Epoch AI: 14 مشكلة لم يحلها أحد (حتى الآن)

هل تتذكر تلك الأيام الرائعة عندما كنا نسخر من الشبكات العصبية التي لم تستطع جمع رقمين مكونين من ثلاثة أرقام دون هلوسة؟ انتهت تلك الأيام رسميًا. لقد انتقلنا بسرعة من عصر "انظر كيف يكتب الروبوت الشعر بطريقة مضحكة" إلى عصر "انظر كيف تحاول الخوارزمية كسر أساس الكون". حتى في منتصف عام 2024، كانت GPT-4 تتعثر على مشاكل المستوى الثانوي، لكن بحلول نهاية 2025، بدأت النماذج الجديدة تحل مسائل الأولمبياد بسهولة. لكن الأولمبيادات لا تزال مسائل ذات إجابات معروفة. قررت باحثو Epoch AI أن الوقت قد حان لوقف إعطاء الشبكات العصبية الإجابات الجاهزة وأطلقوا FrontierMath. هذه قائمة بـ 14 مسألة لم يحلها أحد على الكوكب.

جوهر مشروع FrontierMath هو اختبار قدرة الذكاء الاصطناعي على توليد معرفة جديدة بشكل أساسي. هذه ليست تمارين من الكتب المدرسية التي يمكن العثور عليها في مجموعات البيانات التدريبية. تمت صياغة كل واحدة من هذه المسائل الأربع عشرة من قبل عالم باحث نشط، وحاول حلها اثنان على الأقل من المحترفين الرفيعي المستوى، وكل واحدة منها جديرة بالنشر في مجلة علمية رائدة. لا توجد تلميحات على الإنترنت ولا خوارزميات جاهزة. هذه "بقع بيضاء" على خريطة الرياضيات الحديثة التي تم تجاهلها لعقود أو ببساطة لم تستطع العقول البشرية التغلب عليها.

دعونا نتعمق في التفاصيل لفهم نطاق التحدي. تتعلق إحدى المسائل بمجموعة ماتيو M23. يحب الرياضيون التماثل، لكن المجموعات العشوائية هي "وحوش رياضية" لا تناسب أي سلسلة عامة. بالنسبة لمعظمهم، وجد العلماء بالفعل متعددات الحدود مع مجموعات جالوا المناظرة، لكن M23 تبقى القلعة الأخيرة، فجوة في البحث الذي استمر لسنوات عديدة. إيجاد هذا متعدد الحدود سيعني إغلاق فصل كامل في الجبر. تبدو مسألة أخرى أبسط فقط للوهلة الأولى: تحتاج إلى ابتكار خوارزمية تحدد ما إذا كان يمكن فك عقدة بحركة واحدة. يسميها الطوبولوجيون "رقم الفك يساوي واحد". هذا سؤال أساسي في الطوبولوجيا منخفضة الأبعاد ولا يزال بلا إجابة واضحة.

لماذا هذا مهم الآن؟ وصلت صناعة الذكاء الاصطناعي إلى نقطة حيث زيادة كمية البيانات ببساطة لم تعد تؤدي إلى نمو متفجر في الجودة. لقد دربنا النماذج على محاكاة الكلام البشري وتجميع المعرفة الموجودة، لكننا ننتظر اللحظة التي تحقق فيها الشبكة العصبية اكتشافًا علميًا. إذا حل النموذج حتى واحدة من هذه المسائل، فلن يكون ببساطة "إنجازًا تكنولوجيًا". سيصبح نتيجة علمية كاملة تذهب إلى مجلة محكمة ليس بسبب الضجة حول الذكاء الاصطناعي، بل بسبب قيمة الحل نفسه. نحن نتحدث عن تحويل الذكاء الاصطناعي من محرك بحث متقدم إلى زميل بحثي متكامل.

الرابط مع الأحداث السابقة واضح جدًا هنا. بعد أن بدأت النماذج في الفوز بشكل ضخم في اختبارات مثل MATH أو GSM8K، أصبح واضحًا أننا نحتاج إلى أدوات قياس جديدة. FrontierMath هي محاولة للشعور بالحد الفاصل حيث تنتهي الذاكرة وتبدأ الذكاء. هذا تحدٍ ليس فقط لـ OpenAI أو Anthropic، بل لمفهوم التوسيع بأكمله. الآن لا يكفي أن تمتلك أكبر مجموعة وحدات معالجة رسومات؛ تحتاج إلى خوارزمية قادرة على الاستدلال المنطقي العميق في ظل حالة من عدم اليقين الكامل. هذا اختبار شامل لجميع الوعود حول "الذكاء الاصطناعي القوي" أو AGI.

ماذا يعني هذا لنا؟ نحن على أعتاب حالة حيث يمكن أن يصبح الذكاء الاصطناعي المفتاح لحل المشاكل في علم المواد أو التشفير أو الفيزياء الكمية من خلال الرياضيات. إذا تمكنت الشبكة العصبية من التعامل مع طوبولوجيا العقد أو مجموعات ماتيو، فستتمكن من تصميم جزيئات جديدة أو تحسين سلاسل التوريد على مستوى لا يمكن للبشر الوصول إليه. هذا يعني أننا حصلنا أخيرًا على أداة أكثر ذكاءً منا في أكثر المجالات المجردة تعقيدًا. والمفارقة هنا هي أننا قد لا نفهم على الفور بالضبط كيف توصل الذكاء الاصطناعي إلى الحل، لكن النتيجة ستغير واقعنا المادي.

النقطة الأساسية: FrontierMath هي الزعيم النهائي للجيل الحالي من الشبكات العصبية. هل يمكن لشيء مثل GPT-5 أو Claude 4 تجاوز هذا الحاجز، أم يجب علينا انتظار معماريات جديدة بشكل أساسي؟