الذكاء الاصطناعي ينتقل من الرياضيات إلى حدود العلوم النظرية

تتبع باحثون في معهد ماساتشوستس للتقنية، بقيادة نيل طومسون، أداء نماذج OpenAI المتعاقبة — من o1 وصولاً إلى GPT‑5.5 — على مسائل مستخلصة من أوراق نُشرت بعد تاريخ انتهاء تدريب كل نموذج. ومنع الفريق النماذج من الوصول إلى الإنترنت لضمان توليد الحلول من المبادئ الأولى بدلاً من استرجاعها من الأدبيات الموجودة.

بين منتصف 2024 ومنتصف 2026، قفز معدل النجاح في المهام النظرية في الاحتمالات، النظرية الإحصائية، النظرية الاقتصادية، نظرية الطاقة العالية، الجاذبية وعلم الكون، وفيزياء الكم من حوالي 2 % إلى نحو 35 %. ركزت الدراسة على المجالات التي يكفي فيها الاستدلال دون حاجة إلى محاكاة أو تجارب مخبرية.

يعكس هذا الصعود السريع الاضطراب الذي شهده علم الرياضيات البحت، حيث حل نموذج غير مُعلن مشكلة نافييه-ستوكس طويلة الأمد. مع بدء الذكاء الاصطناعي في أتمتة اشتقاق النتائج النظرية، يواجه سير العمل التقليدي المتمثل في الفرضية، البرهنة، والنشر تحولاً جذرياً.

لماذا يهم ذلك للبنية التحتية لوحدات معالجة الرسوميات / الذكاء الاصطناعي

يتطلب تدريب وتشغيل النماذج الضخمة التي تحقق هذه النتائج مجموعات كثيفة من وحدات معالجة الرسوميات، واتصالات ذات نطاق ترددي عالٍ، وهياكل ذاكرة فعالة. سيصبح مقدمو الخدمات السحابية القادرون على توفير سعة GPU قابلة للتوسع ومنخفضة زمن الوصول العمود الفقري للاكتشاف العلمي، مما يمكّن الباحثين من التكرار على الفرضيات المولدة بالذكاء الاصطناعي بسرعة غير مسبوقة.