OpenAI تعلن أن الذكاء الاصطناعي دحض فرضية ETH التي تستند إليها مئات الأبحاث العلمية
أعلنت OpenAI أن الذكاء الاصطناعي لديها دحض فرضية ETH، التي تزعم أن زمن الحساب لطائفة من المسائل المنطقية ينمو حتمًا بصورة أسية. الأمر أشبه بإعداد جدول مناوبات يضم مئة قيد: تقول ETH إنه لا سبيل إلى حل أسرع من التجريب الشامل لكل الاحتمالات، وعلى هذا الافتراض تقوم مئات الأبحاث العلمية. تم التوصل إلى النتيجة في 16 أكتوبر، وجرى التحقق منها في Lean في 17 أكتوبر، ويدرسها الخبراء الآن، ومن بينهم اثنان من مؤلفي الفرضية. حتى الآن هي مجرد ادعاء، وليست مسرِّعًا جاهزًا لأدوات الحل (solvers) التي تستخدمونها.
معالج بواسطة الذكاء الاصطناعي من TG: @ai_machinelearning_big_data (Machinelearning)؛ بتحرير Hamidun News
تخيّلوا أنكم تعدّون جدول مناوبات لمئة موظف: لكل منهم رغباته وإجازاته وقيوده على حجم العمل. وكلما زاد عدد الأشخاص والشروط، زاد عدد الاحتمالات التي يجب فحصها. وهنا سؤال يطرحه المنظّرون منذ عقود: هل يمكن تفادي هذا الانفجار في عدد الاحتمالات، أم أنه حتمي؟ أجابت فرضية الزمن الأسي، أو ETH، بأنه حتمي. والآن تعلن OpenAI أن الذكاء الاصطناعي لديها توصّل إلى دحض هذه الفرضية.
ما هي ETH ولماذا هي مهمة
تنتمي ETH إلى فئة من المسائل المنطقية التي يجب فيها اختيار قيم المتغيرات بحيث تتحقق جميع الشروط في آن واحد. وتفترض الفرضية أن النمو الأسي في زمن الحساب لا مفر منه في مسائل كهذه. وببساطة، كل متغير جديد يزيد العمل زيادة ملحوظة، ولا حيلة تلغي هذا النمو.
وهذه ليست مجرد تخمين أنيق. فبحسب OpenAI، تستند مئات الأبحاث العلمية إلى هذه الفرضية. ومنطقها كالتالي: «إذا كانت ETH صحيحة، فلا وجود لخوارزمية سريعة لهذه المسألة أيضًا». وبهذه الطريقة تُبنى الحدود الدنيا لتعقيد عدد كبير من المسائل الأخرى. وإذا تصدّع الأساس، فإن طبقة كاملة من الاستنتاجات التي قامت عليه تصبح محل تساؤل.
ما الذي أعلنته OpenAI بالتحديد
تفيد الشركة بأن الذكاء الاصطناعي لديها وجد دحضًا لفرضية ETH. تم التوصل إلى النتيجة في 16 أكتوبر، وجرت صياغتها رسميًا في Lean في 17 أكتوبر. Lean نظام للتحقق من البراهين: تُكتب كل خطوة بلغة صارمة، ويؤكد البرنامج بنفسه أن الاستنتاج يتبع من الخطوة السابقة. فهو لا يحتاج إلى تصديق المؤلف، سواء أكان إنسانًا أم نموذجًا.
ولا تقتصر مراجعة النتيجة على الآلة. إذ تدرسها مجموعة من الخبراء تضم اثنين من مؤلفي الفرضية الأصلية. وهذا اختبار جدّي: فالذين صاغوا ETH يبحثون عن مواطن الضعف في برهان يكسرها.
ومع ذلك تتوخى OpenAI الحذر. فهي تقترح اعتبار مخطوطات الذكاء الاصطناعي مادة بحثية أولية، لا حكمًا نهائيًا. والمراجعة المستقلة مستمرة. وكان الإعلان جزءًا من بيان أوسع عن النتائج العلمية للذكاء الاصطناعي، لكن قصة ETH هي الأقرب إلى ممارسة المطوّرين، لأنها تتعلق بمدى السرعة التي يمكن بها من حيث المبدأ حل فئات كاملة من المسائل.
ماذا يعني ذلك للممارسين
أولًا، فيما يخص التوقعات. تكتب OpenAI نفسها أن البحث عن خوارزميات مفيدة عمليًا انطلاقًا من هذه النتيجة سيتطلب مزيدًا من الأبحاث. وهذا لا يعني أن أدوات حل المسائل المنطقية أو المجدولات لديكم ستعمل أسرع غدًا. فالحقيقة النظرية القائلة إن «النمو الأسي ليس حتميًا» لا تقدّم بعدُ شيفرة سريعة محددة يمكن تشغيلها في بيئة الإنتاج. ولا توجد في الإعلان تفاصيل عن كيفية بناء الدحض ونطاق تطبيقه، وإلى أن تُنشر، من المبكر استخلاص استنتاجات عن الأثر العملي.
لكن بعض الدروس واضحة منذ الآن:
- التحقق الصوري يساعد على الوثوق بالذكاء الاصطناعي. عندما ينتج النموذج نتيجة معقدة، لا يمكن توسيع نطاق التحليل اليدوي. ويوفر Lean معيارًا آليًا: إما أن البرهان متماسك أو لا. ويمكن تطبيق نهج مماثل على الشيفرات والبروتوكولات الحرجة.
- لا تعتمدوا بشكل أعمى على مقولة «مستحيل بالتأكيد». إذا كان منتجكم أو قراركم المعماري يقوم على الادعاء بأن «هذه المسألة لا يمكن حلها بسرعة»، فمن المفيد أن تعرفوا على أي فرضية يقوم. فبعض هذه الادعاءات مرتبط بـ ETH تحديدًا.
- فرّقوا بين الادعاء والحقيقة. ما دامت المراجعة جارية، فهذا إعلان من شركة، وليس مسألة محسومة. وفي تاريخ العلم الكثير من البراهين المدوّية التي لم تصمد أمام التدقيق.
أما الإشارة إلى صناعة الذكاء الاصطناعي فهي في مكان آخر. فالنماذج بدأت تقترح نتائج يأخذها الخبراء على محمل الجد ويتحققون منها بجهود مؤلفي الأعمال الأصلية. وإذا أكدت المراجعة هذا الدحض، فسيكون ذلك حجة قوية على أن الذكاء الاصطناعي قادر على اكتشاف الجديد، لا على إعادة إنتاج ما توصل إليه البشر فقط. وإذا لم تؤكده، فسيكون لدينا مثال واضح على كيفية مرور ادعاءات كهذه عبر مرشّح التدقيق.
وفي كل الأحوال، يجدر انتظار نشر تقرير المراجعة من مجموعة الخبراء. فهو الذي سيبيّن الأساس الذي يقوم عليه الدحض وما الذي يغيّره في الممارسة العملية.
- 21 نوفمبر 2026عدد وظائف FDE تضاعف 4.6 مرة خلال عام: ماذا يفعل المهندس في موقع العميل
- 21 نوفمبر 2026قائدة فريق سباحة تُسند ثلاث مهام مجدولة إلى ChatGPT وتختصر الروتين أضعافًا
- 21 نوفمبر 2026نموذج GPT-6 Cyber من OpenAI يكتشف نحو 35 ثغرة في iPhone وMac وأجهزة Apple الأخرى
- 21 نوفمبر 202622 وكيل من Claude بحثوا ست أسابيع في ألغاز الثقوب السوداء — وحلّوا مسألتين
أسئلة وأجوبة حول الخبر
ما أبرز التفاصيل حول ما هي ETH ولماذا هي مهمة؟
تنتمي ETH إلى فئة من المسائل المنطقية التي يجب فيها اختيار قيم المتغيرات بحيث تتحقق جميع الشروط في آن واحد. وتفترض الفرضية أن النمو الأسي في زمن الحساب لا مفر منه في مسائل كهذه. وببساطة، كل متغير جديد يزيد العمل زيادة ملحوظة، ولا حيلة تلغي هذا النمو. وهذه ليست مجرد تخمين أنيق. فبحسب OpenAI، تستند مئات الأبحاث العلمية إلى هذه الفرضية. ومنطقها كالتالي: «إذا كانت ETH صحيحة، فلا وجود لخوارزمية سريعة لهذه المسألة أيضًا». وبهذه الطريقة تُبنى الحدود الدنيا لتعقيد عدد كبير من المسائل الأخرى.
ما أبرز التفاصيل حول ما الذي أعلنته OpenAI بالتحديد؟
تفيد الشركة بأن الذكاء الاصطناعي لديها وجد دحضًا لفرضية ETH. تم التوصل إلى النتيجة في 16 أكتوبر، وجرت صياغتها رسميًا في Lean في 17 أكتوبر. Lean نظام للتحقق من البراهين: تُكتب كل خطوة بلغة صارمة، ويؤكد البرنامج بنفسه أن الاستنتاج يتبع من الخطوة السابقة. فهو لا يحتاج إلى تصديق المؤلف، سواء أكان إنسانًا أم نموذجًا. ولا تقتصر مراجعة النتيجة على الآلة. إذ تدرسها مجموعة من الخبراء تضم اثنين من مؤلفي الفرضية الأصلية. وهذا اختبار جدّي: فالذين صاغوا ETH يبحثون عن مواطن الضعف في برهان يكسرها. ومع ذلك تتوخى OpenAI الحذر.
ما أبرز التفاصيل حول ماذا يعني ذلك للممارسين؟
أولًا، فيما يخص التوقعات. تكتب OpenAI نفسها أن البحث عن خوارزميات مفيدة عمليًا انطلاقًا من هذه النتيجة سيتطلب مزيدًا من الأبحاث. وهذا لا يعني أن أدوات حل المسائل المنطقية أو المجدولات لديكم ستعمل أسرع غدًا. فالحقيقة النظرية القائلة إن «النمو الأسي ليس حتميًا» لا تقدّم بعدُ شيفرة سريعة محددة يمكن تشغيلها في بيئة الإنتاج. ولا توجد في الإعلان تفاصيل عن كيفية بناء الدحض ونطاق تطبيقه، وإلى أن تُنشر، من المبكر استخلاص استنتاجات عن الأثر العملي.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.