جنجال بزرگ ریاضی اوپن ای آی در شبکه های اجتماعی

شرکت اوپن‌ای‌آی (OpenAI) به عنوان یکی از تأثیرگذارترین سازمان‌ها در حوزه هوش مصنوعی، نقش محوری در شکل‌دهی به موج اخیر هوش مصنوعی مولد (Generative AI) داشته است. این شرکت با عرضه مدل‌هایی نظیر GPT-3 و ChatGPT، توانایی ماشین‌ها در تولید متن، کد، و محتوای خلاقانه را به سطح جدیدی رساند. ماموریت اصلی اوپن‌ای‌آی، همانطور که قبلاً اعلام شده بود، اطمینان از توسعه «هوش عمومی مصنوعی» (AGI) به گونه‌ای است که برای تمام بشریت مفید باشد. این شرکت همواره در خط مقدم تلاش برای شکستن مرزهای توانمندی‌های مدل‌های زبان بزرگ (LLMs) بوده و هر به‌روزرسانی در مدل‌های خود را به عنوان یک جهش در مسیر رسیدن به AGI معرفی می‌کند.

 

GPT-5، نسل مورد انتظار مدل‌های زبان بزرگ اوپن‌ای‌آی، در کانون توجه جامعه فناوری قرار دارد. انتظارات از این مدل فراتر از صرفاً تولید متن بهتر یا مکالمات روان‌تر است. پیش‌بینی می‌شود GPT-5 جهش‌های قابل توجهی در حوزه‌های نیازمند استدلال پیشرفته، حل مسئله، و تفکر انتزاعی به نمایش بگذارد. این توانایی‌ها شامل درک عمیق‌تر روابط علّی و معلولی، بهبود چشمگیر در برنامه‌نویسی و عیب‌یابی پیچیده، و مهم‌تر از همه، نمایش پتانسیل برای کشف علمی واقعی است. اگر مدل‌های قبلی در «مرتب‌سازی و ترکیب» دانش موجود قوی بودند، انتظار می‌رود GPT-5 بتواند در «تولید دانش جدید» و حتی «اثبات‌های ریاضیاتی نوآورانه» مشارکت کند؛ قابلیتی که می‌تواند حوزه تحقیق و توسعه را متحول سازد. هر گونه ادعایی درباره توانایی GPT-5 در حل مسائل حل‌نشده، مستقیماً به این انتظارات کلیدی اشاره دارد.

 

مدت کوتاهی پس از انتشار یک ادعای چشمگیر توسط یکی از مدیران ارشد اوپن‌ای‌آی، جامعه علمی و فناوری درگیر یک بحث داغ شد. کوین ویل، معاون رئیس این شرکت، در پلتفرم ایکس (توییتر سابق) با آب و تاب فراوان اعلام کرد که مدل قدرتمند GPT-5 توانسته است برای ۱۰ مسئله حل نشده‌ی مشهور اردوش راه‌حل‌هایی پیدا کند و در ۱۱ مورد دیگر نیز پیشرفت‌هایی ثبت کرده است. این خبر به سرعت در فضای مجازی پیچید؛ چرا که اگر حقیقت داشت، نشان‌دهنده‌ی یک پیشرفت عظیم و اثبات توانایی هوش مصنوعی مولد در کشف مستقل دانش ریاضی جدید و نه صرفاً مرتب‌سازی داده‌های موجود بود.

 

با این حال، این جشن زودهنگام دیری نپایید. توماس بلوم، ریاضیدان و مدیر وب‌سایت مرجع مسائل اردوش، به سرعت به این ادعا واکنش نشان داد و آن را «تحریف فاحش» نامید. بلوم صراحتاً توضیح داد که GPT-5 هیچ اثبات جدیدی ارائه نکرده است؛ بلکه در عوض، با قدرت جست‌وجو و ترکیب اطلاعات خود توانسته است ارجاعات و راه‌حل‌هایی را در مقالات علمی قبلاً منتشر شده پیدا کند که خود بلوم شخصاً از وجود آن‌ها مطلع نبوده است. به عبارت دیگر، این پیشرفت نه یک «کشف» توسط هوش مصنوعی، بلکه یک «بازآوری کارآمد اطلاعات» بود.

 

این عقب‌نشینی سریع، بلافاصله انتقادهای شدید را از سوی رقبای اوپن‌ای‌آی برانگیخت. یان لکان، دانشمند ارشد هوش مصنوعی متا، این ماجرا را یک نمونه از «هیاهوی تبلیغاتی» خودساخته‌ی اوپن‌ای‌آی توصیف کرد، و دیمیس حسابیس، مدیرعامل دیپ‌مایند، این اتفاق را «شرم‌آور» خواند. حتی سباستین بوبک، محقق برجسته اوپن‌ای‌آی، با وجود تأکید بر دشواری جست‌وجو در مقالات، اذعان کرد که راه‌حل‌ها از قبل در منابع علمی وجود داشته‌اند.

 

این رویداد نه تنها اعتبار اوپن‌ای‌آی را به عنوان سازمانی که زیر فشار سنگین تبلیغات و انتظارات میلیاردی قرار دارد، زیر سوال برد، بلکه پرسش‌های مهمی را درباره استانداردهای حقیقت‌سنجی در حوزه هوش مصنوعی مطرح کرد. چرا محققان باسابقه در محیطی که مملو از «هایپ» و رقابت شدید است، چنین ادعاهای بزرگی را بدون تأیید دقیق واقعیت منتشر می‌کنند؟ این ماجرا، مرز باریک بین توانایی شگفت‌انگیز مدل‌های زبان در دسترسی به اطلاعات و اغراق در قابلیت‌های آن‌ها برای خلق دانش اصیل و جدید را به روشنی نشان داد.

 

این حادثه به خوبی نشان می‌دهد که چگونه فشارهای رقابتی و تجاری (به ویژه در حوزه‌ی هوش مصنوعی که میلیاردها دلار سرمایه‌گذاری را به خود جلب کرده) می‌تواند بر دقت علمی یک شرکت تأثیر بگذارد. نمایش قدرت GPT-5 برای حفظ برتری در بازار در مقابل رقبایی چون گوگل (با Gemini) و متا، یک انگیزه قوی برای اغراق در نتایج ایجاد می‌کند.

 

مشکل «هذیان‌گویی» مدل‌های زبان (Hallucination): حتی اگر این مدل‌ها توانایی جست‌وجو و استدلال داشته باشند، گاهی اوقات مدل‌های LLM مرز بین اطلاعات واقعی، استنباط و اطلاعات ساختگی را در هم می‌شکنند. این اتفاق اخیر، هرچند به نظر می‌رسد ناشی از خطای انسانی در تفسیر بوده، اما می‌تواند به نگرانی‌ها در مورد صحت و دقت علمی خروجی‌های GPT-5 دامن بزند.

 

مسائل حل‌نشده اردوش (Erdős Problems): پل اردوش (۱۹۱۳-۱۹۹۶) یکی از پرکارترین ریاضی‌دانان تاریخ بود. مسائلی که او مطرح می‌کرد، اغلب ظاهری ساده اما حل‌هایی بسیار دشوار دارند و به عنوان معیاری برای سنجش پیشرفت در نظریه اعداد و ترکیبیات به کار می‌روند. ادعای حل این مسائل، بالاترین سطح توانایی ریاضی یک هوش مصنوعی را می‌طلبید.