تیترهای «هوش مصنوعی مسائل لاینحل را حل کرده» کمی اغراقآمیزند. در سال ۲۰۲۶ چند مورد واقعاً قابلتوجه گزارش و بررسی شده است.
مهمترین نمونه: یک مدل داخلی OpenAI یک مسئلهٔ هندسهٔ ترکیبیاتی را که از زمان مطرحشدن توسط Paul Erdős در سال ۱۹۴۶ باز بود، حل کرد؛ مسئلهٔ معروف Unit Distance Problem. نتیجه توسط ریاضیدانان خارجی نیز بررسی شده است.
در یک مطالعهٔ دیگر، مدلهای هوش مصنوعی روی مجموعهای از ۷۰۰ حدس حلنشدهٔ Erdős کار کردند و برای ۱۳ مسئله راهحلهایی پیدا کردند که سپس انسانها بررسی کردند؛ پنج مورد ظاهراً به راهحلهای جدید رسیدند.
یک پژوهش مستقلتر نیز گزارش کرده که یک سامانهٔ جستوجوی اثبات مبتنی بر LLM توانسته ۹ مسئله از ۳۵۳ مسئلهٔ باز Erdős را بهصورت خودکار حل کند و اثباتها را با Lean بررسی کند.
نکتهٔ خیلی مهم این است که «حل کردن» با «پیشنهاد یک ایدهٔ جالب» فرق دارد. در ریاضیات، اثبات باید دقیق و قابل بررسی باشد. به همین دلیل استفاده از سیستمهایی مثل Lean که اثبات را بهصورت صوری کنترل میکنند، اهمیت زیادی پیدا کرده است.
حتی جالبتر اینکه این فقط دربارهٔ مسائل قدیمی نیست؛ در سال ۲۰۲۵، پژوهشگران نشان دادند GPT-۵ در یک مسئلهٔ باز حدوداً ۴۰ سالهٔ بهینهسازی به ریاضیدان Ernest Ryu در پیدا کردن مسیر حل کمک کرده است.
بنابراین بله؛ ما وارد مرحلهای شدهایم که AI در بعضی موارد فقط ابزار محاسبه یا دستیار ریاضی نیست، بلکه میتواند در تولید ایدهٔ جدید ریاضی هم مشارکت کند. اما اینکه بگوییم «AI حالا مسائل بزرگ ریاضیات را یکییکی حل میکند» هنوز زود است.
