OpenAI تنشر تقريرًا عن تقدّم الذكاء الاصطناعي في الرياضيات وتفتح مستودع openai/math

نشرت OpenAI على موقعها مادة «Sharing AI progress in mathematics» ورفعت إلى GitHub مستودع openai/math. وفي 13 أكتوبر 2026 تناولت قناة Two Minute Papers هذا المنشور في فيديو بعنوان «OpenAI's New AI Is Doing Things We Barely Understand». لا يتضمن وصف الفيديو سوى رابطين للمصدرين الأوليين، ولا يحتوي على أي مقياس. لذلك نوضح أدناه ما هو معروف على وجه اليقين وما يبقى مفتوحًا.

ما الذي نُشر

تشير البيانات المتاحة إلى أن OpenAI عرضت نتائجها الرياضية في منشور مستقل وأرفقت به الشيفرة. وهذه تفصيلة مهمة. فالشركات تعرض الرياضيات عادةً عبر اختبارات القياس (benchmarks) في منشورات الإصدارات، أما هنا فقد خُصصت للموضوع صفحة ومستودع.

أما القول إن النظام يفعل أشياء «بالكاد نفهمها» فهو من كلام صاحب الفيديو. إنها صياغته في العنوان، وليست تصريحًا من OpenAI.

لم يُكشف في المواد المتاحة لنا عن:

• اسم النموذج الذي أنتج النتائج وبنيته؛
• مجموعة المسائل ونسبة المسائل المحلولة؛
• الميزانية الحسابية والزمن المستغرق لكل مسألة؛
• طريقة التحقق من الحلول: إنسان، أو مُحقِّق رسمي، أو كلاهما.

ومن دون هذه المعطيات، ستبقى أي مقارنة مع المنافسين مجرد تخمين.

السياق: من أين ينبع الاهتمام بالرياضيات

أصبحت الرياضيات الميدان الرئيسي لاختبار نماذج الاستدلال. فالإجابة إما صحيحة أو خاطئة، ويمكن التحقق من البرهان. وفي يوليو 2025 حصل نموذج تجريبي من OpenAI على 35 نقطة من 42 في الأولمبياد الدولي للرياضيات، أي حلّ خمس مسائل من ست. وهذا مستوى الميدالية الذهبية. ومنذ ذلك الحين انتقل السؤال من مسائل الأولمبياد إلى المسائل البحثية: هل يستطيع النموذج إيجاد برهان جديد، أو على الأقل التحقق بموثوقية من برهان وضعه غيره؟

ويأتي المنشور المصحوب بالشيفرة على GitHub امتدادًا منطقيًا لهذا المسار. فالمستودع يتيح التحقق من الادعاءات بشكل مستقل، إذا كان يحتوي على المسائل والحلول وسكربتات التقييم. أما مدى اكتمال المستودع فغير واضح حتى الآن.

لماذا تستدعي عبارة «بالكاد نفهمها» الحذر؟

قد تعني العبارة الواردة في العنوان ثلاثة أمور مختلفة. الأول: أن النموذج يجد مسارات حل غير بديهية للبشر. الثاني: أن قابلية التفسير متأخرة، ولا أحد يستطيع تفسير سبب نجاح الاستدلال. الثالث: أن العنوان صيغ لجلب النقرات. ومن المهم للتحرير ألا نخلط بين هذه الاحتمالات. وما دمنا لا نرى استنتاجات OpenAI نفسها، يبقى تقييم Two Minute Papers رأيَ معلّق.

كيف تتعاملون مع ذلك

إذا كنتم باحثين أو مهندسين، فابدؤوا بالمصادر الأولية لا بالفيديو. وتجري عملية التحقق على النحو التالي:

• افتحوا المنشور على openai.com وابحثوا عن قائمة المسائل ومعايير احتساب الحل ووصف آلية التحقق؛
• في openai/math تحققوا من الترخيص وصيغة البيانات ووجود سكربتات لإعادة الإنتاج؛
• تحققوا مما إذا كان هناك تحقق رسمي، مثلًا في Lean، أم أن الحلول قُيّمت يدويًا؛
• قارنوا الميزانية الحسابية المعلنة بميزانيتكم: فالنتيجة التي تتحقق خلال ساعات على عنقود حوسبة ضخم يستبعد أن تصلح لمنتج.

أما إذا كنتم تبنون منتجًا على LLM، فثمة خلاصة عملية واحدة هنا. النتائج الرياضية مفيدة مؤشرًا على القدرة على سلاسل الاستدلال الطويلة، لكنها لا تنتقل مباشرة إلى المهام التجارية. انتظروا عمليات تحقق مستقلة قبل تغيير حزمتكم التقنية أو الوعود المقدمة للعملاء. وسنعود إلى هذه المادة عندما تظهر أرقام من المنشور نفسه وأولى محاولات إعادة الإنتاج.