Jiuzhang Yunji تدخل تحدي تاو الرياضي بعد رسالة 28 من الحائزين على ميدالية فيلدز

وقّع ثمانية وعشرون حائزًا على ميدالية فيلدز في 11 سبتمبر 2026 بيانًا واحدًا بعنوان «عدم اتساق خطير للذكاء الاصطناعي في الرياضيات». وبعد شهر بالضبط، في 13 أكتوبر، أعلنت شركة Jiuzhang Yunji (九章云极) الصينية مشاركتها في التحدي الرياضي الذي يقوده تيرينس تاو، وعرضت موقفها: يجب أن يصبح التعلم المعزز البنية التحتية الأساسية الجديدة لـ AI for Science. يبدو التزامن في التوقيت لافتًا، لكن الجزء المتاح من المادة لا يسمح بالحكم لا على صيغة المسابقة ولا على نتائج الشركة.

ماذا كتب الرياضيون

نبرة الرسالة حادة على نحو غير معتاد في الأوساط الأكاديمية. يقول الموقّعون إن شركات الذكاء الاصطناعي تستخدم حل المسائل الرياضية معيارًا (بنشمارك) لقدراتها، ويعدّون هذه الممارسة «ضارة بالعلم الرياضي وبالمجتمع الرياضي». أما أطروحتهم الرئيسية، بقدر ما تظهر في مطلع المادة، فهي أن حل المسألة ليس سوى وسيلة ومؤشر بديل (بروكسي). فالرياضيات نفسها تقوم على أمر آخر: بناء الفهم والنظريات واللغة. وينقطع عرض الحجج في الجزء المتاح، ولذلك فإن سرد تفاصيلها سيكون تخمينًا.

والإشارة مزعجة للقطاع. فمسائل مستوى الأولمبيادات والمستوى البحثي هي التي شكّلت خلال السنتين الأخيرتين واجهة العرض للمختبرات. وحين يقول 28 شخصًا حازوا أعلى جائزة في المهنة إن هذه الواجهة مضلِّلة، يصبح الاحتجاج بالأرقام أصعب.

ردّ Jiuzhang Yunji

لم تختر الشركة الدفاع، بل الدخول في مسابقة يقودها أحد أكثر علماء الرياضيات المعاصرين مرجعية. وشعار عنوان المادة هو: جعل التعلم المعزز بنية تحتية جديدة لـ AI4S.

المنطق واضح، مع أنه تفسيرنا نحن وليس اقتباسًا من الشركة. تتميز الرياضيات بما تفتقر إليه معظم المجالات العلمية: قابلية التحقق. فإذا أمكن التحقق من البرهان آليًا، مثلًا في نظام صوري مثل Lean، حصلنا على إشارة مكافأة واضحة للتعلم المعزز (RL). ويعود كل شيء بعد ذلك إلى الهندسة: تنسيق آلاف عمليات التشغيل المتوازية، وجدولة GPU، وتخزين المسارات، وبناء بيئات مزوّدة بأدوات تحقق. وبحسب ما يوحي به تموضع Jiuzhang Yunji، فهي تبيع هذه الطبقة تحديدًا: لا نموذجًا منفردًا، بل منصة يمكن تشغيل تجارب من هذا النوع عليها.

ما هو معروف حتى الآن:

• تاريخ الرسالة: 11 سبتمبر 2026، وعدد الموقّعين 28 من الحائزين على ميدالية فيلدز.
• عنوان البيان: «الذكاء الاصطناعي في الرياضيات: عدم اتساق خطير».
• المأخذ الرئيسي: استخدام المسائل معيارًا (بنشمارك) يضرّ بالرياضيات وبالمجتمع الرياضي.
• المشاركة في تحدي تاو: Jiuzhang Yunji، والإعلان بتاريخ 13 أكتوبر 2026.
• التوجه المعلن: RL بوصفه بنية تحتية لـ AI for Science.
• لم يُكشف عن: القواعد، وعدد المسائل المحلولة، وحجم الحوسبة، وطريقة التحقق.

ما الذي ينبغي متابعته لاحقًا

هذا حتى الآن إعلان تموضع وليس نتيجة. وينبغي تقييمه بحسب عدة مؤشرات. هل ستنشر الشركة البروتوكول: أي مسائل، وكم محاولة، وما الموارد. وهل ستُراجَع الحلول صوريًا أم بشريًا، ومن يتولى المراجعة تحديدًا. وهل ستقول شيئًا عن الفائدة لعلماء الرياضيات العاملين، لا عن نسبة المسائل المغلقة فقط، وهذا بالضبط ما تضعه الرسالة في المقام الأول.

والخلاصة عملية لمهندسي البنية التحتية للذكاء الاصطناعي ومشتريها. إذا كنت تبني خطوط RL للعلوم، فأثمن ما في التحدي الرياضي ليس الترتيب، بل الحزمة الجاهزة «البيئة والمُتحقِّق وتشغيل rollout القابل للتوسع». ويمكن نقلها إلى الكيمياء وعلم المواد والبرمجة المبرهَنة، حيث يمكن أتمتة التحقق أيضًا. أما إذا كنت تختار مزوّدًا، فاطلب تقريرًا قابلًا لإعادة الإنتاج يتضمن تكلفة ساعات GPU ووصفًا للتحقق، لا جدول بنشمارك. فانتقاد الحائزين على ميدالية فيلدز يدور حول أن الجدول المجرد لا يثبت شيئًا.