ورشة مجانية 21–22.11ورشة مجانية لمدة يومين في Vibecoding يومي 21–22 نوفمبر الساعة 16:00 بتوقيت موسكو · الدفعة 3 تبدأ 23.11سجّل مجاناً ←الدفعة 3 (23.11)
إصدارتحليل · على الرادارTG: @ai_machinelearning_big_data (Machinelearning)→ المصدر

عالم رياضيات يعلن أنه أثبت فرضية ريمان بمساعدة Claude — والجائزة مليون دولار

أعلن عالم الرياضيات ألكسندر بوليشوك أنه أثبت، بالتعاون مع Claude، فرضية ريمان، وهي مسألة تتعلق بالأعداد الأولية عجز الرياضيون عن حلها منذ 167 عامًا، ويَعِد معهد كلاي بمليون دولار لمن يحلها. وقد دُوِّن البرهان في Lean، وهو أشبه بمترجم برمجي للرياضيات يتحقق فيه برنامج من كل خطوة. لكن لا يوجد تحقق مستقل حتى الآن، ولم يتأكد أن صياغة الفرضية في Lean تطابق الفرضية الحقيقية. لذلك ينبغي الاكتفاء بعبارة «أعلن» لا «أثبت» في الوقت الحالي.

معالج بواسطة الذكاء الاصطناعي من TG: @ai_machinelearning_big_data (Machinelearning)؛ بتحرير Hamidun News
عالم رياضيات يعلن أنه أثبت فرضية ريمان بمساعدة Claude — والجائزة مليون دولار
المصدر: TG: @ai_machinelearning_big_data (Machinelearning). كولاج: Hamidun News.
استمع للمقال
بطاقة الحقائق والأرقام
المعيارالتفاصيل
المصدر الأصليTG: @ai_machinelearning_big_data (Machinelearning) ↗
رئيس التحرير
حقيقة رئيسية #1بحسب المؤلف، اقترح Claude سلسلة من «رفعات ثيتا» (theta-lifts) طولها √X
حقيقة رئيسية #2بدلًا من ورقة بحثية، نشر المؤلف أرشيفات Lean ووثيقة من 4 صفحات تصف مسار العمل
حقيقة رئيسية #3بحسب المؤلف، بلغ حجم المواد الوسيطة 250 ألف صفحة

تظهر بانتظام إعلانات صاخبة عن «إثبات فرضية ريمان»، وينهار معظمها عند أول فحص. أما هذه القصة فتبدو غير مألوفة: المؤلف عالم رياضيات محترف هو ألكسندر بوليشوك، وقد شارك Claude في العمل، وبحسب المؤلف فإن الآلة هي التي تحققت من النتيجة. هذا لا يعني بعد أن المسألة حُلّت. لكن هذا المثال يتيح فهم الطريقة التي يُتحقَّق بها اليوم من الإعلانات الرياضية المثيرة، وما الذي يقدمه الذكاء الاصطناعي هنا.

ما الذي أُعلن بالضبط

صيغت فرضية ريمان عام 1859، أي أن المسألة مفتوحة منذ 167 عامًا. وهي ضمن قائمة مسائل الألفية السبع التي وضعها معهد كلاي للرياضيات، وقد رُصد مليون دولار لحل أي منها. وبتبسيط شديد، تصف الفرضية مدى «انتظام» توزع الأعداد الأولية على خط الأعداد. وتعتمد عليها مجموعة كبيرة من التقديرات في نظرية الأعداد.

يؤكد بوليشوك أنه حصل على برهان لا للفرضية نفسها فحسب، بل لصيغتها المعممة (GRH) أيضًا. وبحسب قوله، أدى Claude دورًا محوريًا في المرحلة الأخيرة: اقترح النموذج استخدام سلسلة من رفعات ثيتا (theta-lifts) طولها √X، وأصبح ذلك أحد العناصر المركزية في الحجة. أما شرح ما هي رفعة ثيتا فلا يتسع له سطران. إنها أداة تقنية في الرياضيات العليا، ولا يستطيع تقييمها إلا المتخصصون بعد قراءة نص الوثيقة.

وصيغة النشر نفسها غير تقليدية. فلا توجد ورقة بحثية معتادة، إذ نشر المؤلف أرشيفات تضم التشكيل الصوري (formalization) ووثيقة من أربع صفحات وصف فيها مسار البحث. وبحسب قوله، تجاوز حجم المواد الوسيطة 250 ألف صفحة. وهذا حجم لا يستطيع إنسان قراءته كاملًا.

ما هو Lean ولماذا لا يعني «تم التحقق» أنه «صحيح»

Lean نظام يُكتب فيه البرهان على هيئة برنامج، ويتحقق المترجم البرمجي من كل خطوة منطقية. وأقرب تشبيه للمطوّر هو الاختبارات الآلية. فإذا اكتملت عملية البناء دون أخطاء، فهذا يعني أن النتيجة تنتج من المقدمات داخل النظام. لذلك فإن عبارة «تم التحقق منه في Lean» أثقل وزنًا من «قرأته مجددًا وبدا لي متسقًا».

لكن للاختبارات مشكلة معروفة، وهي نفسها في Lean. تخيّل مشروعًا كل اختباراته خضراء، لكنها تفحص دالة غير التي يحتاجها المنتج. فاللون الأخضر لا يثبت شيئًا. وفي الرياضيات يبدو ذلك على النحو التالي:

  • الصياغة. إذا كُتب تعريف العدد الأولي أو دالة زيتا في الشيفرة بصورة تختلف قليلًا عن الأصل، فستكون النظرية المُثبَتة نظرية أخرى.
  • افتراضات زائدة. يجب التأكد من خلو الأرشيف من بديهيات (axioms) مضافة أو حلول مؤقتة تجعل البرهان تافهًا.
  • الحجم. يصعب تدقيق أرشيف ضخم، وسيتعين فحص الاستنتاج نفسه وكذلك ما إذا كانت المسألة قد طُرحت بشكل صحيح.

وتنص الرسالة الأصلية على ذلك صراحة: هذا حتى الآن إعلان من المؤلف، وليس برهانًا اعترف به المجتمع الرياضي. ولا يزال مطلوبًا تحقق مستقل من صحة التشكيل الصوري ومن مطابقته للفرضية الأصلية.

ما الذي يمكن أن يستفيده المطوّر ومدير المنتج

حتى لو لم يتأكد البرهان، فإن أسلوب العمل هنا يستحق الانتباه. فالذكاء الاصطناعي لا يحسب بدلًا من الإنسان، بل يقدم فكرة للخبير: يقترح النموذج خطوة، ويقيّمها الإنسان، ويضمن المُتحقِّق الصوري الصرامة. وهذه هي الحلقة نفسها المستخدمة أصلًا في البرمجة: يولّد النموذج اللغوي الكبير (LLM) نسخة، وتستبعد الاختبارات والمترجم الأخطاء. وفي الرياضيات يؤدي Lean دور الاختبارات.

والخلاصات العملية هي:

  • لا تنقل العناوين على أنها حقائق. إلى أن يصدر رأي المتخصصين في نظرية الأعداد وخبراء Lean، فالصحيح أن تقول «أعلن» لا «أثبت».
  • ارجع إلى المصدر الأول. الوثيقة منشورة على موقع المؤلف (alpo.ge/remark.pdf)، وسيتولى دراستها رياضيون متخصصون.
  • تحقق من صياغة المسألة لا من النتيجة وحدها. وهذه القاعدة تنطبق على مشروعك أيضًا: إذا كنت تثق بمخرجات نموذج ما، فتأكد أولًا من أن ما يُفحص هو فعلًا ما تحتاج إليه.
  • تابع تدقيق التشكيل الصوري. إذا تطابقت التعريفات مع التعريفات المعيارية ولم تُكتشف افتراضات خفية، فسيكون ذلك من أبرز الأمثلة على فائدة النماذج اللغوية الكبيرة في العلوم. وإن لم يحدث ذلك، فسيبقى درس آخر عن مدى سهولة اعتبار نتيجة معقولة الظاهر نتيجة صحيحة.

والموقف المعقول الآن هو اهتمام حذر. فالتحقق سيستغرق وقتًا، ونتيجته وحدها ستبيّن هل سيدخل هذا العمل تاريخ الرياضيات أم سيبقى حلقة طريفة.

القصة

أسئلة وأجوبة حول الخبر

ما أبرز التفاصيل حول ما الذي أُعلن بالضبط؟

صيغت فرضية ريمان عام 1859، أي أن المسألة مفتوحة منذ 167 عامًا. وهي ضمن قائمة مسائل الألفية السبع التي وضعها معهد كلاي للرياضيات، وقد رُصد مليون دولار لحل أي منها. وبتبسيط شديد، تصف الفرضية مدى «انتظام» توزع الأعداد الأولية على خط الأعداد. وتعتمد عليها مجموعة كبيرة من التقديرات في نظرية الأعداد. يؤكد بوليشوك أنه حصل على برهان لا للفرضية نفسها فحسب، بل لصيغتها المعممة (GRH) أيضًا.

ما أبرز التفاصيل حول ما هو Lean ولماذا لا يعني «تم التحقق» أنه «صحيح»؟

Lean نظام يُكتب فيه البرهان على هيئة برنامج، ويتحقق المترجم البرمجي من كل خطوة منطقية. وأقرب تشبيه للمطوّر هو الاختبارات الآلية. فإذا اكتملت عملية البناء دون أخطاء، فهذا يعني أن النتيجة تنتج من المقدمات داخل النظام. لذلك فإن عبارة «تم التحقق منه في Lean» أثقل وزنًا من «قرأته مجددًا وبدا لي متسقًا». لكن للاختبارات مشكلة معروفة، وهي نفسها في Lean. تخيّل مشروعًا كل اختباراته خضراء، لكنها تفحص دالة غير التي يحتاجها المنتج. فاللون الأخضر لا يثبت شيئًا. وفي الرياضيات يبدو ذلك على النحو التالي: الصياغة.

ما أبرز التفاصيل حول ما الذي يمكن أن يستفيده المطوّر ومدير المنتج؟

حتى لو لم يتأكد البرهان، فإن أسلوب العمل هنا يستحق الانتباه. فالذكاء الاصطناعي لا يحسب بدلًا من الإنسان، بل يقدم فكرة للخبير: يقترح النموذج خطوة، ويقيّمها الإنسان، ويضمن المُتحقِّق الصوري الصرامة. وهذه هي الحلقة نفسها المستخدمة أصلًا في البرمجة: يولّد النموذج اللغوي الكبير (LLM) نسخة، وتستبعد الاختبارات والمترجم الأخطاء. وفي الرياضيات يؤدي Lean دور الاختبارات. والخلاصات العملية هي: لا تنقل العناوين على أنها حقائق. إلى أن يصدر رأي المتخصصين في نظرية الأعداد وخبراء Lean، فالصحيح أن تقول «أعلن» لا «أثبت».

ZK
جمال حميدون — مدير المنتجات في Alpina Digital ومدير منتج AlpinaGPT. يبني منتجات الذكاء الاصطناعي منذ 2019. بدأ Hamidun News كمشروع شخصي ثم أصبح مُجمِّعًا إنتاجيًا بأكثر من 6000 قارئ.
✦ Unified AI Workspace · Nomad

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.

Try Nomad AI →Launch Nomad Agent
ما رأيك؟
جارٍ تحميل التعليقات…