أعلنت شركة OpenAI أن نظامًا متطورًا للذكاء الاصطناعي تابعًا لها توصل إلى حل لإحدى أشهر وأصعب المسائل المفتوحة في الرياضيات، بعد تشغيل نحو 10 آلاف وكيل ذكاء اصطناعي بالتوازي لمدة 88 ساعة.
ويتعلق الأمر بما يعرف بـمسألة نافييه–ستوكس، وهي واحدة من سبع مسائل شهيرة أطلق عليها اسم «مسائل الألفية»، وخصص معهد كلاي للرياضيات جائزة قدرها مليون دولار لمن يقدم حلًا صحيحًا لكل واحدة منها.
لكن الإنجاز يحتاج إلى قيد مهم: OpenAI تقول إنها توصلت إلى الحل وقد نشرت البرهان، إلا أن المجتمع الرياضي لم يمنحه بعد الاعتراف النهائي، وما يزال معهد كلاي يصنف مسألة نافييه–ستوكس رسميًا ضمن المسائل غير المحلولة.
ما هي مسألة نافييه–ستوكس؟
المعادلات تحمل اسمي العالمين كلود لوي نافييه وجورج غابرييل ستوكس، وتستخدم لوصف كيفية حركة السوائل والغازات.
وبمعنى أبسط، فهي تدخل في محاولة فهم كل شيء تقريبًا يتحرك كسائل أو غاز: حركة الهواء حول الطائرات، تدفق المياه، الطقس، الاضطرابات الجوية وحتى تدفق الدم داخل جسم الإنسان.
لكن رغم استخدام هذه المعادلات منذ القرن التاسع عشر، بقي سؤال رياضي أساسي بلا إجابة:
إذا بدأ السائل بحركة طبيعية ومنتظمة، فهل ستظل المعادلات دائمًا قادرة على وصف حركته بصورة منتظمة، أم يمكن في ظروف معينة أن تصل إلى نقطة «انهيار» رياضية؟
بصيغة رياضية، كان السؤال يتعلق بإمكانية ظهور ما يسمى التفرد، وهي حالة تصبح فيها بعض القيم الرياضية، مثل السرعة في النموذج، غير محدودة خلال وقت محدود.
وماذا وجد الذكاء الاصطناعي؟
تقول OpenAI إن نظامها قدم برهانًا رياضيًا يثبت إمكانية حدوث هذا الانهيار.
وفي النموذج الذي توصل إليه النظام، يبدأ السائل من حالة منتظمة، ثم تتشكل حركة دوامية تلتف نحو الداخل وتتمدد بطريقة متزايدة، حتى تصل سرعة السائل رياضيًا إلى قيم غير محدودة خلال وقت محدود، رغم بقاء الطاقة الكلية للنظام محدودة.
وهذا لا يعني بالطبع أن كوب ماء حقيقي يمكن أن تصل جزيئاته إلى سرعة لا نهائية، بل إن النتيجة – إذا تأكدت – تعني أن المعادلات الرياضية المستخدمة لوصف السوائل يمكن أن تصل في ظروف معينة إلى نقطة لا تعود فيها قادرة على تقديم وصف منتظم للواقع.
10 آلاف وكيل ذكاء اصطناعي
الطريقة التي تم بها الوصول إلى النتيجة لا تقل إثارة عن المسألة نفسها.
فبدل تشغيل نموذج ذكاء اصطناعي واحد، استخدمت OpenAI نظامًا يضم مجموعات كبيرة من وكلاء الذكاء الاصطناعي تعمل بالتوازي، تجرب طرقًا رياضية مختلفة وتتبادل النتائج فيما بينها.
وتقول الشركة إن المجموعة التي توصلت إلى حل نافييه–ستوكس ضمت نحو 10 آلاف وكيل يعملون في الوقت نفسه.
وبدأ العمل في الأول من سبتمبر/أيلول، ووصل النظام إلى الحل يوم 5 سبتمبر، أي بعد نحو 88 ساعة.
وبعد ذلك احتاج نظام آخر من OpenAI إلى 17 ساعة إضافية لتحويل البرهان والتحقق منه باستخدام لغة رياضية رسمية تسمى Lean، وهي أداة تستخدم للتحقق آليًا من صحة خطوات البراهين الرياضية.
وخلال محاولة حل نافييه–ستوكس وحدها، تبادلت الأنظمة نحو 2.7 مليون رسالة واستهلكت قرابة 130 مليار وحدة نصية رقمية أثناء عمليات التفكير والحساب.
نموذج أقوى من النماذج المتاحة للجمهور
وقالت OpenAI إن النظام الذي نفذ المهمة يعتمد على نموذج داخلي ما يزال قيد التطوير وأكثر قدرة بصورة ملحوظة من أحدث نماذج الشركة المتاحة حاليًا.
وترى الشركة أن النتيجة ليست مهمة فقط بالنسبة إلى الرياضيات، بل مؤشر على سرعة تطور قدرة الذكاء الاصطناعي على القيام بأبحاث علمية أصلية بدل الاكتفاء بتحليل أو تلخيص المعرفة البشرية الموجودة بالفعل.
ووصفت مجلة Nature الإعلان بأنه يمكن، إذا ثبتت صحته، أن يكون أول مرة يحل فيها الكمبيوتر بصورة حقيقية واحدة من أكبر المسائل الرياضية المفتوحة بهذا المستوى من الأهمية. كما وصف رئيس معهد كلاي للرياضيات مارتن بريدسون الإعلان بأنه يوم مثير في مسيرة تقدم الفهم الرياضي.
لكن المسألة لم تُغلق رسميًا بعد
وهذه هي النقطة الأهم.
فحتى صباح الأربعاء 9 سبتمبر، لا تزال صفحة معهد كلاي الرسمية تضع كلمة «Unsolved – غير محلولة» أمام مسألة نافييه–ستوكس.
والسبب أن البرهان الجديد يحتاج إلى مراجعة دقيقة من علماء رياضيات مستقلين، وهي عملية قد تستغرق وقتًا طويلًا عندما يتعلق الأمر ببرهان بهذا الحجم والتعقيد.
كما أن قواعد جوائز الألفية تتطلب تدقيقًا واعترافًا رياضيًا واسعًا قبل اعتبار أي حل نهائيًا.
أما OpenAI فتقول إنها لا تنوي المطالبة بجائزة المليون دولار، وإن الهدف من نشر العمل هو إظهار مدى التطور الذي وصلت إليه أنظمة الذكاء الاصطناعي في البحث العلمي.
وإذا صمد البرهان أمام التدقيق المستقل، فلن يكون الخبر مجرد حل لمسألة رياضية بقيت مفتوحة لنحو تسعين عامًا، بل ربما يكون أيضًا علامة على تحول أكبر: انتقال الذكاء الاصطناعي من أداة تساعد العلماء إلى نظام يستطيع المساهمة بنفسه في إنتاج اكتشافات علمية لم يصل إليها البشر من قبل.
