722 مقاله ریاضی از مدل داخلی OpenAI؛ این یعنی AGI؟
هوش مصنوعیClaude Opus 5.5خلاصهٔ کامل‌تر
OpenAI یه مجموعه بزرگ از تحقیقات ریاضی منتشر کرده: 722 مقاله تو 372 خانواده از کارهای مرتبط، که همه‌ش رو یه مدل داخلی و منتشرنشده تولید کرده. هر مقاله همراه با استدلال کامل و فایل‌های پشتیبانه تا ریاضی‌دان‌ها خودشون بتونن بررسیش کنن. اسم مدل اعلام نشده و برخلاف حدس‌های آنلاین، تأیید نشده که جانشین GPT-5 یا چیزی به اسم GPT-7 باشه.
طبق مقاله، آموزش مدل از 28 آگوست شروع شده و با بازخوردی شبیه reinforcement learning جلو رفته، یعنی مدل برای راه‌حل‌هایی جایزه گرفته که واقعاً کار می‌کنن، نه متنی که فقط درست به نظر برسه. مسئله‌ها هم از مسائل باز ریاضی بودن، یعنی سؤال‌هایی که هنوز جوابشون رو کسی نمی‌دونه. بعضی مقاله‌ها ادعای حل کامل دارن، بعضی پیشرفت نسبی، و بعضی هم با پیدا کردن یه مثال نقض یه حدس رو رد کردن.
بخشی از اثبات‌ها با Lean (یعنی نرم‌افزاری که قدم‌به‌قدم چک می‌کنه یه استدلال ریاضی دقیقاً از فرض‌هاش نتیجه میشه) رسمی‌سازی شدن. این خیلی محکم‌تر از اینه که از یه چت‌بات بپرسی «درسته یا نه». ولی خود OpenAI گفته همه نتایج نسخه Lean ندارن و ممکنه خطا داشته باشن. حتی اگه چک Lean پاس بشه، تضمینی نیست که صورت رسمی‌شده دقیقاً همون سؤال واقعی باشه.
نویسنده معتقده این نتایج اثبات AGI نیستن، چون AGI یعنی عملکرد خوب تو کلی حوزه مختلف، نه یه حوزه خاص. ولی نشونه یه جهش واقعی‌ان. OpenAI می‌گه هر نتیجه موفق به‌طور میانگین حدود سه ساعت «فکر کردن» ChatGPT Pro با این مدل خرج داشته. حدود 4,000 مسئله به مدل داده شده، ولی چون یه مسئله می‌تونه چند مقاله بده، تقسیم این دو عدد «نرخ موفقیت» درستی نمی‌ده.
یکی از مقاله‌ها ادعای اثبات quasi-Riemann hypothesis رو داره، یعنی یه نسخه ضعیف‌تر از فرضیه معروف ریمان درباره توزیع اعداد اول. اثبات نسخه ضعیف‌تر به‌خودی‌خود نسخه اصلی رو حل نمی‌کنه و مؤسسه ریاضی Clay هنوز فرضیه ریمان رو حل‌نشده می‌دونه. ادعای پرتکرار «حل 90 تا از 500 مسئله برتر» هم تو مستندات رسمی OpenAI نیست. یه گروه مشورتی مستقل با حضور Timothy Gowers و Edward Witten هم فقط درباره نحوه انتشار مشورت می‌ده و درستی نتایج رو تأیید نمی‌کنه. Daniel Litt هم نشون داده یکی از نتایج حالت خاصی از سؤالی بوده که قبلاً خودش مطرح کرده بود.
در مقابل، Yann LeCun سال‌هاست می‌گه مدل‌های زبانی به‌تنهایی به هوش در حد انسان نمی‌رسن، چون از عمل کردن تو دنیای فیزیکی یاد نمی‌گیرن. به گفته مقاله، این نتایج حرف «فقط کلمه بعدی رو پیش‌بینی می‌کنه» رو زیر سؤال می‌برن، ولی ریاضی یه سیستم بسته و قابل‌چکه و ادعای اصلی LeCun درباره دنیای فیزیکی هنوز تست نشده. OpenAI هم تنها نیست و Google DeepMind با AlphaProof و AlphaEvolve تو همین مسیره.
نکات کلیدی:
- 722 مقاله تو 372 خانواده، همه از یه مدل داخلی و منتشرنشده OpenAI
- حدود 4,000 مسئله باز به مدل داده شده و هر نتیجه موفق حدود سه ساعت محاسبه ChatGPT Pro خرج داشته
- فقط بخشی از اثبات‌ها با Lean چک شدن و OpenAI احتمال خطا رو رد نکرده
- فقط quasi-Riemann hypothesis اثبات شده و فرضیه ریمان اصلی هنوز حل‌نشده‌ست
- گروه مشورتی شامل Timothy Gowers و Edward Witten نتایج رو تأیید نمی‌کنه
