جديد النت. علوم, منوعات , اخبار , شروحات , برامج, حماية, هواتف...

في السادس من أكتوبر 2026، نشرت OpenAI مجموعة واسعة من النتائج الرياضية التي أنتجها نموذج داخلي متقدم لم تُتح نسخته للجمهور. وقد تناولت النتائج مجالات متعددة، من الجبر ونظرية الأعداد إلى المنطق الرياضي والطوبولوجيا وعلوم الحاسوب النظرية. ظهرت في التغطية الصحفية أرقام من قبيل «377 نتيجة رياضية جديدة»، بينما يصف المستودع الرسمي للمشروع المجموعة الحالية بأنها 722 مخطوطة موزعة على 372 عائلة من النتائج. هذه ليست مجرد مشكلة في العد؛ إنها تذكير مبكر بأننا لا نتعامل مع «عدد من المسائل المحلولة» بقدر ما نتعامل مع أرشيف بحثي تتفاوت داخله مراحل التحقق والعرض والتوثيق.[1][2]

لكن الرقم، مهما كان، ليس أكثر ما يستحق التأمل. السؤال الأعمق هو: ماذا يحدث عندما لا يعود البحث الرياضي مقتصرًا على قدرة الإنسان على استكشاف عدد محدود من الأفكار، بل يصبح بالإمكان تكليف نظام اصطناعي بآلاف المسائل، وتركه يبحث في مسارات متعددة، ثم الاحتفاظ بالنتائج التي تبدو ذات قيمة؟

هنا تبدأ القصة الحقيقية. فالمسألة ليست ببساطة أن «الذكاء الاصطناعي أصبح أذكى من الرياضيين»، كما توحي بعض العناوين، ولا أن الرياضيات أصبحت آلية بالكامل. ما يتغير هو شيء أكثر دقة: اقتصاد البحث الرياضي نفسه؛ أي تكلفة التجربة، وعدد المسارات التي يمكن استكشافها، والزمن اللازم للوصول إلى فرضية أو برهان يستحق النظر فيه.

السياق الغائب والأبعاد الإدراكية

من السهل أن يبدو خبر مثل «377 نتيجة رياضية» صادمًا لأن الرقم يضغط عملية بحث معقدة في صورة كمية واحدة. هذا ما يمكن أن نسميه الانحياز العددي: حين يبدو الرقم الكبير وكأنه يحمل في ذاته معنى الإنجاز. لكن مخطوطة رياضية ليست وحدة قياس بسيطة مثل متر أو ثانية. فقد تكون النتيجة برهانًا جديدًا، أو تعميمًا لنتيجة سابقة، أو نتيجة مرتبطة بعائلة أخرى، أو حجة تحتاج إلى مزيد من التحقق.

وهذا بالضبط ما يكشفه المستودع نفسه. فهو لا يقدم جميع المواد باعتبارها حقائق رياضية نهائية؛ بل يصرح بأن النتائج تقع في مراحل مختلفة من التحقق، وأن العديد منها لم يحصل بعد على formalization في Lean، وأن بعض النتائج غير المرسمنة قد تحتوي على مشكلات.[1]

لذلك فإن العبارة الأدق ليست «الآلة أثبتت 377 نظرية»، بل: نظام اصطناعي أنتج عددًا كبيرًا من المخطوطات والنتائج الرياضية التي دخلت الآن إلى فضاء الفحص الرياضي.

وهذا التحول اللغوي مهم، لأنه ينقلنا من سؤال إعلامي بسيط: «كم مسألة حلها الذكاء الاصطناعي؟» إلى سؤال معرفي أصعب: «ما الذي يعنيه أن تنتج الآلة عددًا من الادعاءات الرياضية أكبر من قدرة المجتمع البشري على قراءتها ومناقشتها بالسرعة نفسها؟»

القصة وراء القصة: رؤية أوسع

توجد هنا مفارقة تاريخية. الرياضيات تبدو في الوعي العام وكأنها أكثر أشكال النشاط العقلي تحصينًا ضد الأتمتة: لا مختبر، ولا مادة خام، ولا جهاز تجريبي؛ فقط مفاهيم واستدلال. لكن هذا التصور يغفل أن الرياضيات نفسها لطالما استفادت من أدوات خارج العقل البشري.

فالورقة والقلم، والجداول العددية، والآلة الحاسبة، والجبر الرمزي بالحاسوب، والحساب العددي، ثم مساعدات البرهان الصوري، كلها نقلت أجزاء مختلفة من العمل الرياضي إلى أدوات خارجية. لم يكن معنى ذلك في كل مرة أن الإنسان «توقف عن التفكير»، بل أن تعريف العمل الذي يحتاج إلى التفكير تغير.

ما يحدث الآن أكثر جذرية لأن الذكاء الاصطناعي لا يكتفي بتنفيذ عملية محددة مسبقًا. يمكن للنظام أن يقترح مسارًا، ويفشل، ويعيد المحاولة، ويجمع بين أفكار من مجالات مختلفة، ثم ينتج صياغة يمكن للإنسان فحصها.

وهذه النقطة لها سابقة مهمة في مايو 2026، عندما أعلنت OpenAI عن نموذج أنتج برهانًا لحل مسألة المسافة الواحدة المستوية المرتبطة بمسألة قديمة طرحها بول إردوش. اللافت في تلك الحالة لم يكن مجرد الحصول على جواب، بل أن البرهان استخدم أفكارًا من نظرية الأعداد الجبرية في مشكلة هندسية تبدو، في صياغتها الأولى، بعيدة عن ذلك المجال.[3]

هنا يصبح من الصعب اختزال الظاهرة في عبارة «آلة تعيد ترتيب ما قرأته». قد يكون من الممكن أن تتعلم الأنظمة أنماطًا رياضية عميقة من الأدبيات، لكن إنتاج مسار جديد ذي قيمة داخل مسألة مفتوحة يضعف التفسير البسيط الذي يرى النظام مجرد مستودع لإعادة تركيب الجمل السابقة.

ومع ذلك، فإن هذا لا يثبت تلقائيًا أن الآلة «تفهم الرياضيات» بالطريقة التي يفهمها الإنسان. فالنتيجة الجديدة، والبرهان الصحيح، والفهم المفاهيمي، والحدس الرياضي، والقدرة على اختيار السؤال المهم، ليست الشيء نفسه.

أين تقف الحقائق؟

من أكثر التفاصيل أهمية في الإصدار أن OpenAI تقول إن النظام عُرض عليه نحو 4000 مسألة، وإن النتيجة الناجحة استخدمت في المتوسط ما يعادل نحو ثلاث ساعات من حوسبة ChatGPT Pro. وبعد تجميع المخرجات في عائلات وفرض مستوى مناسب من الأهمية، وصل الأرشيف المنشور إلى 722 مخطوطة في 372 عائلة.[1]

كما نشرت OpenAI formalizations للعديد من البراهين باستخدام Lean، وهي لغة/نظام يسمح بفحص البراهين رياضيًا بواسطة الحاسوب. لكن هذه النقطة يجب ألا تتحول إلى اختصار إعلامي من نوع «كل النتائج تم التحقق منها». فالمستودع نفسه يوضح أن العديد من المخطوطات، وليس كلها، لديها formalization، وأن النتائج غير المرسمنة قد تحتاج إلى تصحيح.[1]

هناك إذن ثلاث طبقات مختلفة ينبغي ألا تختلط:

الأولى: ادعاء رياضي أنتجه النموذج.
الثانية: برهان يستطيع رياضيون متخصصون فحصه.
الثالثة: برهان صوري يمكن لنظام مثل Lean التحقق من خطواته وفق formalization محدد.

وحتى الطبقة الثالثة لا تعني بالضرورة أن السؤال العلمي الأوسع قد أُغلق؛ فهي تتحقق من صحة البرهان داخل الصياغة الرسمية المعطاة، بينما تظل مسائل الصياغة، والأهمية، والأصالة، والسياق الرياضي، وعلاقة النتيجة بالمشكلة الأصلية جزءًا من العمل العلمي.

الرأي المضاد الأقوى

أقوى اعتراض على القراءة المتفائلة ليس أن «الذكاء الاصطناعي لا يفكر لأنه آلة». هذا اعتراض فلسفي أكثر منه اختبارًا علميًا، ويمكن بسهولة أن يتحول إلى تعريف دائري للفهم: إذا فعلت الآلة ما نعتبره تفكيرًا، نقول إنه ليس تفكيرًا لأنها آلة.

الاعتراض الأقوى هو أكثر عملية: الإنتاج ليس هو التحقق.

إذا استطاع نظام ما إنتاج مئات النتائج في فترة قصيرة، بينما يحتاج مجتمع الرياضيات إلى أشهر أو سنوات لفهمها وفحصها وربطها بالأدبيات، فإن ميزة السرعة قد تتحول إلى مشكلة معرفية. لن تكون ندرة الأفكار هي المشكلة، بل وفرتها.

وهذا يقلب العلاقة التقليدية بين الباحث والمعلومة. في الماضي كان الباحث يواجه مشكلة نقص النتائج ويحتاج إلى إنتاجها. أما في بيئة قادرة على إنتاج آلاف الفرضيات والبراهين المحتملة، فقد يصبح الباحث أمام مشكلة معاكسة: أي النتائج تستحق أن نقرأها أصلًا؟

ولهذا فإن النقاش الذي رافق إصدار OpenAI لا يتعلق بالبرهان وحده. هناك أيضًا قضايا النسبة العلمية، وإتاحة النماذج، وإمكانية إعادة الإنتاج، وكيفية التعامل مع نتائج تنتجها نماذج خاصة غير متاحة للباحثين الآخرين. وقد دفعت هذه الأسئلة مجموعة استشارية في الرياضيات والذكاء الاصطناعي إلى الدعوة إلى معايير أفضل للتعامل مع هذه النتائج.[2][4]

ومن هذه الزاوية، فإن قلق بعض الرياضيين ليس خوفًا بدائيًا من «آلة تنافس الإنسان». إنه قلق حول قواعد اللعبة نفسها: من يملك أداة الاكتشاف؟ من يستطيع تشغيلها؟ من يحصل على الفضل؟ ومن يستطيع التحقق من النتيجة عندما تصبح سرعة الإنتاج أكبر بكثير من سرعة المجتمع العلمي؟

من «حل المسألة» إلى «اختيار ما يستحق الحل»

ربما تكون أهم نتيجة فلسفية لهذه المرحلة أن قيمة الإنسان في الرياضيات قد تنتقل تدريجيًا من القدرة على تنفيذ سلسلة الاستدلال إلى القدرة على اختيار فضاء الأسئلة والمفاهيم.

تخيل أن تكلفة البحث داخل فضاء رياضي هائل انخفضت بصورة كبيرة. عندها يصبح السؤال نفسه موردًا نادرًا. ليست كل مسألة قابلة للحل جديرة بالحل، وليست كل نتيجة صحيحة ذات أهمية، وليست كل طريقة صحيحة تكشف لنا لماذا توجد النتيجة أصلًا.

وهنا يظهر فرق فلسفي بين الحقيقة والفهم. يمكن أن يكون لدينا برهان صحيح دون أن نعرف لماذا يمثل هذا البرهان الطريقة الطبيعية لرؤية المسألة. ويمكن أن نعرف أن قضية ما صحيحة دون أن نمتلك المفهوم الذي يجعلها بديهية أو يربطها بنظرية أخرى.

لذلك قد لا يكون مستقبل الرياضيات هو استبدال الرياضي بالآلة، بل فصل طبقات العمل الرياضي بعضها عن بعض. الحساب قد يصبح آليًا. البحث في فضاء الحلول قد يصبح آليًا بدرجة كبيرة. إنتاج المسودات قد يصبح آليًا. وحتى بعض عمليات البرهان قد تصبح قابلة للفحص الآلي. لكن اختيار المشكلة، وبناء المفاهيم، وفهم البنية، والحكم على الأهمية، قد تظل مسائل مختلفة.

الخاتمة: ربما لا تصبح الآلة رياضيًا، بل يتغير معنى أن تكون رياضيًا

لذلك فإن خبر «377 نتيجة» لا ينبغي أن يُقرأ بوصفه إعلانًا عن نهاية الرياضيات البشرية، ولا بوصفه مجرد حيلة تسويقية يمكن تجاهلها. إنه أقرب إلى إشارة مبكرة إلى تغير في البنية التحتية للمعرفة.

عندما كانت الأدوات الحسابية بطيئة، كان جزء كبير من العبء الرياضي هو الحساب. وعندما أصبحت الحواسيب سريعة، انتقل جزء من الجهد إلى صياغة النماذج والخوارزميات. ومع مساعدات البرهان الصوري أصبح من الممكن نقل أجزاء من التحقق المنطقي إلى الآلة. أما مع النماذج الاستدلالية الحديثة، فإننا نقترب من مرحلة تستطيع فيها الآلة المشاركة في البحث عن البرهان نفسه.

عندها لا يعود السؤال الأكثر أهمية: «هل ستفكر الآلة مثل الإنسان؟». ربما يكون السؤال الأعمق: ما الأجزاء من النشاط الذي نسميه اليوم تفكيرًا رياضيًا والتي كانت في الحقيقة مهام قابلة للأتمتة منذ البداية؟

وقد تكون المفارقة الأخيرة أن الذكاء الاصطناعي لا يقلل بالضرورة من قيمة السؤال الإنساني؛ ربما يفعل العكس. إذا أصبحت الإجابات أرخص وأسرع وأكثر وفرة، فإن القدرة على معرفة أي سؤال يستحق أن يُطرح قد تصبح أكثر ندرة، لا أقل.

عند هذه النقطة، لا تكون الرياضيات قد انتهت. لكنها قد تكون بدأت مرحلة جديدة: مرحلة يصبح فيها التحدي ليس فقط اكتشاف البرهان، بل فهم لماذا كان هذا هو السؤال الذي يستحق أن نبحث عن برهانه أصلًا.