انقلاب خاموش در ریاضیات: هوش مصنوعی، سرعت تحول را شتاب میبخشد
در ماه مارس، کمتر از ۵ درصد از مقالات ریاضی منتشر شده در آرشیو arXiv به استفاده از هوش مصنوعی اشاره داشتند. اما تا ۲۰ اوت، این رقم از ۲۴ درصد عبور کرد. این یک روند صعودی ملایم نیست؛ بلکه خطی عمودی بر نموداری است که هر استارتاپ در مرحله رشد را به حسادت وامیدارد.
این دادهها از یک پیشچاپ با عنوان «تب طلا در AI4Math: اکنون در کجا هستیم؟» (The Gold Rush in AI4Math: Where Are We Now?) که توسط جیاشون جین، ژنگ تریسی کی و بینگچنگ سوی تهیه شده، به دست آمده است. این مطالعه ۳۲,۹۴۴ مقاله ریاضی ارسال شده به arXiv را بین ۱ مارس و ۲۰ اوت ۲۰۲۶ تحلیل کرده است. یافتهها تصویری از رشتهای در میانه تحولی سریع و عمدتاً داوطلبانه را ترسیم میکنند.
آمار کلیدی، یعنی ۲۴.۱۴ درصد از پیشچاپهای ریاضی که تا ماه اوت به هوش مصنوعی اذعان کردهاند، به خودی خود چشمگیر است. اما معیار قابلتوجهتر، آنچه محققان «مشارکتهای ماهوی هوش مصنوعی» مینامند، است؛ یعنی مواردی که هوش مصنوعی نه تنها در غلطگیری یا قالببندی نقش داشته، بلکه واقعاً در کار ریاضی مشارکت کرده است.
این رقم از ۱.۳۹ درصد در ماه مارس به ۱۴.۰۹ درصد تا ۲۰ اوت جهش یافته است. به عبارت دیگر، تقریباً از هر هفت مقاله ریاضی، یکی اکنون هوش مصنوعی را در حال انجام کارهای فکری سنگین واقعی به نمایش میگذارد.
از میان ۳۲,۹۴۴ مقاله تحلیل شده، ۳,۵۷۵ مورد شکلی از استفاده از هوش مصنوعی را تأیید کردهاند. از این تعداد، ۱,۷۱۲ مورد شامل آنچه محققان مشارکتهای ماهوی طبقهبندی کردهاند، بوده است. بخش عمدهای از این کارهای ماهوی بر ساخت اثبات متمرکز بوده است.
این مطالعه همچنین ابزارهای هوش مصنوعی را که محققان به کار میبرند، ردیابی کرده است. محصولات OpenAI در بیش از ۶۰ درصد مقالات با استفاده تأیید شده از هوش مصنوعی ظاهر شدهاند. ابزارهای Anthropic در جایگاه دوم قرار گرفتند.
پذیرش هوش مصنوعی به طور یکنواخت در سراسر این رشته در حال گسترش نیست. ترکیبیات (Combinatorics) از نظر حجم محض استفاده ماهوی از هوش مصنوعی پیشتاز است. در همین حال، هندسه متریک (Metric Geometry) بالاترین نرخ پذیرش هوش مصنوعی را نسبت به اندازه خود ثبت کرده است.
از نظر جغرافیایی، ایالات متحده و چین سلطه دارند. این دو کشور با هم تقریباً دو سوم وزن تعداد نویسندگان در مقالات ریاضی با کمک هوش مصنوعی را به خود اختصاص میدهند.
شاید تحریکآمیزترین یافته این مطالعه مربوط به مسائل باز (open problems) باشد. محققان ۷۱۷ رکورد مسئله باز را که با مقالاتی با مشارکتهای ماهوی هوش مصنوعی مرتبط بودند، شناسایی کردند. از این تعداد، ۷۱ درصد توسط نویسندگانشان به عنوان کاملاً حل شده گزارش شدهاند.
پیشچاپها در arXiv داوری همتا (peer-reviewed) نمیشوند و تاریخ ریاضیات مملو از اثباتهای ادعا شدهای است که در برابر بررسی مقاومت نکردهاند. اما حتی با در نظر گرفتن درصدی از پیروزیهای زودهنگام، حجم راهحلهای ادعا شده نشان میدهد که هوش مصنوعی ریاضیدانان را قادر میسازد تا مسائلی را که در غیر این صورت ممکن بود به آنها نپردازند، حل کنند.
حالت غالب مشارکت، ساخت اثبات است. هوش مصنوعی شهود ریاضیدان در مورد اهمیت مسائل یا استراتژیهای احتمالی را جایگزین نمیکند. بلکه بیشتر شبیه یک همکار فوقالعاده سریع و خستگیناپذیر عمل میکند که میتواند مسیرهای اثبات را کاوش کرده و مراحل منطقی را در مقیاسی که هیچ انسانی قادر به تطبیق آن نیست، تأیید کند.
نویسندگان این مطالعه طرفدار افشای شفاف استفاده از هوش مصنوعی هستند، که قابل توجه است زیرا رقم فعلی ۲۴ درصد تنها مقالاتی را شامل میشود که داوطلبانه به آن اذعان کردهاند. تعداد واقعی مقالات با کمک هوش مصنوعی تقریباً به طور قطع بالاتر است.
با تسلط ابزارهای OpenAI بر بیش از ۶۰ درصد مقالات تأیید شده با کمک هوش مصنوعی، انتخاب پلتفرم هوش مصنوعی به یک تصمیم استراتژیک برای محققان تبدیل میشود. Anthropic در جایگاه دوم قرار دارد، اما شکاف قابل توجه به نظر میرسد. برای شرکتهای هوش مصنوعی، تبدیل شدن به ابزار پیشفرض برای تحقیقات ریاضی صرفاً یک بازی اعتبار نیست؛ بلکه یک حلقه بازخورد است: هرچه محققان بیشتر از سیستم شما استفاده کنند، سیگنال آموزشی بیشتری در مورد وظایف استدلال دشوار دریافت میکنید، که سیستم شما را در انجام وظایف استدلال دشوار بهتر میکند.
تمرکز خروجی در ایالات متحده و چین نیز پیامدهایی برای تحقیقات ریاضی جهانی دارد. کشورها و مؤسساتی که به مدلهای پیشرفته هوش مصنوعی دسترسی ندارند، در معرض عقب افتادن هستند، نه به دلیل اینکه ریاضیدانانشان کمتر با استعداد هستند، بلکه به این دلیل که بدون ابزارهای مشابه کار میکنند.
