمبادرة كخطوة مهمة نحو دمج الذكاء الاصطناعي مع الرياضيات. يتيح توفر الصيغ الرسمية في Lean للباحثين اختبار امتدادات، استكشاف فرضيات جديدة، وتطوير أدوات تدعم عملية التفكير. شدد بعض الخبراء على أن نشر النتائج، حتى دون النموذج، يخلق نقطة انطلاق للنقاش حول معايير التقييم، توزيع الفضل، والأخلاقيات المتعلقة بإنتاج المعرفة بمساعدة الذكاء الاصطناعي.

الخطوات المستقبلية والآثار

وعدت أوبن أي آي بتحسين جودة الاستشهادات، وضوح العرض، وتنسيق النتائج في الإصدارات المستقبلية. كما أعلنت عن تمويل ورش عمل تجمع باحثي الذكاء الاصطناعي والرياضيين، بهدف وضع ممارسات جيدة للتحقق ونشر النتائج التي تولدها الآلات. في الوقت نفسه، يجب موازنة الفوائد المحتملة – مثل تسريع الاكتشافات، ديمقراطية أدوات البرهان، وتعاونات متعددة التخصصات – مع القيود الحالية، بما في ذلك نقص الشفافية الكاملة للنموذج والحاجة إلى مراجعة بشرية دقيقة. ما يتغير الآن هو أن المجتمع يمتلك وصولًا إلى مجموعة ضخمة من البرهانات الرسمية التي يمكن أن تشكل أساسًا للبحوث المستقبلية، بينما يُفتح نقاش نقدي حول كيفية تقييم ودمج مساهمات الذكاء الاصطناعي في المشهد العلمي التقليدي.