المسألة التي أعجزت علماء الرياضيات لـ80 عاماً
في عام 1946 — أي قبل 80 عاماً من إعلان مايو 2026 — طرح عالم الرياضيات المجري Paul Erdős سؤالاً بسيطاً في ظاهره حول نقاط في مستوى مسطّح: بالنظر إلى n نقطة، كم عدد أزواج هذه النقاط التي يمكن أن تكون على مسافة متساوية بالضبط؟ افترض Erdős أن هذا العدد لا ينمو إلا بصورة أسرع قليلاً من n. ظلّت المسألة مفتوحة لما يقارب ثمانية عقود.
في 21 مايو 2026، أعلنت OpenAI أن نموذج استدلالها العام دحض الحدسية كلياً — بعد ما يقارب 80 عاماً من طرحها. أثبت النموذج أنه يمكن ترتيب النقاط في مستوى بحيث “توجد مسافات متساوية أكثر بكثير” مما اقترح Erdős — وبالصياغة الرياضية: ν(n) ≥ n^(1+δ) لثابت δ > 0 ما. جرى التحقق من البرهان لاحقاً من قِبَل علماء رياضيات خارجيين من بينهم مساهمون مدرجون في الورقة المسبقة على arXiv إلى جانب Noga Alon.
تصف تغطية NewsBytesApp هذا الإنجاز بأنه “المرة الأولى التي يحلّ فيها نظام ذكاء اصطناعي بشكل مستقل مسألة بحثية رياضية بارزة في الأبحاث النشطة” — مع إشارة إلى أن الحدسية الأصلية تعود لـ80 عاماً منذ 1946.
لماذا يختلف هذا عن نتائج الذكاء الاصطناعي الرياضية السابقة؟
ليست كل إنجازات الذكاء الاصطناعي الرياضية متكافئة، والسياق أساسي لفهم ما الذي تغيّر في 21 مايو 2026.
أبرز سابقة هي AlphaProof من Google DeepMind (2024)، الذي حقّق أداءً بمستوى الميدالية الذهبية في 4 من أصل 6 مسائل الأولمبياد الدولية للرياضيات 2024 — أي ما يعادل أداء أفضل 1% من المتنافسين البشريين. كان ذلك نتيجة تقنية مثيرة للإعجاب، لكن مسائل الأولمبياد هي مسائل منافسات: صُمّمت لتُحلّ، وتُقيَّم من قِبَل حكم يبحث عن إجابة محددة. مسألة المسافة الوحدية لـErdős فئة مختلفة: حدسية بحثية من توليد خبرة الرياضيين لم تُحلّ رغم الجهود المستدامة.
التمييز الثاني هو الاستقلالية. تصف OpenAI النموذج بأنه “استكشف أفكاراً باستقلالية وكشف عن حلول لم يتوصّل إليها الخبراء أنفسهم بالضرورة”. هذا ليس بحثاً موجَّهاً في فضاء حلول معروف؛ بل استكشاف حقيقي في اتجاه لم يرسمه البشر مسبقاً.
التمييز الثالث يتعلّق بالتحقق. علماء رياضيات خارجيون — لا موظّفو OpenAI — فحصوا البرهان وأكّدوه. هذا هو المعيار الذي يُفرّق بين نتيجة علمية وعرض توضيحي.
إعلان
ما يجب على الباحثين وقادة البحث استيعابه
نتيجة Erdős تُغيّر الحسابات الاستراتيجية لكل من يُخصّص وقتاً أو ميزانية للبحث.
1. التعامل مع نماذج الاستدلال بالذكاء الاصطناعي كمولّدات فرضيات متوازية، لا محرّكات بحث في الأدبيات
الاستخدام السائد للذكاء الاصطناعي في البحث في مطلع 2026 هو أداة بحث متطوّرة للأدبيات: العثور على الأوراق البحثية وتلخيصها واقتراح الأعمال ذات الصلة. تُثبت نتيجة Erdős قدرة نوعياً مختلفة — أنتج النموذج حجة رياضية جديدة لم تتضمّنها أي ورقة بحثية موجودة. ينبغي لفرق البحث في الرياضيات والتوافقيات والتحقق الرسمي والمجالات المجاورة إعادة تقييم كيفية دمجها للذكاء الاصطناعي في توليد الفرضيات. نقطة انطلاق عملية: خذ أصعب 3 مسائل مفتوحة في مختبرك، وجرّدها من مصطلحات التخصص، وقدّمها لنموذج استدلال متقدّم كصياغات مسائل منظّمة. تشير تغطية StartupHub AI للاختراق إلى أن الباحثين يصفون النموذج باستكشافه اتجاهات حلّ لم ينظر فيها الخبراء البشريون — مما يعني أن القيمة تكمن في استكشاف المناهج المتعامدة. تكلفة فرضية فاشلة يولّدها الذكاء الاصطناعي هي بضع ساعات لخبير؛ أما العائد إذا نجحت — كما يُثبت حالة Erdős حيث ضُغطت 80 عاماً من الجهد البشري في تشغيل نموذج واحد — فيُقاس بعقود من البحث.
2. الاستثمار في حلقة التحقق بين الإنسان والذكاء الاصطناعي، لا في جانب التوليد فحسب
كان برهان Erdős مفيداً لأنه قابل للتحقق. كثير من المجالات العلمية لا تمتلك بعد بنية التحقق الرسمية اللازمة للتعامل مع الفرضيات التي يولّدها الذكاء الاصطناعي بالأسلوب ذاته. يجب على فرق بيولوجيا المعلومات وعلم المواد واكتشاف الأدوية إعطاء الأولوية لبناء أنابيب التحقق: هل يستطيع فريقك أخذ تنبّؤ بطيّ البروتين يولّده الذكاء الاصطناعي، أو بنية محفّز مقترحة، أو جزيء مرشّح، وإجراء تجربة تحقق في غضون 2 إلى 4 أسابيع؟
3. إعادة تقييم المسائل المفتوحة في مجالكم التي تستحق المعالجة بالذكاء الاصطناعي
يُذكّر العمر الافتراضي البالغ 80 عاماً لحدسية Erdős بأن كثيراً من المجالات لديها رصيد متراكم من المسائل غير المحلولة التي تركت مفتوحة لا لعدم أهميتها، بل لأن الوقت البشري المتخصص اللازم للعمل عليها كان باهظ التكلفة. مع نماذج استدلال الذكاء الاصطناعي القادرة على استكشاف البنى الرياضية باستقلالية، تغيّر اقتصاد الهجوم على هذه المسائل “الباردة”. ينبغي لكل مؤسسة بحثية تضم مجموعة في الرياضيات أو الفيزياء النظرية أو الأساليب الرسمية إجراء مراجعة منظّمة: أيّ مسائلنا المفتوحة منذ أمد بعيد تستجيب لنوع الاستدلال التوافقي أو الجبري الذي أثبتته نماذج الذكاء الاصطناعي المتقدمة؟
4. مراقبة المسار من الرياضيات إلى التطبيقات
للرياضيات البحتة علاقة متقلّبة لكن حقيقية بالعلوم التطبيقية — ظهرت نتائج الهندسة التقطعية ونظرية الرسوم البيانية والتوافقيات تاريخياً في علم التشفير وتصميم الشبكات وعلم المواد والحوسبة الكمية بعد سنوات أو عقود من إثباتها. تراوح التأخير تاريخياً بين 10 و30 عاماً؛ قد يُقلّصه الذكاء الاصطناعي، لكن فقط إذا راقب الباحثون التطبيقيون هذا المسار. يضع تقرير AIBase حول نتيجة Erdős هذا الإنجاز ضمن حفنة قليلة من معالم الذكاء الاصطناعي في البحث البحت لعامي 2025-2026، مع الإيحاء الأشمل بأن نتيجة Erdős في مايو 2026 قد تكون أولى اختراقات مماثلة في الـ12 شهراً المقبلة.
الصورة الأشمل
نتيجة المسافة الوحدية لـErdős ليست نهاية قصة — بل بداية سؤال أصعب. إذا استطاع نموذج استدلالي حلّ مسألة رياضية بحثية بارزة أعجزت الخبراء البشريين 80 عاماً، فالأسئلة المنطقية التالية هي: ما الذي يستطيع فعله بعد ذلك، وبأي وتيرة، وبأي قدر من الموثوقية؟ صرّحت OpenAI ذاتها بأن الإنجاز يُشير إلى تطبيقات محتملة “في علم الأحياء والفيزياء والهندسة وعلم المواد والطب”.
الجواب الصادق هو أن المجتمع العلمي لا يعرف بعد حدود هذه القدرة. تضمّنت نتيجة Erdős مجالاً — الهندسة التقطعية — يشتمل على براهين عالية البنية وقابلة للتحقق. علم الأحياء والكيمياء والطب تنطوي على عدم يقين تجريبي لا تختبره البراهين الرياضية: يجب على مرشّح دواء يولّده الذكاء الاصطناعي النجاح في تجارب المختبر الرطب والتجارب السريرية والمراجعة التنظيمية بطريقة لا تحتاجها الرياضيات.
ما يُحسمه هذا هو الشكل الأضعف من الشكّ تجاه الذكاء الاصطناعي: أن الذكاء الاصطناعي لا يستطيع سوى اكتشاف أنماط في المعرفة البشرية الموجودة ولا يستطيع توليد مساهمات فكرية جديدة حقيقية تصمد أمام تدقيق الخبراء. هذا الادعاء أصبح مدحوضاً الآن.
الأسئلة الشائعة
ما هي حدسية المسافة الوحدية لـErdős بالضبط، ولماذا يُعدّ دحضها مهماً؟
حدسية المسافة الوحدية التي طرحها Paul Erdős عام 1946 تسأل: كم عدد أزواج النقاط في مستوى مسطّح التي يمكن أن تكون على مسافة متساوية بالضبط من بين n نقطة إجمالية؟ افترض Erdős أن الإجابة لا تنمو إلا بصورة أسرع قليلاً من n. دحض نموذج الاستدلال من OpenAI هذا في مايو 2026 بإثبات بنية حيث ينمو عدد أزواج المسافات المتساوية بصورة أكثر صرامة. يهمّ هذا لأنه يحلّ سؤالاً مفتوحاً منذ 80 عاماً في الهندسة التقطعية، ويُثبت بشكل أشمل أن الذكاء الاصطناعي يستطيع توليد براهين رياضية جديدة تصمد أمام التحقق الخبراتي.
كيف يختلف هذا عن حلّ الذكاء الاصطناعي لمسائل رياضيات المنافسات كالأولمبياد الدولي؟
مسائل الأولمبياد الدولية للرياضيات مصمّمة للمنافسة: لها حلول معروفة، وتُقيَّم من قِبَل حكام بشريين، وتختبر قدرة الطالب على تطبيق التقنيات المعروفة بإبداع. حدسية Erdős كانت مسألة بحثية مفتوحة حقيقياً — لم تُحلّ رغم الجهود الخبراتية المستدامة. التحقق من قِبَل علماء رياضيات خارجيين (لا موظّفو OpenAI) هو ما يرفع هذا الإنجاز من مستوى العرض إلى مستوى النتيجة العلمية.
ماذا يعني هذا بالنسبة للبحث في علم الأحياء أو الطب أو علم المواد؟
اقترحت OpenAI أن النتيجة تُثبت إمكانية مساعدة الذكاء الاصطناعي للعلماء مستقبلاً في معالجة مشكلات معقّدة في هذه المجالات. الترجمة المباشرة ليست فورية — يتضمّن البحث البيولوجي والطبي عدم يقين تجريبي لا تنطوي عليه البراهين الرياضية. الاستحقاق العملي للباحثين اليوم هو الاستثمار في حلقة التحقق بين الإنسان والذكاء الاصطناعي: بناء أنابيب قادرة على تقييم الفرضيات التي يولّدها الذكاء الاصطناعي في مجالاتهم بسرعة.
المصادر والقراءات الإضافية
🔗 مقالات ذات صلة
الذكاء الاصطناعي يُثبت مسألة رياضية عمرها 80 عاماً: ما تعنيه اختراقات OpenAI الاستدلالية للعلوم
جولة Anthropic البالغة 30 مليار دولار: تحدي Claude AI لـ OpenAI
Microsoft وOpenAI تنهيان الحصرية: ما الذي يعنيه إعادة الهيكلة للذكاء الاصطناعي متعدد السحابة
وكلاء الذكاء الاصطناعي مفتوحو المصدر: حين يبني 600 مساهم أسرع من عمالقة التقنية
