مدل GPT-5.6 Sol Ultra از OpenAI یک مسئله ریاضی ۵۰ ساله را در کمتر از یک ساعت حل کرد

شرکت OpenAI اعلام کرده است که مدل جدید هوش مصنوعی GPT-5.6 Sol Ultra موفق شده اثبات کاملی برای حدس Cycle Double Cover ارائه دهد؛ مسئله ریاضی مشهوری در نظریه گراف که حدود نیم‌قرن بدون اثبات باقی مانده بود. به گفته این شرکت، مدل هوش مصنوعی با استفاده از ۶۴ عامل (Subagent) که به‌صورت موازی فعالیت می‌کردند، این اثبات را در کمتر از یک ساعت تولید کرده است.  با این حال، این دستاورد هنوز نیازمند بررسی و تأیید کامل جامعه ریاضی است و برخی پژوهشگران، علاوه بر تمجید از کیفیت اثبات، نسبت به نبود ارجاع به تحقیقات پیشین انتقاد کرده‌اند.

حدس Cycle Double Cover چیست؟

حدس Cycle Double Cover یکی از مسائل شناخته‌شده در نظریه گراف (Graph Theory) است که نخستین بار در دهه ۱۹۷۰ میلادی توسط چند ریاضی‌دان به‌صورت مستقل مطرح شد.

این حدس به زبان ساده می‌پرسد:

آیا برای هر گراف می‌توان مجموعه‌ای از چرخه‌ها پیدا کرد که هر یال دقیقاً دو بار توسط این چرخه‌ها پوشش داده شود؟

در طول دهه‌های گذشته، پژوهشگران تنها موفق به ارائه پاسخ برای برخی حالت‌های خاص شده بودند و تاکنون هیچ اثباتی که به‌طور گسترده پذیرفته شده باشد، ارائه نشده بود.

حدس Cycle Double Cover

مدل GPT-5.6 Sol Ultra چگونه این اثبات را تولید کرد؟

بر اساس اعلام OpenAI، مدل GPT-5.6 Sol Ultra بدون دخالت مستقیم انسان، مقاله مربوط به اثبات را تولید کرده است.

این مدل از معماری مبتنی بر ۶۴ عامل موازی استفاده کرده که هر کدام به‌صورت مستقل مسیرهای مختلف حل مسئله را بررسی می‌کردند. در نهایت، بهترین راه‌حل پس از چندین مرحله اعتبارسنجی انتخاب شده است.

به گفته OpenAI، کل فرآیند کمتر از یک ساعت زمان برده است.

نظر توماس بلوم؛ «اثبات بسیار خوب است، اما…»

توماس بلوم (Thomas Bloom)، ریاضی‌دان دانشگاه منچستر، این اثبات را «بسیار خوب» توصیف کرده است.

«این اثبات کوتاه، ساده و مبتنی بر ابزارهای شناخته‌شده است و حتی می‌توان تصور کرد که در دهه ۱۹۸۰ نیز قابل کشف بوده است.»

به اعتقاد بلوم، نکته کلیدی در این اثبات استفاده از یک تغییر ظریف اما غیرشهودی در روند استدلال است؛ تغییری که احتمالاً یک پژوهشگر انسانی پس از شکست نخستین ایده، آن را رها می‌کرد، اما هوش مصنوعی بدون خستگی به آزمودن حالت‌های مختلف ادامه داده است.

«هوش مصنوعی ناامید نمی‌شود و تا زمانی که یکی از تغییرات کوچک به نتیجه برسد، به امتحان کردن ادامه می‌دهد.»

با این حال، بلوم تأکید می‌کند که این تنها یک ارزیابی اولیه است و پذیرش نهایی اثبات به بررسی مستقل جامعه ریاضی بستگی دارد.

انتقاد از نبود ارجاع به تحقیقات پیشین

در کنار تحسین کیفیت اثبات، توماس بلوم از مقاله منتشرشده توسط OpenAI انتقاد کرده است؛ زیرا به گفته او، ایده‌های اصلی این اثبات دست‌کم به مقاله‌ای در سال ۱۹۸۳ توسط Bermond ،Jackson و Jaeger بازمی‌گردد.

به اعتقاد او، نبود ارجاع به این پژوهش‌ها ممکن است این تصور را ایجاد کند که تمامی راهبردهای ریاضی توسط هوش مصنوعی ابداع شده‌اند.

«این یکی از مشکلات رایج مقالات تولیدشده توسط هوش مصنوعی است؛ از ایده‌ها و راهبردهای موجود در ادبیات علمی استفاده می‌کنند، اما به منابع اصلی استناد نمی‌کنند.»

بلوم همچنین تردید دارد که مدل هوش مصنوعی این راه‌حل را کاملاً مستقل خلق کرده باشد و معتقد است احتمالاً از دانش موجود و مقالات مرتبط الهام گرفته است.

آیا هوش مصنوعی واقعاً خلاق است؟

این دستاورد بار دیگر بحث قدیمی درباره مدل‌های استدلالی هوش مصنوعی را مطرح کرده است؛ اینکه آیا این مدل‌ها صرفاً دانش موجود را بازترکیب می‌کنند یا واقعاً به کشفیات جدید دست می‌یابند.

بر اساس ارزیابی بلوم، در این مورد خاص، پاسخ بیشتر به گزینه نخست نزدیک است؛ یعنی استفاده خلاقانه از ابزارها و ایده‌های شناخته‌شده، نه خلق نظریه‌ای کاملاً جدید.

پرامپت OpenAI چگونه طراحی شده بود؟

یکی از نکات جالب این پروژه، نحوه طراحی دستور (Prompt) برای مدل بود. طبق توضیحات منتشرشده، مدل از ابتدا با چند محدودیت مهم روبه‌رو شده بود:

• فرض می‌شد که اثبات کامل مسئله وجود دارد.
• مدل اجازه نداشت در اینترنت بررسی کند که مسئله حل شده است یا خیر.
• اعلام اینکه مسئله هنوز اثبات نشده، مجاز نبود.
• نتایج ناقص، خلاصه پژوهش‌ها یا ارجاع به مسائل حل‌نشده دیگر پذیرفته نمی‌شد.
• هر اثبات توسط عامل‌های مستقل و سپس عامل‌های منتقد از نظر خطاهای رایج بررسی می‌شد.
• به مدل دستور داده شده بود حداقل هشت ساعت برای حل مسئله تلاش کند؛ هرچند در کمتر از یک ساعت به نتیجه رسید.

این موفقیت چه معنایی برای آینده پژوهش دارد؟

به گفته توماس بلوم، احتمال دارد هوش مصنوعی در آینده بتواند مسائل باز بیشتری را حل کند؛ به‌ویژه مسائلی که برای حل آن‌ها نیازی به نظریه‌های جدید نیست و تنها به استفاده هوشمندانه از دانش موجود، صبر و جست‌وجوی گسترده نیاز دارند.

او البته تأکید می‌کند که هنوز مشخص نیست چه تعداد از مسائل حل‌نشده ریاضیات در این دسته قرار می‌گیرند و تأیید نهایی چنین دستاوردهایی همچنان بر عهده جامعه علمی خواهد بود.

🔴 همچنین بخوانید: هوش مصنوعی GPT-5.6 رسماً برای کاربران منتشر شد؛ OpenAI از ChatGPT Work نیز رونمایی کرد

🔴 همچنین بخوانید: مدل هوش مصنوعی GPT-Live از راه رسید؛ ChatGPT حالا هم‌زمان گوش می‌دهد و صحبت می‌کند

جمع‌بندی

ادعای OpenAI درباره اثبات حدس Cycle Double Cover توسط GPT-5.6 Sol Ultra می‌تواند یکی از مهم‌ترین اخبار حوزه هوش مصنوعی و ریاضیات در سال‌های اخیر باشد. با وجود تحسین اولیه برخی متخصصان، این اثبات هنوز نیازمند بررسی دقیق و تأیید رسمی جامعه ریاضی است. همچنین، موضوع استناد به پژوهش‌های پیشین و نقش واقعی هوش مصنوعی در تولید دانش، همچنان یکی از مهم‌ترین محورهای این بحث باقی مانده است.

نظر شما چیست؟ آیا هوش مصنوعی در آینده می‌تواند به کشف‌های علمی کاملاً جدید دست پیدا کند یا همچنان نقش آن بیشتر در ترکیب و توسعه دانش موجود خواهد بود؟