← بازگشت به جدیدترین خبرها
اکتبر 28, 2026

اوپن‌ای‌آی و آنتروپیک فرضیه زمان نمایی را رد کردند؛ یعنی چه؟

خلاصه خبر

اوپن‌ای‌آی اعلام کرد مدل‌های هوش مصنوعی‌اش راه‌حل‌هایی برای سه مسئله‌ی ریاضی مهم و دیرینه ارائه کرده‌اند که یکی از آن‌ها، رد فرضیه زمان نمایی توسط هوش مصنوعی (Exponential Time Hypothesis یا ETH) است؛ فرضیه‌ای پایه‌ای در علوم کامپیوتر که نقش مهمی در درک ما از دشواری محاسباتی مسائل دارد. این ادعا بار دیگر جامعه‌ی علمی را میان شگفتی و تردید دوپاره کرده است.

زمینه و پس‌زمینه

همان‌طور که در موارد قبلی هم دیده شده، انتشار اثبات‌های ریاضی از سوی آزمایشگاه‌های پیشرو هوش مصنوعی هر بار واکنشی دوگانه در جامعه‌ی علمی ایجاد کرده است. این بار هم، لِوِنت آلپوگه، ریاضی‌دان آنتروپیک، مطرح کرد که راه‌حل‌های اوپن‌ای‌آی احتمالاً بر پایه‌ی کارهای پیشین دیگران بنا شده‌اند. چند ساعت بعد، آنتروپیک خودش هم رد مستقل فرضیه زمان نمایی را منتشر کرد – رویدادی که رقابت علمی میان این دو آزمایشگاه بزرگ هوش مصنوعی را یک‌بار دیگر به نمایش گذاشت.

اما نکته‌ی تازه این بار، تغییر رویکرد اوپن‌ای‌آی در نحوه‌ی انتشار این یافته‌ها است. این‌بار شرکت، انتشار نتایج را برای هر یک از سه رشته‌ی علمی درگیر به‌شکل متفاوتی ساختاربندی کرده: برای ریاضی‌دانان، نتایج مستقیماً روی گیت‌هاب قرار گرفته؛ دانشمندان علوم کامپیوتر یک گروه کاری تشکیل داده و از اوپن‌ای‌آی خواسته‌اند اثبات‌ها را به‌صورت عمومی منتشر کند و هزینه‌ی برگزاری یک کنفرانس برای بحث درباره‌ی آن‌ها را هم تأمین کند؛ و فیزیک‌دانان هم گروه کاری جداگانه‌ای تشکیل داده‌اند که خودشان تصمیم می‌گیرند نتیجه‌شان چگونه منتشر شود.

تحلیل: واکنش جامعه‌ی علمی و معنای رد فرضیه زمان نمایی

رایان ویلیامز، استاد دانشگاه MIT، فردی است که هدایت واکنش حوزه‌ی علوم کامپیوتر به این یافته‌ی تازه را بر عهده گرفته است. ویلیامز که تخصصش روی پرسش‌های پیچیدگی محاسباتی است، پیش از این هم رویکرد اوپن‌ای‌آی را نقد کرده بود و حتی انتشار اثبات‌های اوایل همین ماه را «یک حمله‌ی DDOS علیه ریاضی‌دانان» نامیده بود. با این حال، او این بار پذیرفته با آزمایشگاه‌های پیشرو همکاری کند تا به تفسیر یافته‌ها کمک کند – در کنار دو دانشمند علوم کامپیوتر دانشگاه کالیفرنیا سن‌دیگو، راسل ایمپالیاتزو و راماموهان پاتوری، که در سال ۱۹۹۹ برای نخستین بار فرضیه زمان نمایی را منتشر کرده بودند.

نخستین قدم این گروه، انتشار یک نامه‌ی سرگشاده بود که از دانشمندان علاقه‌مند به این مسائل خواسته شده بازخورد بدهند و درباره‌ی هنجارهای نقش هوش مصنوعی در پژوهش علمی بحث کنند. ویلیامز در گفت‌وگو با TechCrunch گفته: «بخش‌هایی [از اثبات اوپن‌ای‌آی] شاید بتوان گفت روتین هستند، اما دو یا سه بخش عجیب و غیرمعمول هم وجود دارد، و دقیقاً همین بخش‌ها باعث شد فکر کنم، وای، این چیزی است که کل جامعه باید روی آن کار کند.»

برای درک معنای رد فرضیه زمان نمایی توسط هوش مصنوعی، باید به دسته‌ی بزرگ‌تری از مسائل به نام P در برابر NP اشاره کرد که دهه‌هاست ذهن دانشمندان علوم کامپیوتر و رشته‌های دیگر را به خود مشغول کرده است. به‌طور خلاصه، پژوهشگران تلاش می‌کنند بفهمند آیا هر مسئله‌ای که پاسخش به‌آسانی قابل‌تأیید است (یعنی NP)، لزوماً هم به‌آسانی قابل‌حل است (یعنی P) یا نه. مثال ساده‌اش بازی سودوکو است: وقتی پاسخ یک جدول سودوکو مشخص شد، تأیید آن سریع است، اما پیدا کردن خود پاسخ زمان زیادی می‌برد. همین الگو در طیف وسیعی از مسائل مهم صادق است و پایه‌ی سیستم‌های رمزنگاری هم همین است: وقتی کلید یک پیام رمزشده را دارید، رمزگشایی سریع است، اما شکستن یک کد مؤثر بدون کلید، عملاً زمان‌بر و غیرعملی است.

با این حال، دانشمندان هنوز نتوانسته‌اند ثابت کنند این فرض همیشه درست است. ویلیامز توضیح می‌دهد: «P برابر NP یعنی نه‌فقط می‌توانید پاسخ‌های سودوکو را وقتی وجود دارند تأیید کنید، بلکه می‌توانید همان‌ها را هم تولید کنید. P برابر NP ادعا می‌کند این موضوع برای هر مسئله‌ای که به‌سریعی قابل‌تأیید است صادق است – اگر بتوانید سریع تأییدش کنید، می‌توانید سریع هم حلش کنید. این خیلی خوب به‌نظر می‌رسد که واقعی باشد.» به همین دلیل بیشتر دانشمندان فرض می‌کنند P برابر NP نیست، و فرضیه زمان نمایی هم شواهدی برای همین فرض فراهم می‌کرد؛ این فرضیه اساساً می‌گوید حتی سریع‌ترین الگوریتم کامپیوتری هم برای پیدا کردن پاسخ یک دسته‌ی خاص از پازل‌های منطقی پیچیده، به زمان نمایی (یعنی رشد بسیار سریع زمان با افزایش تعداد متغیرها) نیاز دارد.

اگر رد این فرضیه توسط آزمایشگاه‌های هوش مصنوعی تأیید شود، معنایش این است که ممکن است الگوریتم‌های سریع‌تری برای حل برخی از این مسائل پیچیده وجود داشته باشد که تا امروز کسی آن‌ها را کشف نکرده بوده – موضوعی که می‌تواند پیامدهای عملی مهمی برای حوزه‌هایی مثل رمزنگاری، بهینه‌سازی و حتی خود هوش مصنوعی داشته باشد. اما نکته‌ی مهم این‌جاست که این نتیجه باید ابتدا از فیلتر دقیق بازبینی همتا (Peer Review) عبور کند، به‌خصوص که پیش از این هم نگرانی‌هایی درباره‌ی اصالت و اتکای این اثبات‌ها به کارهای پیشین مطرح شده بود.

این رویداد یک‌بار دیگر نشان می‌دهد که مرز میان «کشف علمی واقعی توسط هوش مصنوعی» و «بازآرایی پیچیده‌ی کارهای پیشین» همچنان محل بحث داغ در جامعه‌ی علمی است، و این‌که آزمایشگاه‌های بزرگ هوش مصنوعی مثل اوپن‌ای‌آی و آنتروپیک، به‌جای انتشار یک‌طرفه‌ی نتایج، اکنون ترجیح می‌دهند با نهادهای دانشگاهی تعامل کنند و فرآیند تفسیر و اعتبارسنجی را به‌شکل مشارکتی پیش ببرند – رویکردی که می‌تواند الگویی برای تعامل آینده‌ی هوش مصنوعی و علم پایه باشد.

برای علاقه‌مندان ایرانی به علوم کامپیوتر و ریاضیات نظری، این رویداد فرصتی است تا با مفاهیم پایه‌ای مثل P در برابر NP و فرضیه زمان نمایی بیشتر آشنا شوند؛ موضوعاتی که معمولاً محدود به کلاس‌های تخصصی دانشگاهی بودند، اما حالا به‌لطف ورود هوش مصنوعی به عرصه‌ی اثبات ریاضی، به بخشی از گفتمان عمومی فناوری تبدیل شده‌اند. این روند، همچنین نشان می‌دهد مرز میان پژوهش بنیادین و کاربردهای صنعتی هوش مصنوعی به‌سرعت در حال محو شدن است؛ موضوعی که می‌تواند در سال‌های آینده، شیوه‌ی آموزش و پژوهش در دانشگاه‌های ایران را هم تحت تأثیر قرار دهد، به‌ویژه اگر دسترسی به ابزارهای مشابه برای پژوهشگران داخلی هم فراهم شود.

به‌طور خلاصه، رد فرضیه زمان نمایی توسط هوش مصنوعی – اگر نهایتاً از فیلتر دقیق بازبینی جامعه‌ی علمی عبور کند – می‌تواند یکی از نقاط عطف تاریخ علوم کامپیوتر نظری باشد، و این‌که این اتفاق اکنون با همکاری نزدیک میان آزمایشگاه‌های هوش مصنوعی و دانشگاهیان رخ می‌دهد، نشان‌دهنده‌ی بلوغ تدریجی رابطه‌ی میان فناوری و پژوهش بنیادین است.

منبع: TechCrunch

SOS سایتت خوابیده؟