هوش مصنوعی پیشرفته مدعی اثبات حدس پوشش مضاعف چرخه شد؛ چالشی برای دهه‌ها تحقیق در نظریه گراف

در تاریخ ۱۰ جولای ۲۰۲۶، شرکت OpenAI سندی منتشر کرد که در آن ادعا شده بود مدل تازه منتشر شده GPT-5.6 Sol Ultra با موفقیت حدس پوشش مضاعف چرخه (Cycle Double Cover Conjecture)، یک مسئله بدنام در نظریه گراف که نیم قرن حل نشده باقی مانده بود، را اثبات کرده است. ادعای اصلی این است که یک هوش مصنوعی کشف ریاضی اصیل انجام داده است—یک اثبات کامل سه صفحه‌ای به زبان طبیعی که در کمتر از یک ساعت تولید شده—نه صرفاً ترجمه قضایای شناخته شده.[1][2][5]

شواهد این پیشرفت بر دو فایل PDF عمومی که در شبکه توزیع محتوای OpenAI میزبانی می‌شوند، استوار است: خود اثبات و دستور (prompt) دو صفحه‌ای که برای راه‌اندازی مدل استفاده شده است. این حدس که به طور مستقل توسط جورج سکرش در سال ۱۹۷۳ و پل سیمور در سال ۱۹۷۹ فرموله شد، بیان می‌کند که برای هر گراف متناهی و بدون پل، مجموعه‌ای از چرخه‌ها وجود دارد که هر یال (لبه) را دقیقاً دو بار پوشش می‌دهد.[1][2][4]

پارامترهای ریاضی این ادعا بسیار خاص هستند. «پل» یالی است که اگر حذف شود، شبکه را به دو جزیره جدا شده تقسیم می‌کند. از آنجا که یک چرخه باید به خودش بازگردد، هرگز نمی‌تواند فقط یک بار از یک پل عبور کند، بنابراین محدودیت «بدون پل» از نظر ریاضی ضروری است. شرط اینکه هر یال دقیقاً دو بار پوشش داده شود، بدون هیچ حذفی و بدون شمارش اضافی، پیچیدگی ترکیبی عظیمی ایجاد می‌کند که دهه‌ها ریاضیدانان انسانی را ناکام گذاشته است.[4][5]

متدولوژی پشت موفقیت هوش مصنوعی، دومین ادعای اصلی بسته شواهد را تشکیل می‌دهد: قدرت بی‌سابقه هماهنگی چندعاملی. OpenAI به GPT-5.6 Sol Ultra دستور داد تا ۶۴ زیرعامل موازی را برای مقابله همزمان با این حدس به کار گیرد. این عامل‌ها هماهنگ شدند تا زوایای جبری متنوعی را بررسی کنند، منطق یکدیگر را متقابلاً بررسی کنند و فعالانه به دنبال نقص‌ها یا مثال‌های نقض در اثبات‌های کاندید بگردند، پیش از اینکه سند نهایی را ترکیب کنند.[3][6]

شواهد ریاضی ارائه شده در اثبات هوش مصنوعی بر کاهش مسئله به گراف‌های مکعبی و استفاده از قضیه جریان ۸ (8-flow theorem) متکی است. سپس مدل از یک استدلال جبر خطی مقدماتی استفاده می‌کند تا برچسب‌گذاری یال مورد نیاز را تحمیل کند و اطمینان حاصل کند که هر یال دقیقاً توسط دو چرخه گرفته می‌شود.[1][3]

اعتبار این شواهد در حال حاضر تحت بررسی شدید است، با این حال ارزیابی‌های اولیه انسانی با احتیاط خوش‌بینانه هستند. توماس بلوم، ریاضیدان، این انتشار را بررسی کرد و استدلال هوش مصنوعی را «بسیار خوب» و به طرز شگفت‌انگیزی «مقدماتی» توصیف کرد. بلوم اشاره کرد که منطق اصلی در نگاه اول از نظر ساختاری سالم است و از لحاظ نظری می‌توانست در دهه ۱۹۸۰ توسط محققان انسانی کشف شود.[2]

با این حال، بسته شواهد حاوی نقاط ضعف قابل توجهی در مورد دقت آکادمیک است. بلوم و سایر بازبینان از عدم ارجاع مدل به کارهای بنیادی قبلی، به ویژه مقاله حیاتی سال ۱۹۸۳ توسط برمون، جکسون و یگر، انتقاد کردند. این حذف یک محدودیت شناخته شده در مدل‌های پیشرفته فعلی را برجسته می‌کند: آنها می‌توانند منطق جدید را به طرز درخشانی ترکیب کنند، اما اغلب در ارجاع تاریخی و قالب‌بندی آکادمیک مشکل دارند.[2]

عامل اصلی عدم قطعیت پیرامون این ادعا، فقدان تأیید رسمی ماشینی است. برخلاف AlphaProof گوگل دیپ‌مایند، که مسائل المپیاد جهانی ریاضی را با ترجمه آنها به زبان اثبات رسمی Lean برای تأیید مطلق حل کرد، اثبات GPT-5.6 Sol Ultra به طور کامل به زبان طبیعی نوشته شده است.[5]

اثبات‌های زبان طبیعی نیاز به بررسی همتایان انسانی دارند، فرآیندی که به طور مشهور کند، ذهنی و مستعد قضاوت‌های نادرست اولیه است. حدس پوشش مضاعف چرخه سابقه طولانی در جذب اثبات‌های بسیار محتمل، که توسط انسان‌ها نوشته شده‌اند، دارد که بعداً پس از بررسی عمیق‌تر، مشخص شد حاوی شکاف‌های ظریف و کشنده هستند.[2][5]

در نتیجه، جامعه ریاضی سند OpenAI را صرفاً به عنوان یک «ادعای اثبات» تلقی می‌کند تا یک قضیه قطعی. آزمون نهایی شواهد این خواهد بود که آیا نظریه‌پردازان گراف مستقل می‌توانند استدلال را بازسازی کنند، مراحل حیاتی جبر خطی آن را تحت فشار قرار دهند و نتوانند آن را نقض کنند.[4][5]

برای رفع این عدم قطعیت، چندین تیم تحقیقاتی مستقل در حال حاضر در تلاشند تا خروجی زبان طبیعی هوش مصنوعی را به Lean ترجمه کنند. تحمیل استدلال از طریق یک دستیار اثبات رسمی، حکمی قطعی و از نظر ریاضی غیرقابل انکار در مورد اینکه آیا منطق هوش مصنوعی بی‌نقص است یا اساساً شکسته، ارائه خواهد داد.[5]

اگر اثبات تأیید شود، پیامدهای آن فراتر از ریاضیات محض خواهد بود. تحلیلگران صنعت، هماهنگی ۶۴ عاملی را به عنوان یک اثبات مفهوم قطعی برای نسل بعدی هوش مصنوعی سازمانی می‌بینند. اکثر استقرار‌های تجاری فعلی هوش مصنوعی، مدل‌ها را به عنوان موتورهای ساده پاسخ به سؤال یا ابزارهای پیش‌نویس در نظر می‌گیرند.[3]

این رویداد نشان می‌دهد که تجزیه مسائل پیچیده و اجرای موازی می‌تواند به مالکیت فکری جدید منجر شود. توانایی هدایت دسته‌ای از عوامل هوش مصنوعی به سمت یک مسئله حل نشده و دریافت یک راه‌حل ترکیبی و بسیار فنی در کمتر از شصت دقیقه، اساساً محاسبات مربوط به تحقیق و توسعه شرکت‌ها را تغییر می‌دهد.[3][6]

حوزه‌هایی که به مسیریابی شبکه پیچیده، رمزنگاری و علم مواد متکی هستند، فرآیند تأیید را از نزدیک زیر نظر دارند، زیرا همان معماری چندعاملی می‌تواند از لحاظ نظری برای عمیق‌ترین گلوگاه‌های ساختاری آنها به کار رود.[6]

در حال حاضر، حدس پوشش مضاعف چرخه در حالت برهم‌نهی ریاضی قرار دارد. بسته شواهد ارائه شده توسط OpenAI متقاعدکننده و از نظر ساختاری جدید است، اما فاقد قطعیت مطلق بررسی همتایان است. چه این اثبات به عنوان یک قضیه حل شده یا یک اشتباه درخشان وارد کتاب‌های درسی شود، این رویداد نشان‌دهنده یک تغییر قطعی در نحوه انجام تحقیقات ریاضی پیشرفته خواهد بود.[2][4][5]