أطلق تيرينس تاو، أستاذ جامعة كاليفورنيا في لوس أنجلوس والذي يُعتبر على نطاق واسع أفضل عالم رياضيات خالص على قيد الحياة، ناقوس الخطر بشأن سباق الذكاء الاصطناعي المتسارع في مجال الرياضيات الذي يحدث الآن.
تاو، الذي حصل على ميدالية فيلدز عام 2006، نشر تحذيراً على منصة ماستودون المختصة بالرياضيات، Mathstodon، أمس، حيث جادل بأن الذكاء الاصطناعي يستنزف مخزون المجال من المسائل المفتوحة الجيدة، وهي الأسئلة غير المحلولة التي تدفع الرياضيات إلى الأمام بالفعل. ليس البراهين. ليس الأوراق البحثية. بل الأسئلة الجيدة.
يمكن لأي شخص اختراع عدد لا نهائي من المسائل الرياضية الجديدة؛ الرقم "جوجول-ث" (googol-th) من باي هو تقنيًا مشكلة مفتوحة لم يحسبها أحد. لكن لا يهم أي منها تقريبًا، لأن معظمها لا يعلم شيئًا عن المجال الأوسع. ما يهم حقًا، كما كتب تاو، هو معرفة ما يستحق الجهد بالفعل.
وكتب تاو: "باختصار، يمكن للاستخدام العشوائي لأدوات استخراج الحلول القوية أن يحقق الهدف قصير المدى الفوري المتمثل في حل المشكلات المطروحة، ولكن على حساب الحفاظ على النظام البيئي للموجة التالية من التقدم، أو في فهم التقدم الذي تم تحقيقه بالفعل".
مع إطلاق نماذج التفكير والجيل الأحدث من أنظمة الذكاء الاصطناعي الرائدة، بدأت المختبرات في توجيه كميات هائلة من الحوسبة نحو المشاكل الرياضية والعلمية. لقد اختبرت شركتا Anthropic وOpenAI نماذجها على مشاكل قاومت علماء الرياضيات البشريين لسنوات، وأحيانًا لعقود.
تراوحت النتائج من الفيزياء الكمومية إلى الرياضيات التطبيقية والطب. لكن الرياضيات مختلفة: المشاكل الصعبة حقًا نادرة نسبيًا، وغالبًا ما يختار الباحثون بعناية أي منها سيقضون شهورًا أو حتى سنوات في مطاردتها.
كان تحديد ذلك يعتمد على "مستوى الصعوبة" في المجال – أي الأسئلة تافهة، وأيها يتطلب جهدًا حقيقيًا، وأيها ميؤوس منها بالأدوات الحالية. لقد عملت الطرق الجديدة دائمًا على تسطيح أجزاء من هذا المستوى، لكنها فتحت أيضًا آفاقًا جديدة تتجاوز حدودها الخاصة. يجادل تاو بأن الذكاء الاصطناعي يكسر هذا النمط، لأنه لا يمكن لأحد أن يقول بالضبط أين تتوقف قدرة النموذج.
تاو لا يصف أمراً افتراضياً. في مايو، دحض نموذج OpenAI تخمين إردوش للمسافة الوحدة، وهو سؤال عمره 80 عاماً حول عدد أزواج النقاط على مستوى يمكن أن تكون متساوية الوحدة بالضبط. وقد قام علماء رياضيات خارجيون، بمن فيهم حائز جائزة فيلدز تيم غاورز، بالتحقق من ذلك.
في نفس الأسبوع، قام الباحث في Anthropic ليفانت ألبوجي بتشغيل نفس المشكلة من خلال Claude Mythos، وهو نموذج الشركة الأعلى غير المُطلق، حيث عمل دون اتصال بالإنترنت حتى لا يتمكن من نسخ الحل المنشور من OpenAI. وصف مهندس Anthropic شولتو دوغلاس النتيجة بأنها "إثبات لطيف وبسيط"، أقصر من حل OpenAI. ووصف عالم الرياضيات دانيال ليت الأمر بأنه "أسوأ قليلاً" من نسخة OpenAI، على الرغم من أن Mythos عثر على حل OpenAI الخاص أيضًا.
Huge credit to the OAI team for solving the unit distance problem with 5.5 - it is now my go to example that models can in fact pull together disparate ideas into new discoveries.
As with all 4 minute miles, we had to try and cross it too! Turns out mythos solves it with a cute,… https://t.co/NFymE8P8lu
— Sholto Douglas (@_sholtodouglas) May 26, 2026
في هذا الأسبوع تحديدًا، قامت Anthropic بتبسيط إثبات نظرية فيرما الأخيرة التي تعود لقرون، وبعد بضعة أيام، حلت OpenAI مشكلة عمرها 90 عامًا، بعد ساعات من نشر باحث إثباته الخاص، وشاركت في تأليف ورقة بحثية مع باحث من Anthropic.
هذا السباق هو بالضبط ما يقلق تاو. كتب: "لقد رأينا الآن أن مجرد إشاعة عن عمل أحدهم على مشكلة يمكن أن يطلق كمية هائلة من الجهد المدعوم بالذكاء الاصطناعي لحلها قبل أن يحظى المشروع البحثي الأصلي بالوقت الكافي للوصول إلى إمكاناته الكاملة".
يجادل تاو بأن هذا يؤدي إلى عكس قرون من العلوم المفتوحة.
الحل المقترح من تاو هو تصنيف بعض المشاكل على أنها "تتطلب تحليلاً"، مما يعني أن الإجابة الخام الصحيحة لا قيمة لها إلا إذا جاءت مع استدلال يكشف شيئًا عن المشاكل المجاورة. وقد قارن ذلك ببنوك الطعام التي توقفت عن قبول أي تبرع كان مجرد صالح للأكل.
إما هذا أو حظر الذكاء الاصطناعي في الرياضيات، وهو حل يقول تاو إنه "غير ممكن تقنيًا".
لم يتحول هذا الاقتراح إلى سياسة في أي مكان بعد، واستنادًا إلى سلوك مختبرات الذكاء الاصطناعي الكبرى، حتى هذا قد يكون غير ممكن تقنيًا في الوقت الحالي.
