- أطلقت OpenAI 722 مخطوطة تغطي مجالات بحثية رياضية متعددة.
- تشمل هذه المخطوطات بحثاً في أسية اللاعقلانية لـ π ومشاكل NP-hard.
- تقدم OpenAI ملخصات لاستدلال النموذج، مما يساعد الباحثين على فهم المسائل الرياضية.
- ستؤثر هذه القاعدة على البحوث الرياضية المستقبلية وتطبيقات النتائج المولدة بالذكاء الاصطناعي.
أطلقت OpenAI قاعدة بيانات ضخمة للبحوث الرياضية تم إنشاؤها بواسطة نماذجها المتقدمة الداخلية، مقدمة لعلماء الرياضيات مئات النتائج المولدة آلياً. وقد نُشرت هذه القاعدة في مستودع GitHub عام، وتضم 722 مخطوطة منظمة وفق 372 فئة بحثية. وتغطي هذه البحوث مجالات الرياضيات البحتة، وعلوم الحاسوب النظرية، والفيزياء الرياضية. وتناولت عدة نتائج مشكلات تتطلب سلاسل استدلال رياضي طويلة. كما نشرت OpenAI إصدارات رسمية للعديد من البراهين، مكتوبة بلغة Lean، مما يتيح للحواسيب التحقق من حججها الأساسية.
محتوى المخطوطات ومجالات البحث
يغطي المستودع مسائل في نظرية الأعداد، ونظرية التعقيد الحسابي، والهندسة، والفيزياء الرياضية. وامتدت بعض النتائج إلى مجالات قد يتطلب فيها إحراز تقدم طفيف قدراً كبيراً من العمل التقني. وقالت OpenAI: "أطلقنا مجموعة واسعة من النتائج الرياضية الجديدة التي أنتجتها نماذجنا المتقدمة الداخلية. وقد كنا نستشير مجموعة استشارية مستقلة للرياضيات والذكاء الاصطناعي في معهد الدراسات المتقدمة، ونأخذ بتوصياتهم."
فعلى سبيل المثال، تناولت إحدى النتائج أسية اللاعقلانية لـ π، وهو مقياس يقيس مدى قرب الأعداد النسبية من π. وقد أنتج النموذج نتيجة تستكشف السلوك الرياضي لهذا التقريب. وتناولت فئة بحثية أخرى مشاكل NP-hard، التي تقع في نظرية التعقيد الحسابي، وتشمل مهاماً يُعتقد أنها صعبة الحل بكفاءة. وأضاف عمل النموذج نتائج رياضية إلى هذا الجسم البحثي الأوسع. وحلت مخطوطات أخرى مسائل تتعلق بتخمين Mahler، والمتسلسلات الحسابية، وعوامل الزمر الحرة. كما تضم المجموعة أبحاثاً عن الفيرومغناطيسات الكمية لـ Heisenberg ومعادلات Vlasov-Maxwell النسبية.
التحقق من قاعدة البيانات والاستشهاد بها
قامت OpenAI بتجميع المخطوطات ذات الصلة في فئات بحثية لإظهار الروابط بين النتائج المختلفة. كما حدد المستودع 10 فئات مرفقة بملخصات موجزة لاستدلال النموذج. وتوفر لغة Lean طبقة تحقق مهمة، إذ تتيح للباحثين تحويل العبارات والبراهين الرياضية إلى كود رسمي، مما يمكن الحواسيب من التحقق من أن كل خطوة استدلال منطقي تتوافق مع الفرضيات المذكورة. ولا يعني ذلك تلقائياً أن كل ادعاء بحثي في القاعدة صحيح، إذ لا تزال العديد من المخطوطات تفتقر إلى إصدارات رسمية بلغة Lean. وأوضحت OpenAI أنه سيتم إضافة المزيد من الإصدارات الرسمية مع إكمال الباحثين لعمل التحقق.
ويتتبع المستودع أيضاً مراجعات الأوراق، ويقدم إرشادات للاستشهاد، مما يمنح الباحثين سجلاً أوضح عند تعديل المؤلفين للمخطوطات المبكرة أو توسعتها. وطورت OpenAI عملية النشر هذه بناءً على نصيحة المجموعة الاستشارية المستقلة للرياضيات والذكاء الاصطناعي في معهد الدراسات المتقدمة. وكشفت OpenAI أيضاً عن نطاق تقييمها الرياضي، حيث حاول النموذج حوالي 4,000 مشكلة خلال عملية البحث، واستهلك كل نتيجة مقبولة في المتوسط حوالي ثلاث ساعات من وقت حوسبة ChatGPT Pro. بالإضافة إلى ذلك، نشرت OpenAI إحصائيات إضافية تغطي المشكلات التي تمت تجربتها ونتائج البحث.
وقالت الشركة إن ملخصات الاستدلال توفر للباحثين فهماً أعمق، مما يتيح لهم رؤية كيفية تعامل النموذج مع المسائل الرياضية المختارة. وهذه الملخصات منفصلة عن البراهين الرسمية في Lean.
تخطط OpenAI لدعم ورش عمل ومؤتمرات ومشاريع خاصة تركز على فهم النتائج الرياضية المهمة المولدة بالذكاء الاصطناعي، وتوقع أن تؤثر ملاحظات علماء الرياضيات على الإصدارات المستقبلية. لذا، فإن هذا الإصدار ليس مجرد مجموعة أوراق، بل يوفر اختباراً لكيفية دخول الرياضيات المولدة آلياً إلى عملية البحث، مصحوباً بسجلات قابلة للتكرار، وبراهين قابلة للتحقق حاسوبياً، وشفافية أكبر للنتائج.
تأثير وتحديات البحوث الرياضية المولدة بالذكاء الاصطناعي
يمثل هذا الإصدار من OpenAI تقدماً جديداً للذكاء الاصطناعي في البحث الرياضي، حيث يوفر كمية كبيرة من النتائج الرياضية المولدة آلياً، والتي لا تساعد علماء الرياضيات على استكشاف المشكلات المعقدة فحسب، بل قد تغير أيضاً أساليب البحث التقليدية. وتوفر البراهين المكتوبة بلغة Lean في القاعدة آلية تحقق، وإن كانت هناك حاجة لمزيد من الإصدارات الرسمية لضمان صحة النتائج. ومع تغذية علماء الرياضيات الراجعة حول النتائج المولدة بالذكاء الاصطناعي، قد يعتمد البحث المستقبلي بشكل أكبر على مثل هذه التقنيات، مما يدفع الابتكار والتطور في مجال الرياضيات.