OpenAI روز ۵ آبان ۱۴۰۵ (۲۷ اکتبر ۲۰۲۶) اعلام کرد مدل‌های داخلی‌اش سه دسته نتیجه در علوم کامپیوتر، ریاضی و فیزیک تولید کرده‌اند و از متخصصانِ بیرونی، از جمله یک برنده‌ی نوبل، خواسته درستیِ آن‌ها را بسنجند. طبق پستِ OpenAI و گزارشِ The Decoder هنوز هیچ‌کدام از این ادعاها مستقل تأیید نشده است.
سه نتیجه‌ی ادعاشده
- علوم کامپیوتر: OpenAI می‌گوید «فرضیه‌ی زمانِ نمایی» (ETH) در مسئله‌ی ارضاپذیریِ بولی (SAT) نادرست است. اگر درست باشد، صدها مقاله که روی ETH بنا شده‌اند پایه‌ی اثبات‌شده‌شان را از دست می‌دهند. رایان ویلیامز از MIT گفته ممکن است حل‌کننده‌های عملیِ SAT طی ۱۲ ماه پیشرفت کنند، اما نمی‌داند.
- ریاضی: اثباتِ «حدسِ هموارسازیِ موضعی» در همه‌ی ابعاد. این حدس را کریستوفر سوگ در ۱۹۹۱ مطرح کرد و گوث، وانگ و ژانگ فقط در دو بعد (۲۰۱۹) ثابتش کرده بودند. OpenAI می‌گوید نتیجه حدس‌های Kakeya و Stein را هم در همه‌ی ابعاد نتیجه می‌دهد.
- فیزیک: وجودِ برخی نظریه‌های میدانِ کوانتومی در چهار بُعد، شامل یانگ-میلز، کرومودینامیکِ کوانتومی (QCD) و یک نظریه‌ی وحدتِ بزرگ ساده. یانگ-میلز به یکی از مسائل جایزه‌ی هزاره مربوط است؛ OpenAI می‌گوید فقط بخش «وجود» را حل کرده، نه «شکافِ جرمی» را.
چه کسانی بررسی می‌کنند؟
برای علوم کامپیوتر، ویلیامز همراه با راسل ایمپلیاتزو و راماموهان پاتوری از UC San Diego (که ETH را مطرح کردند) بدون دستمزد و بدونِ قراردادِ محرمانگی کار می‌کنند و در نامه‌ی بازشان نوشته‌اند مشارکتشان تأیید نیست. در فیزیک گروهی به سرپرستیِ دیوید گراس (نوبل فیزیک ۲۰۰۴) با مایکل داگلاس، آرتور جافه، ایگور کلبانوف و نیکیتا نکراسوف. در ریاضی گروهِ مشخصی نیست؛ یک متخصصِ ناشناس توصیه کرده مواد مستقیم منتشر شود.
روشِ کار و تعهدها
OpenAI دست‌نوشته‌ها را «داده‌ی خامِ پژوهشی» می‌نامد که باید تفسیر شود و از گروه‌ها خواسته نقش «راهنما» داشته باشند. اثبات‌های ریاضی و علوم کامپیوتر به Lean، زبانی که اثبات را ماشینی بررسی می‌کند، ترجمه شده‌اند. اما Lean فقط درستیِ جمله‌ی نوشته‌شده را تأیید می‌کند؛ اینکه جمله همان مسئله‌ی مدنظر است یا نه را انسان باید بسنجد. گروهِ فیزیک فعلاً مواد را منتشر نکرده و می‌خواهد متنِ خودش را بنویسد. OpenAI می‌گوید ادعای اعتبار علمی ندارد، یک همایش درباره‌ی پیامدهای نتیجه‌ی علوم کامپیوتر تأمین می‌کند و ۵ میلیون دلار به بنیاد Simons برای کارگاه‌های مرتبط با نتایج هوش مصنوعی داده است.
این یعنی چه برای کاربر فارسی‌زبان؟
برای کاربر عادی اثرِ فوری ندارد، اما نشان می‌دهد معیارِ سنجشِ مدل‌ها دارد از «آزمون‌های آموزشی» به «مسائلِ باز» می‌رود. نکته‌ی عملی: هر وقت یک شرکت «اثباتِ هوش مصنوعی» اعلام کرد، سه چیز را بپرسید: متن در دسترس است؟ نسخه‌ی ماشینیِ قابل‌بررسی (مثل Lean) دارد؟ و متخصصانِ مستقل چه گفته‌اند؟ هنوز برای هیچ‌کدام از سه نتیجه پاسخ کامل نداریم. پیش‌تر هم درباره‌ی ۳۷۲ نتیجه‌ی ریاضیِ OpenAI در گیت‌هاب و آموزش بدونِ اینترنتِ زنده نوشته‌ایم.
اگر خودتان می‌خواهید مسئله‌ی ریاضی یا الگوریتمی را با کمکِ مدل‌ها بررسی کنید، در ابزارهای هوش‌نو می‌توانید با GPT، Claude، Gemini، DeepSeek و Qwen به فارسی گفتگو کنید. توصیه: جواب را همیشه با روشی دوم راستی‌آزمایی کنید. اگر دنبالِ جای رایگان برای پرسیدن هستید، پرسش رایگان از هوش مصنوعی را ببینید.
چرا باید محتاط بود؟
اینها ادعاهای خودِ OpenAI هستند و مدل نامشخص است. مقاله‌ها پیش‌چاپ‌اند و داوری نشده‌اند. اگر ادعای ETH درست باشد، یکی از بزرگ‌ترین نتایج در نظریه‌ی پیچیدگی است، پس دقتِ زیاد لازم است. همچنین گفته نشده مدل چقدر با راهنمایی انسان کار کرده است. تا بررسیِ مستقل، «ادعا» بنویسید، نه «کشف».
سؤالات متداول
آیا OpenAI مسئله‌ی جایزه‌ی هزاره را حل کرده؟
خیر، به‌گفته‌ی خودش. فقط بخش وجودِ نظریه‌ی یانگ-میلز را ادعا کرده، نه شکافِ جرمی که بخشِ اصلیِ مسئله است. و این هنوز بررسی نشده.
Lean چه نقشی دارد؟
اثبات را ماشینی بررسی می‌کند، اما نمی‌تواند بگوید جمله همان مسئله‌ی موردنظر است یا نه.
مدل استفاده‌شده چیست؟
گزارش‌ها فقط می‌گویند «مدل‌های داخلی» و نام نمی‌برند.
