الذكاء الاصطناعي يقدّم تحديًا لادعاء راسخ في نظرية الرسوم البيانية
يُقال إن حدسية عمرها 30 عامًا في نظرية الرسوم البيانية قد سقطت بعد أن أنشأ نظام ذكاء اصطناعي مثالًا مضادًا خلال ساعات قليلة. ووفقًا لمجلة New Scientist، استخدم دميتري رييبين، الشريك المؤسس لشركة Autokernel الناشئة في مجال الذكاء الاصطناعي، أداة ChatGPT 5.6 Pro للبحث عن مثال مضاد بنيوي لحدسية دينيـتز-غارغ-غويمانز، وهي نتيجة ظلت سؤالًا مفتوحًا في التوافقيات والتحسين لعقود.
ويقول التقرير إن رييبين استخدم أربعة أوامر فقط في المجمل، بما لا يزيد على 60 كلمة، وأن النموذج أمضى نحو 5.5 ساعات في البحث قبل أن يعود ببناء يبيّن أن الحدسية خاطئة. وإذا صمد المثال المضاد أمام التدقيق المتخصص، فستكون الحادثة علامة بارزة أخرى في نمط يتسارع بسرعة: أنظمة الذكاء الاصطناعي لم تعد تقتصر على المساعدة في أعمال البرهان الروتينية أو المعالجة الرمزية، بل باتت تكشف بصورة متزايدة عن كائنات جديدة تغيّر وضع الأسئلة الرياضية الراسخة.
وتكتسب هذه النقلة أهمية لأن الأمثلة المضادة تحتل مكانة خاصة في الرياضيات. فقد تصمد نظرية لسنوات من الفحص عبر العديد من الحالات الخاصة، لكن استثناءً واحدًا صحيحًا يكفي لإسقاط الادعاء العام. وفي المجالات التي تُبنى فيها الحدوس على أنماط في أمثلة أصغر، قد يكون العثور على أول كائن يكسر قاعدة ما صعبًا على نحو غير متوقع. وهذا بالضبط نوع مسائل البحث التي قد تتمتع فيها الاستكشافات الآلية واسعة النطاق بميزة.
ما الذي كانت الحدسية تحاول قوله
تنتمي حدسية دينيـتز-غارغ-غويمانز إلى نظرية الرسوم البيانية، وهي دراسة الشبكات المبنية من رؤوس وحواف. وتصف New Scientist الادعاء عبر تشبيه لوجستي. تخيّل شحنات تغادر مستودعًا إلى عدة وجهات. في إحدى صور المشكلة، يمكن تقسيم الشحنات إلى أجزاء أصغر وتوجيهها بشكل مستقل. واقترحت الحدسية أن هذا الترتيب المرن يمكن تحويله إلى ترتيب آخر تبقى فيه الشحنات غير قابلة للتقسيم، من دون زيادة الكلفة الإجمالية.
هذا النوع من العبارات جذاب لأنه يوحي بأن تحسينات العالم الحقيقي المربكة يمكن أحيانًا اختزالها إلى صيغ أوضح وأسهل تحليلًا. ولو كانت صحيحة، لكانت الحدسية قد أوجدت جسرًا موثوقًا بين حالات التدفق القابل للتقسيم وغير القابل للتقسيم. لكن المثال المضاد المبلّغ عنه يشير إلى أن هذا الجسر لا يوجد دائمًا. ففي مكان ما داخل بنية هذه الشبكات، توجد حالات يكون فيها منع التقسيم عاملًا يغيّر الاقتصاد على نحو قالت الحدسية إنه لن يحدث.
ولدى المتخصصين، لا يعني ذلك انهيار المجال بأكمله، بل يعني أن الحدود أصبحت أكثر وضوحًا. يمكن للباحثين الآن أن يسألوا أين تفشل الحدسية، وما إذا كانت النسخ المقيدة منها لا تزال قائمة، وأي فئات من الرسوم البيانية تحافظ على السلوك المطلوب. وغالبًا ما تخلق الحدسية الخاطئة عملًا مثمرًا بقدر ما تخلقه الحدسية الصحيحة، لأنها تدفع المجال إلى استبدال مبدأ واسع لكنه غير دقيق بخريطة أكثر تحديدًا.
لماذا تحظى هذه الحالة بالاهتمام
جزء من رد الفعل نابع من البساطة الظاهرة في الأوامر. ونقلت New Scientist عن رييبين قوله على منصة X إنه أمضى أسابيع عديدة يفكر في المشكلة بنفسه. لكن الأوامر الموصوفة في المقال كانت محدودة للغاية: توجيه أولي للعثور على مثال مضاد اختراقي، تلتْه طلبات متكررة لمواصلة البحث. وأصبح هذا التباين محوريًا في القصة. فالمثير للاهتمام ليس فقط أن الذكاء الاصطناعي كان طرفًا في الأمر، بل إن الواجهة البشرية بدت عادية جدًا بينما قد يكون البحث الحاسوبي الكامن يقوم بشيء غير بديهي.
وهذا التمييز مهم. فاختصار الأمر لا يعني أن عملية الاستدلال كانت بسيطة. بل يعني أن المستخدم لم يحتج إلى صياغة سير عمل رسمي كثيف يدويًا لتوجيه النظام نحو بحث مفيد. ومع تحسن أدوات الذكاء الاصطناعي، قد ينتقل الاختناق من تحديد كل خطوة إلى صياغة الهدف الرياضي الصحيح، وفحص المخرجات بدقة، وترجمة الكائنات التي ينتجها النموذج إلى صيغ تستطيع الجماعة البحثية التحقق منها والبناء عليها.
وتشير New Scientist أيضًا إلى أن هذه هي المرة الثانية خلال أسبوع التي يُنسب فيها إلى الذكاء الاصطناعي إسقاط حدسية راسخة. وتضع المقالة نتيجة نظرية الرسوم البيانية الجديدة إلى جانب مثال مضاد آخر مولد بالذكاء الاصطناعي لحدسية جاكوبيان، وتشير إلى نموذج من OpenAI قيل إنه كسر في مايو حدسية عمرها عقود صاغها بول إيردوش. ومجتمعة، توحي هذه الوقائع بأن اللحظة الراهنة ليست مجرد فضول عابر، بل جزء من تسارع أوسع في الرياضيات بمساعدة الآلات.
لماذا قد تكون نظرية الرسوم البيانية معرضة للمفاجآت بشكل خاص
قال كريس بومان-سكارغيل من جامعة يورك لمجلة New Scientist إن هناك مزحة متداولة في الرياضيات مفادها أن كل حدسية في نظرية الرسوم البيانية خاطئة. ويعكس هذا الدعابة تحديًا بنيويًا حقيقيًا. ففي نظرية الرسوم البيانية، قد يتغير سلوك يبدو مستقرًا في الأمثلة الصغيرة تغيرًا مفاجئًا بمجرد إضافة رأس أو رأسين. وهذا يجعل التعرف غير الرسمي على الأنماط أقل موثوقية مما قد يكون عليه في مجالات تميل فيها الأمثلة منخفضة الرتبة إلى محاكاة البنى الأكبر على نحو أكثر وفاءً.
وفي مثل هذه البيئة، تكون الأنظمة الآلية مفيدة بطبيعتها. فهي تستطيع تجاوز النطاق الذي يفحصه البشر بشكل عابر، وعدّ الحالات على نطاق واسع، والبحث عن تراكيب غريبة لا تبدو بديهية لأول وهلة. قد يمتلك عالم رياضيات حسًا مفاهيميًا جيدًا لسبب صحة عبارة ما، بينما تستطيع الآلة أن تختبر بلا كلل ما إذا كانت هذه الحدوس تصمد في زوايا أغرب من الفضاء.
والدرس المرجح ليس أن الرياضيين سيصبحون غير ذوي صلة، بل إن دورهم يتغير. فما يزال البشر يحددون الأسئلة المهمة، ويقيّمون أهمية البنية المكتشفة، ويحددون السبب البنيوي لعملها، ويحوّلون الناتج الحاسوبي الخام إلى سرد رياضي متين. لكن مشهد البحث يتغير. وعندما تستطيع الآلات إبراز أمثلة حاسمة بسرعة أكبر وبوتيرة أعلى، قد تصبح صياغة الحدوس نفسها أكثر انضباطًا وأكثر تصادمية، مع توقع الباحثين لفحص آلي أكثر صرامة في وقت أبكر من عمر الفكرة.
ما التالي
السؤال الفوري هو التحقق. فالمثال المضاد المزعوم لا يغيّر السجل الرياضي إلا بعد أن يؤكد الخبراء أن الكائن يخالف الحدسية فعلًا ضمن الشروط الصورية الدقيقة. وتعرض New Scientist النتيجة بوصفها تطورًا كبيرًا، لكن أهميتها طويلة الأمد ستعتمد على كيفية قيام المجتمع العلمي بالتحقق منها وتفسيرها وتوسيعها.
إذا ثبتت النتيجة، فسوف تعزز اتجاهًا يكافح كثير من الباحثين لاستيعابه بالفعل. فالذكاء الاصطناعي ينتقل من كونه مساعدًا إلى شريك في العمل القائم على الاكتشاف، خاصة في المجالات التي يكون فيها فضاء البحث واسعًا لكن شرط النجاح محددًا بدقة. والرياضيات حالة اختبار بارزة على نحو خاص لأن المخرجات يمكن، من حيث المبدأ، التحقق منها بدقة. وهذا يجعل فصل الضجيج عن الجوهر أسهل منه في كثير من المجالات الفكرية الأخرى.
ومع ذلك، قد يكون الأثر الاجتماعي أكبر من حدسية واحدة بعينها. فجنس كامل من الرياضيين يواجه الآن احتمال أن تنبثق الرؤى القيّمة من أنظمة تُحفَّز بلغة طبيعية، وتعمل لساعات، وتعيد كائنات لم يفكر البشر في بنائها. وسواء أوجد ذلك قلقًا أم حماسة أم كليهما، فإنه يمثل تحولًا مهمًا في كيفية حدوث الاكتشاف.
هذه المقالة مبنية على تقرير New Scientist. اقرأ المقال الأصلي.
Originally published on newscientist.com