لأول مرة.. شات جي بي تي يحل مسألة رياضية هندسية لم يتم إثباتها من قبل

لأول مرة.. شات جي بي تي يحل مسألة رياضية هندسية لم يتم إثباتها من قبل
تعود الفرضية التي أثبتها الذكاء الاصطناعي إلى عام 2024
كشفت دراسة حديثة أن نموذج الذكاء الاصطناعي ChatGPT-5.2 قادر على توليد إثباتات رياضية أصلية، مقدمًا بذلك أسلوبًا جديدًا للتفكير بالذكاء الاصطناعي يُعرف بـ"vibe-proving" أي "الإثبات بالذكاء الاصطناعي"، حيث يسرع الذكاء الاصطناعي عملية الاكتشاف، لكن التحقق البشري يظل ضروريًا.
أفاد باحثون في مختبر تحليل البيانات بجامعة بروكسل الحرة بأن نماذج اللغة المتوفرة تجاريًا قادرة على إنتاج براهين رياضية أصلية.
وفي دراستهم، أظهر الفريق أن نموذج اللغة الكبير ChatGPT-5.2 (Thinking) التابع لشركة أوبن إيه آي استطاع حل مسألة رياضية بمفرده، بحسب تقرير لموقع "SciTechDaily" المتخصص في أخبار العلوم والتكنولوجيا، اطلعت عليه "العربية Business".
ركزت الدراسة على إثبات فرضية عام 2024 التي اقترحها الرياضيان ران وتينغ. وتُعرف الفرضية بأنها بيان يُعتقد صحته استنادًا إلى أنماط أو نتائج متكررة، لكنها لم تُثبت رسميًا بعد. وعندما يُثبت صحة الفرضية، تتحول إلى نظرية رياضية.
ووفقًا للدراسة، ظهر الإثبات النهائي للفرضية بعد سبع جلسات محادثة مع "شات جي بي تي" وأربع نسخ متطورة من الحجة. ولعب النموذج دورًا رئيسيًا في استكشاف الأساليب الممكنة، بينما حرص الباحثون البشريون على التأكد من صحة المنطق واكتمال الاستدلال.
وجد الباحثون أن ChatGPT-5.2 (Thinking) طوّر جزءًا كبيرًا من بنية الإثبات بتدخل بشري محدود. وقالوا: "مع مختبر تحليل البيانات، نحن من أوائل من أثبتوا أن نموذج لغة متاح تجاريًا قادر على تطوير إثباتات رياضية أصلية بشكل مستقل".
يقول بريخت فيربيكن، وهو باحث ما بعد الدكتوراه في مجموعة أبحاث مختبر تحليل البيانات بجامعة بروكسل الحرة: "لطالما شككت في قدرة شات جي بي تي على مساعدتي في إثبات مسائل رياضية لم تُحل بعد، ومع ذلك فوجئت بمدى كفاءة ذلك".
يضع الفريق هذا العمل ضمن منهج أوسع يُطلقون عليه اسم "vibe-proving" حيث تساعد نماذج الذكاء الاصطناعي في تنظيم واستكشاف الأفكار النظرية المعقدة.
وطرح الفريق تساؤلًا حول ما إذا كان بإمكان هذه الطريقة أن تتقدم بالسرعة نفسها التي تتقدم بها الـ"vibe-coding" وهي البرمجة المدعومة بالذكاء الاصطناعي، والتي تطورت بالفعل من أدوات بسيطة إلى توليد شيفرات بشكل شبه مستقل.
على الرغم من المساهمة القوية للنموذج، شدد الباحثون على أن المشاركة البشرية تظل ضرورية للتحقق النهائي وسد أي ثغرات متبقية في الإثبات. كما يبرز هذا النهج الأماكن التي تكون فيها نماذج اللغة أكثر فائدة، والمجالات التي لا تزال تواجه فيها تحديات في التحقق من النتائج.
يمثل هذا العمل خطوة مهمة للذكاء الاصطناعي في البحث النظري. فإلى جانب دعم مهام البرمجة والكتابة، يُمكن لنماذج اللغة الآن أن تسهم في اكتشافات رياضية أصلية عند دمجها مع إشراف بشري دقيق.