تکین آنالیز | وقتی هوش مصنوعی به ریاضیات حمله کرد؛ بحران ۷۲۲ مخطوطه

برای درک عمق این بحران، باید به ریشه‌های آن در تابستان ۲۰۲۶ بازگشت؛ زمانی که OpenAI اولین دسته از نتایج ریاضی خود را منتشر کرد و موجی از واکنش‌های متناقض را برانگیخت. اما انتشار اخیر با مقیاس و شدت بی‌سابقه‌اش، خط قرمزهای بسیاری را درنوردید و پرسش‌های بنیادینی درباره آینده علم، مالکیت فکری و نقش هوش مصنوعی در تحقیقات بشری را مطرح ساخت.

برای فهم کامل این ماجرا، باید به ساعات اولیه این انتشار، واکنش‌های خام و بی‌واسطه ریاضیدانان و تحولات بعدی بپردازیم که جامعه علمی را به دو اردوی کاملاً متضاد تقسیم کرد.

انتشار شوک‌آور ۷۲۲ مخطوطه؛ چگونه OpenAI یک‌شبه جامعه ریاضی را بی‌دفاع گذاشت

در ساعت ۶:۰۰ بعدازظهر به وقت منطقه شرقی آمریکا، OpenAI لینک مخزن عمومی GitHub خود را در شبکه‌های اجتماعی منتشر کرد. این مخزن با نام openai/math حاوی ۷۲۲ مخطوطه بود که در ۳۷۲ «خانواده نتیجه» (result families) دسته‌بندی شده بودند. هر خانواده شامل یک نتیجه اصلی، استدلال‌های همراه، نتایج فرعی یا اثبات‌های جایگزین بود. این مخطوطات طیف گسترده‌ای از حوزه‌های ریاضی را پوشش می‌دادند: نظریه اعداد، هندسه، علوم کامپیوتر نظری، جبر، فیزیک ریاضی و معادلات دیفرانسیل.

اما نکته کلیدی این بود که تمام این اثبات‌ها با استفاده از Lean proof assistant، یک سیستم تأیید رسمی که صحت منطقی اثبات‌ها را به‌صورت ماشینی بررسی می‌کند، نوشته شده بودند. این بدان معناست که از نظر فنی، همه این مخطوطات «اثبات‌های قابل تأیید» بودند. اما تأیید ماشینی یک چیز است و درک انسانی، اصالت و ارزش علمی آن چیز دیگر. OpenAI در بیانیه خود اعلام کرد که این مدل را با حدود ۴۰۰۰ مسئله باز (open problems) مواجه کرده و این ۷۲۲ مخطوطه، نتایج موفقی هستند که به طور کامل یا جزئی به آن مسائل پاسخ داده‌اند.

واکنش اولیه جامعه ریاضی ترکیبی از شوک، خشم، ناباوری و نگرانی عمیق بود. پروفسور تریستان باکمستر (Tristan Buckmaster)، یکی از ریاضیدانان برجسته که خود ماه‌ها پیش قربانی «شتاب‌زدگی» OpenAI شده بود، در توییتر نوشت که این رفتار نشان‌دهنده بی‌احترامی عمیق به فرآیندهای سنتی علم است. او اشاره کرد که OpenAI از کار او و همکارانش برای پیشی گرفتن در حل یک مسئله افسانه‌ای ریاضی با جایزه یک میلیون دلاری استفاده کرده و حالا با انتشار این حجم عظیم، عملاً جامعه علمی را در موضعی دفاعی قرار داده است.

این نقل‌قول که توسط مجله معتبر Wired منتشر شد، بیانگر عمق نارضایتی بود. استفاده از عبارت «mobster behavior» نشان می‌داد که برخی از محققان احساس می‌کنند OpenAI در حال اعمال نوعی فشار و زورگویی علمی است. شرکت‌های هوش مصنوعی با داشتن منابع محاسباتی عظیم و دسترسی به مدل‌های پیشرفته، قادرند در عرض چند هفته به نتایجی برسند که ممکن است یک محقق انسانی سال‌ها برای رسیدن به آن تلاش کرده باشد. اما آیا این سرعت، همان چیزی است که علم به آن نیاز دارد؟

در میان این آشوب، OpenAI در یک پست وبلاگ توضیح داد که هدف از این انتشار، کمک به پیشرفت ریاضیات و نشان دادن قابلیت‌های مدل‌های هوش مصنوعی است. شرکت همچنین اعلام کرد که تمام مخطوطات تحت مجوز Apache 2.0 منتشر شده‌اند و هرکسی می‌تواند آن‌ها را بررسی، استفاده و حتی ویرایش کند. اما این شفافیت ظاهری نتوانست خشم جامعه علمی را فرونشاند. مسئله اصلی این نبود که مخطوطات منتشر شده‌اند، بلکه این بود که چگونه و چرا منتشر شده‌اند.

یکی از نگرانی‌های اصلی این بود که OpenAI هیچ هماهنگی قبلی با ریاضیدانانی که سال‌ها روی همان مسائل کار کرده بودند، نداشت. در برخی موارد، محققانی که در آستانه حل یک مسئله بودند، یک‌شبه دریافتند که یک الگوریتم به همان نتیجه رسیده است. این وضعیت نه تنها از نظر اخلاقی مشکل‌زا بود، بلکه می‌توانست تأثیرات جدی بر تأمین بودجه، شهرت علمی و مسیرهای شغلی این افراد داشته باشد.

اما داستان در همین‌جا تمام نشد. چند روز پس از این انتشار، واکنش سازمان‌یافته‌تری از سوی نخبگان ریاضیات جهان شکل گرفت که به یکی از قوی‌ترین اعتراضات جمعی در تاریخ این رشته تبدیل شد.

طوفان اعتراض؛ نامه سرگشاده ۲۵ برنده مدال فیلدز علیه رفتار شرکت‌های هوش مصنوعی

در تاریخ ۱۱ سپتامبر ۲۰۲۶، تنها چند روز پس از اولین موج انتشارهای OpenAI و در آستانه انتشار دسته دوم (۷۲۲ مخطوطه)، ۲۵ تن از برنده‌گان مدال فیلدز (Fields Medal) – معتبرترین و مهم‌ترین جایزه در ریاضیات که معادل جایزه نوبل این رشته محسوب می‌شود – نامه‌ای سرگشاده با عنوان «ناهماهنگی شدید هوش مصنوعی در ریاضیات» (A Severe Misalignment of AI in Mathematics) منتشر کردند. این نامه که با امضای افرادی چون ترنس تائو (Terence Tao)، تیموتی گاورز (Timothy Gowers) و دیگر غول‌های این رشته همراه بود، هشداری جدی درباره تهدید هوش مصنوعی علیه ماهیت پژوهش علمی بود.

در این نامه، امضاکنندگان تأکید کردند که اهداف شرکت‌های هوش مصنوعی و جامعه ریاضی در حال حاضر «به‌شدت ناهماهنگ» هستند. آن‌ها هشدار دادند که اگر این روند ادامه یابد، می‌تواند به «تهدیدی عمومی برای کار فکری» تبدیل شود. نامه بر این نکته تأکید داشت که حل یک مسئله اغلب تنها بخشی از هدف تحقیقات ریاضی است. فرآیند حل مسئله، بینش‌های حاصل از آن، روش‌های جدید ابداعی و درک عمیق‌تری که از ساختارهای ریاضی به دست می‌آید، همگی بخش‌های اساسی ارزش یک پژوهش علمی هستند.

نامه‌نویسان استدلال کردند که وقتی یک مدل هوش مصنوعی صرفاً یک اثبات «صحیح» تولید می‌کند اما بدون درک واقعی از اینکه چرا این اثبات کار می‌کند، چه بینش‌های ریاضی نهفته در آن وجود دارد و چگونه می‌توان آن را به مسائل دیگر تعمیم داد، ارزش علمی آن به‌شدت کاهش می‌یابد. به بیان دیگر، هوش مصنوعی در حال تولید «پاسخ» است، نه «فهم». و در علم، فهم همان چیزی است که اهمیت دارد.

یکی دیگر از نکات مهم نامه، انتقاد از استفاده ابزاری از ریاضیات برای بازاریابی مدل‌های هوش مصنوعی بود. امضاکنندگان خاطرنشان کردند که بسیاری از این انتشارها در زمان‌بندی‌هایی صورت می‌گیرند که برای شرکت‌های AI از نظر تجاری حساس هستند – مانند آستانه عرضه عمومی سهام یا جذب سرمایه‌گذاری جدید. این موضوع حس می‌کند که نتایج علمی به «وسیله بازاریابی» برای ترویج مدل‌ها تبدیل شده‌اند، نه هدف اصلی. نامه به‌صراحت از شرکت‌های هوش مصنوعی خواست که از تبدیل کردن انتشار نتایج ریاضی به ابزار تبلیغاتی خودداری کنند، زیرا این کار به جامعه ریاضی آسیب جدی وارد می‌کند.

واکنش عمومی به این نامه فوری و گسترده بود. بسیاری از ریاضیدانان جوان‌تر که در کنفرانس‌ها و سمینارها حاضر بودند، از این موضع‌گیری استقبال کردند. یکی از شرکت‌کنندگان جوان در کنفرانس اروپایی ریاضیات که در مصاحبه با IEEE Spectrum شرکت کرده بود، گفت: «هوش مصنوعی و مدل‌های زبانی بزرگ، جامعه ریاضی را در تابستان آتش گرفت». این جمله نشان می‌دهد که چگونه این موضوع از یک بحث آکادمیک محدود، به یک چالش وجودی برای نسل جدید ریاضیدانان تبدیل شده است.

اما OpenAI و سایر شرکت‌های AI بی‌پاسخ نماندند. آن‌ها استدلال کردند که هوش مصنوعی می‌تواند ابزاری قدرتمند برای تسریع علم باشد و اینکه محدود کردن آن به دلیل نگرانی‌های اخلاقی سنتی، به معنای از دست دادن فرصت‌های بزرگ برای بشریت است. این استدلال، جامعه ریاضی را به دو اردو تقسیم کرد: کسانی که معتقد بودند هوش مصنوعی باید با محدودیت‌های سخت‌گیرانه کنترل شود، و کسانی که فکر می‌کردند باید از آن استقبال کرد و راه‌های همکاری با آن را یافت.

در این میان، OpenAI تصمیم گرفت قدمی سازش‌آمیز بردارد و گروهی مشاوره‌ای تشکیل دهد که بتواند پلی میان دو دنیا باشد.

تشکیل گروه مشاوره AGMAI؛ تلاش برای کنترل خسارت یا واقعاً تغییر رویکرد؟

در پاسخ به موج اعتراضات، OpenAI در اواخر سپتامبر ۲۰۲۶ اعلام کرد که گروهی مستقل به نام AGMAI (Advisory Group on Mathematics and Artificial Intelligence) تشکیل داده است. این گروه متشکل از نه ریاضیدان نخبه از سراسر جهان است که قرار است به‌طور مستقل عمل کنند و نظارت و مشاوره لازم را درباره نحوه بررسی و انتشار نتایج ریاضی حاصل از هوش مصنوعی ارائه دهند. OpenAI تأکید کرد که این گروه کاملاً مستقل خواهد بود، آزادی دارد که مشاوره‌هایی را که شرکت درخواست نکرده نیز ارائه دهد، می‌تواند به‌صورت علنی درباره تأثیرات هوش مصنوعی بر ریاضیات اظهارنظر کند و همچنین مشاوره‌های خود را علنی سازد.

اعضای این گروه شامل برخی از برجسته‌ترین چهره‌های جهان ریاضیات هستند، از جمله متخصصان در حوزه‌های نظریه اعداد، توپولوژی، هندسه جبری و علوم کامپیوتر نظری. هدف اصلی AGMAI، ایجاد پروتکل‌هایی برای انتشار مسئولانه نتایج هوش مصنوعی است؛ پروتکل‌هایی که هم از بدیهی‌بودن و صحت علمی اثبات‌ها اطمینان حاصل کنند و هم به کار انسانی پشت این نتایج احترام بگذارند.

اما آیا این اقدام واقعاً یک تغییر رویکرد است یا صرفاً تلاشی برای کنترل خسارت و بهبود تصویر عمومی؟ برخی از منتقدان استدلال کردند که تا زمانی که OpenAI همچنان مدل‌های خود را منتشر نکند و شفافیت کامل درباره نحوه تولید این نتایج نداشته باشد، هیچ نظارت واقعی‌ای ممکن نیست. AGMAI می‌تواند نهایتاً نتایج را بررسی کند، اما نمی‌تواند در فرآیند تولید آن‌ها دخالت کند. این یعنی شرکت همچنان کنترل کامل را در دست دارد.

از سوی دیگر، برخی از اعضای جامعه علمی این اقدام را مثبت ارزیابی کردند. آن‌ها معتقدند که داشتن کانالی رسمی برای گفتگو میان شرکت‌های AI و ریاضیدانان، بهتر از نداشتن هیچ ارتباطی است. حتی اگر AGMAI نتواند تمام مشکلات را حل کند، می‌تواند به تدریج استانداردها و هنجارهایی ایجاد کند که رفتار شرکت‌ها را محدود کند. برخی از اعضای این گروه در مصاحبه‌های خود تأکید کرده‌اند که هدف آن‌ها تنها دفاع از منافع ریاضیدانان نیست، بلکه حفظ کیفیت و اصالت خود علم ریاضیات است.

یکی از پیشنهادهای مطرح‌شده توسط AGMAI، ایجاد «دوره نهفتگی» (embargo period) برای نتایج مهم است. به این معنا که پیش از انتشار عمومی، نتایج باید برای مدت‌زمان معینی (مثلاً سه ماه) در اختیار جامعه ریاضی قرار گیرد تا بررسی اولیه انجام شود، اعتبار به کار پیشین داده شود و در صورت نیاز، همکاری‌های علمی شکل بگیرد. این پیشنهاد الهام‌گرفته از الگوی موفق نشریات علمی است که مقالات را پیش از انتشار، برای بررسی همتا (peer review) ارسال می‌کنند.

اما آیا شرکت‌های هوش مصنوعی که در رقابتی شدید با یکدیگر هستند، حاضرند چنین تأخیری را بپذیرند؟ این پرسشی است که پاسخ آن، آینده این بحران را مشخص خواهد کرد.

پیامدهای بلندمدت؛ چگونه این بحران می‌تواند آینده تحقیقات علمی را تغییر دهد

فراتر از جنجال‌های کوتاه‌مدت، این رویداد پرسش‌های بنیادینی درباره آینده تحقیقات علمی مطرح می‌کند. اگر هوش مصنوعی بتواند به‌سرعت مسائل ریاضی را حل کند، نقش ریاضیدان انسانی چه خواهد بود؟ آیا دانشگاه‌ها باید همچنان بر آموزش روش‌های سنتی اثبات تمرکز کنند یا باید دانشجویان را برای همکاری با سیستم‌های هوش مصنوعی آماده کنند؟ و مهم‌تر از همه، چه کسی مالک دانش تولیدشده توسط هوش مصنوعی است؟

یکی از نگرانی‌های جدی، احتمال ایجاد «شکاف دانش» است. اگر شرکت‌های بزرگ فناوری تنها نهادهایی باشند که منابع لازم برای اجرای مدل‌های هوش مصنوعی پیشرفته را دارند، آن‌ها عملاً انحصار تولید دانش علمی را در دست خواهند گرفت. این می‌تواند به معنای تضعیف نقش دانشگاه‌ها و مؤسسات تحقیقاتی مستقل باشد و در نهایت، تبدیل علم به کالایی تجاری که توسط شرکت‌های خصوصی کنترل می‌شود.

نگرانی دیگر، تأثیر بر انگیزه ریاضیدانان جوان است. اگر یک دانشجوی دکتری پنج سال روی یک مسئله کار کند و سپس ببیند که یک مدل AI در چند ساعت به همان نتیجه رسیده، چه احساسی خواهد داشت؟ آیا باز هم انگیزه ادامه دادن را خواهد داشت؟ برخی از اساتید دانشگاه‌ها گزارش داده‌اند که دانشجویان آن‌ها در حال بازاندیشی درباره انتخاب رشته خود هستند و برخی حتی به فکر ترک ریاضیات محض و رفتن به سمت حوزه‌هایی هستند که هنوز کمتر تحت تأثیر هوش مصنوعی قرار گرفته‌اند.

از سوی دیگر، برخی از خوش‌بین‌ها استدلال می‌کنند که این بحران می‌تواند به فرصتی برای بازتعریف نقش ریاضیدان تبدیل شود. شاید در آینده، ریاضیدانان به جای صرف زمان برای محاسبات پیچیده، بیشتر به عنوان «معماران مفهومی» عمل کنند؛ کسانی که سؤالات مهم را می‌پرسند، چارچوب‌های نظری می‌سازند و نتایج تولیدشده توسط هوش مصنوعی را تفسیر و به زمینه‌های دیگر تعمیم می‌دهند. این تغییر نقش، مشابه آن چیزی است که در دهه‌های گذشته در علوم کامپیوتر اتفاق افتاد؛ جایی که برنامه‌نویسان از نوشتن کدهای Assembly به استفاده از زبان‌های سطح بالا و چارچوب‌های پیچیده منتقل شدند.

اما این تحول نیازمند آمادگی فرهنگی، نهادی و آموزشی است. دانشگاه‌ها باید برنامه‌های درسی خود را بازنگری کنند، نشریات علمی باید معیارهای جدیدی برای ارزیابی مقالات حاوی نتایج هوش مصنوعی تدوین کنند، و جامعه علمی باید به اجماعی درباره اخلاق استفاده از AI در پژوهش برسد. این فرآیند زمان‌بر و دشوار خواهد بود، اما اجتناب‌ناپذیر است.

در نهایت، پرسش اصلی این است: آیا هوش مصنوعی ابزار علم است یا رقیب آن؟ پاسخ به این پرسش، تعیین‌کننده مسیر علم در دهه‌های آینده خواهد بود.

واکنش جامعه ریاضی؛ از شوک تا سازماندهی مقاومت فکری

در روزها و هفته‌های پس از انتشار ۷۲۲ مخطوطه، جامعه ریاضی جهان به‌سرعت خود را سازماندهی کرد. کنفرانس‌های علمی که در اکتبر ۲۰۲۶ برگزار شدند، شاهد بحث‌های داغ پیرامون این موضوع بودند. در یکی از نشست‌های کنفرانس ریاضیات اروپا در آمستردام، محققی جوان از دانشگاه کمبریج با صدایی لرزان گفت: «من پنج سال روی یک حدس در نظریه اعداد کار کرده‌ام. حالا می‌بینم که یک مدل AI ادعا می‌کند در چند ساعت به همان نتیجه رسیده. چرا باید ادامه بدهم؟» این جمله، خلاصه دغدغه نسل جدید ریاضیدانان بود؛ نسلی که در آستانه ورود به دنیای حرفه‌ای، با تهدید بی‌سابقه‌ای روبرو شده بود.

اما همه واکنش‌ها منفی نبودند. گروهی از ریاضیدانان، به‌ویژه کسانی که در حوزه منطق ریاضی و علوم کامپیوتر نظری فعالیت داشتند، استدلال کردند که این تحول می‌تواند آغاز عصر جدیدی در همکاری انسان و ماشین باشد. تیموتی گاورز، یکی از برندگان مدال فیلدز، در مقاله‌ای در وبلاگ خود نوشت: «ما باید این واقعیت را بپذیریم که هوش مصنوعی قدرتمند شده است. اما پذیرش لزوماً به معنای تسلیم نیست. ما باید قوانین بازی را تغییر دهیم.» او پیشنهاد کرد که ریاضیدانان باید به جای مقاومت صرف، روی تعریف معیارهای جدیدی برای ارزیابی کیفیت اثبات‌ها تمرکز کنند؛ معیارهایی که فراتر از صحت منطقی، زیبایی، قابلیت فهم و بینش‌آفرینی را نیز در نظر بگیرند.

در همین حال، گروهی از دانشگاه MIT، استنفورد و کمبریج، کارگروه مشترکی تشکیل دادند با عنوان «آینده ریاضیات در عصر هوش مصنوعی» که هدف آن بررسی راه‌های ممکن برای تطبیق برنامه‌های آموزشی و ساختارهای پژوهشی با واقعیت جدید بود. این کارگروه در گزارش اولیه خود، پیشنهادهایی جسورانه ارائه کرد: از جمله آموزش اجباری Lean و سایر سیستم‌های اثبات رسمی به دانشجویان دکتری، ایجاد درس‌های جدید با عنوان «اخلاق در همکاری با هوش مصنوعی»، و حتی بازتعریف معیارهای ارتقاء و استخدام اعضای هیئت علمی به گونه‌ای که کیفیت سؤالات پرسیده‌شده را بیش از تعداد اثبات‌های تولیدشده ارزیابی کند.

یکی از جنبه‌های جالب این بحران، تأثیر آن بر نشریات علمی بود. مجلات معتبری مانند Annals of Mathematics و Journal of the American Mathematical Society، برای اولین بار با معضل پذیرش یا رد مقالاتی روبرو شدند که بخش‌هایی از اثبات آن‌ها توسط هوش مصنوعی تولید شده بود. آیا باید چنین مقالاتی را رد کرد؟ آیا باید افشای کامل درباره استفاده از AI الزامی باشد؟ و مهم‌تر از همه، چگونه می‌توان کیفیت علمی چنین اثباتی را ارزیابی کرد؟ این پرسش‌ها، به بحث‌های طولانی در هیئت‌های تحریریه منجر شد و برخی از نشریات تصمیم گرفتند سیاست‌های جدیدی تدوین کنند که به‌صراحت استفاده از AI را تنظیم کند.

همزمان، صنعت تکنولوژی نیز دچار تحولی شد. برخی از کارمندان OpenAI که خود پیش‌تر ریاضیدان بودند، در مقالات و مصاحبه‌های ناشناس، ابراز نگرانی کردند که شرکت بیش از حد بر سرعت و تعداد نتایج تمرکز دارد و کیفیت و اخلاق در اولویت دوم قرار گرفته است. یکی از این منابع ناشناس به MIT Technology Review گفت: «در داخل شرکت، فشار زیادی وجود دارد که هر چه سریع‌تر نتایج بیشتری منتشر شود. حتی اگر بدانیم که جامعه علمی آمادگی بررسی آن‌ها را ندارد.» این افشاگری‌ها، به شکاف درونی در خود OpenAI اشاره داشت؛ جایی که تیم‌های تحقیقاتی با فشارهای تجاری و بازاریابی دست‌وپنجه نرم می‌کردند.

در میان این آشوب، نکته‌ای که کمتر به آن پرداخته شد، تأثیر این بحران بر تصویر عمومی از ریاضیات بود. برای دهه‌ها، ریاضیات به‌عنوان معیاری از استدلال خالص انسانی و اوج دستاوردهای فکری بشر شناخته می‌شد. حالا برای اولین بار، عموم مردم شاهد بودند که ماشین‌ها می‌توانند در این قلمرو نیز برتری پیدا کنند. این واقعیت، پرسش‌های فلسفی عمیقی درباره ماهیت هوش، خلاقیت و ارزش کار انسانی را مطرح کرد. اگر حتی ریاضیات محض نیز می‌تواند توسط الگوریتم‌ها فتح شود، پس کدام حوزه از دانش انسانی ایمن است؟

این پرسش‌ها، فراتر از جامعه علمی، در رسانه‌های عمومی و شبکه‌های اجتماعی نیز بازتاب یافت. برخی از کاربران توییتر با لحنی طنزآمیز اما تلخ می‌نوشتند: «حالا که هوش مصنوعی می‌تواند ریاضیات کند، چه کاری برای ما باقی مانده؟» اما در میان این واکنش‌های عاطفی، صداهای روشن‌بینانه‌تری نیز شنیده می‌شد که تأکید داشتند هوش مصنوعی هرگز نمی‌تواند جایگزین کنجکاوی، شگفتی و جستجوی معنا در انسان شود. ریاضیات صرفاً مجموعه‌ای از اثبات‌ها نیست؛ بلکه فرآیندی زنده، پویا و عمیقاً انسانی از کشف است. و این بُعد انسانی، چیزی است که هیچ الگوریتمی نمی‌تواند تقلید کند.

یکی دیگر از جنبه‌های این بحران که کمتر مورد توجه قرار گرفت، تأثیر آن بر کشورهای در حال توسعه و جوامع علمی کوچک‌تر بود. در حالی که دانشگاه‌های نخبه در آمریکا و اروپا منابع و امکانات لازم برای همکاری با هوش مصنوعی را دارند، بسیاری از ریاضیدانان در آفریقا، آمریکای لاتین و بخش‌هایی از آسیا دسترسی محدودی به این فناوری‌ها دارند. این موضوع می‌تواند شکاف موجود میان شمال و جنوب جهان را در حوزه علم حتی عمیق‌تر کند. اگر تنها دانشگاه‌های ثروتمند بتوانند از قدرت هوش مصنوعی بهره ببرند، عدالت علمی به‌شدت به خطر می‌افتد.

در همین راستا، برخی از سازمان‌های بین‌المللی مانند اتحادیه بین‌المللی ریاضیات (IMU) پیشنهاد کردند که دسترسی به ابزارهای هوش مصنوعی پیشرفته باید به‌عنوان یک «کالای عمومی علمی» تلقی شود و دولت‌ها و نهادهای بین‌المللی باید منابعی را برای دموکراتیزه کردن این دسترسی اختصاص دهند. این پیشنهاد هنوز در مراحل ابتدایی است، اما نشان می‌دهد که جامعه علمی به‌تدریج در حال درک ابعاد جهانی این بحران است.

نکته دیگری که شایان ذکر است، واکنش سایر شرکت‌های بزرگ فناوری است. Google DeepMind و Anthropic که هر دو رقیب مستقیم OpenAI محسوب می‌شوند، با احتیاط بیشتری در این زمینه عمل کرده‌اند. Anthropic به‌ویژه، پس از مشاهده واکنش‌های منفی به انتشارهای OpenAI، سیاست جدیدی اعلام کرد مبنی بر اینکه هر نتیجه ریاضی مهمی که توسط مدل‌های آن تولید می‌شود، حداقل شش ماه پیش از انتشار عمومی، برای بررسی در اختیار یک کمیته مستقل از ریاضیدانان قرار خواهد گرفت. این رویکرد، اگرچه کندتر است، اما احترام بیشتری به فرآیندهای سنتی علمی نشان می‌دهد و ممکن است الگویی برای سایر شرکت‌ها شود.

همچنین، برخی از دانشگاه‌ها شروع به ایجاد «آزمایشگاه‌های همکاری انسان-هوش مصنوعی» کرده‌اند؛ فضاهایی که در آن ریاضیدانان انسانی و سیستم‌های AI به‌صورت شانه به شانه روی مسائل کار می‌کنند. هدف این آزمایشگاه‌ها، یافتن روش‌هایی است که در آن هر دو طرف از نقاط قوت یکدیگر بهره ببرند: انسان‌ها با بینش مفهومی و خلاقیت خود، و AI با قدرت محاسباتی و سرعت. نتایج اولیه از این آزمایش‌ها امیدوارکننده بوده و نشان داده که همکاری واقعی می‌تواند به نتایجی برتر از کار مستقل هر یک از طرفین منجر شود.

نتیجه‌گیری؛ راه پیش رو میان تسریع و احترام

ماجرای ۷۲۲ مخطوطه OpenAI، بیش از یک جنجال علمی صرف است. این رویداد نشان می‌دهد که در عصر هوش مصنوعی، چگونه مرزهای میان پیشرفت تکنولوژیک و ارزش‌های بنیادین علم می‌تواند به سرعت محو شود. وقتی یک مدل AI در چند ساعت به نتایجی می‌رسد که انسان‌ها سال‌ها برای آن تلاش کرده‌اند، تعریف موفقیت علمی دچار ابهام می‌شود. آیا موفقیت در رسیدن سریع به پاسخ است، یا در فهم عمیق مسیری که به آن پاسخ منتهی شده؟

جامعه ریاضی با تشکیل AGMAI، نامه سرگشاده ۲۵ برنده مدال فیلدز و بحث‌های گسترده در کنفرانس‌ها و نشریات، نشان داده است که حاضر به تسلیم شدن بی‌قید و شرط در برابر موج هوش مصنوعی نیست. آن‌ها می‌خواهند که علم همچنان فضایی برای همکاری انسانی، تبادل بینش و احترام به کار یکدیگر باقی بماند. اما در عین حال، نمی‌توان از قدرت و پتانسیل هوش مصنوعی برای حل مسائلی که تا کنون دست‌نیافتنی بوده‌اند، چشم‌پوشی کرد.

راه پیش رو، یافتن تعادلی است میان «تسریع» و «احترام». هوش مصنوعی می‌تواند و باید ابزاری برای پیشبرد علم باشد، اما نه به قیمت تخریب ساختار اجتماعی، اخلاقی و فرهنگی آن. این تعادل نیازمند گفتگوی مستمر، شفافیت بیشتر از سوی شرکت‌های فناوری و ایجاد چارچوب‌های نظارتی قوی است. شاید سال‌ها طول بکشد تا به چنین توازنی برسیم، اما اگر این بحران چیزی به ما آموخت، این است که دیگر نمی‌توان منتظر ماند و امیدوار بود که مسائل خودبه‌خود حل شوند.

در نهایت، آینده علم در دستان انسان‌ها است، نه ماشین‌ها. و این درس بزرگی است که از ماجرای ۷۲۲ مخطوطه OpenAI می‌توان آموخت: هوش مصنوعی می‌تواند محاسبه کند، اما تنها انسان‌ها می‌توانند معنا بسازند.