یک پیشرفت تاریخی در تقاطع هوش مصنوعی و آمار ریاضی رخ داد که میتواند دیدگاه ما درباره تواناییهای استدلالی مدلهای زبانی بزرگ را بازتعریف کند. ادگار دوبیربان (Edgar Dobriban)، دانشیار آمار در دانشکده وارتون دانشگاه پنسیلوانیا، با استفاده از GPT-5.6 Sol Pro، یک مسأله باز ۳۰ ساله را در حوزه کنترل نرخ کشف کاذب (FDR) حل کرد؛ مسألهای که نسلها از آماردانان نتوانسته بودند اثبات یا رد کنند.
از بنجامینی-هوچبرگ تا چالش دادههای همبسته
در سال ۱۹۹۵، یوآو بنجامینی و یوسف هوچبرگ روشی انتشار یافتند که امروز ستون فقرات آمار مدرن است: روش بنجامینی-هوچبرگ (BH). این روش نرخ کشف کاذب (False Discovery Rate) را کنترل میکند تا وقتی محققان هزاران فرضیه را بهصورت همزمان آزمون میکنند (مانند اسکن ژنوم برای یافتن ژنهای بیماری)، نتایج مثبت کاذب خارج از کنترل در نیایند.
بنجامینی و هوچبرگ ثابت کردند روششان برای دادههای مستقل کار میکند. اما در دنیای واقعی، دادهها اغلب همبسته (Correlated) هستند. واریانتهای ژنتیکی، برای مثال، به دلیل ارثیابی مشترک همبستگی دارند. برای دههها، کارشناسان فرض میکردند روش BH برای دادههای پیوسته، توزیع نرمال و همبسته نیز قابل اعتماد است—اما هیچکس این فرضیه را اثبات نکرده بود.
GPT-5.6 Sol Pro: ۹۰ دقیقه در برابر ۲۰ ساعت شکست
دوبیربان در یک پیشانتشار (preprint) تشریح میکند که چگونه GPT-5.6 Sol Pro یک نمونه مدل (counterexample) ساخت که در آن FDR واقعی بهصورت قابل اثبات از سطح هدف (۰.۱) فراتر میرود و به ۰.۱۰۴ میرسد. شبیهسازیهای آماری نتیجه را تأیید کردند.
- GPT-5.6 Sol Pro: ~۹۰ دقیقه برای یافتن راهحل معتبر
- GPT-5.5 (با چندین عامل/agent): >۲۰ ساعت محاسبه بدون نتیجه
دوبیربان مینویسد: «بهبود قابلیت کاملاً واقعی است. دوران هیجانانگیزی برای زندگی کردن!»
گفتگوی کامل و پرامپتها در گیتهاب منتشر شده است.
اهمیت تئوری > اهمیت عملی (در حال حاضر)
شکاف ۰.۰۰۴ (۰.۱۰۴ در برابر ۰.۱) «نسبتاً کوچک» است، بنابراین در کاربردهای عملی هنوز تأثیر چشمگیری ندارد و روش BH همچنان استاندارد طلایی میماند. اما از منظر تئوری آمار، این یک نقطه عطف است: یک حدس سنتی که ۳۰ سال دوام آورد، توسط هوش مصنوعی رد شد.
بینش انسانی یا ترکیب مجدد هوشمندانه؟
دوبیربان تأکید میکند راهحل «ترکیبی غیرمعمول از روشهای موجود» بوده، نه ابداعِ ریاضی کاملاً جدید. چالش اصلی پیدا کردن اتصال درست بین تکنیکهای شناختهشده بوده که مدل جدیدتر در آن برتری داشت. این نکته سؤال بنیادینی را به میان میکشد:
آیا مدلهای آموزشدیده روی دادههای انسانی میتوانند به دانش واقعاً نوین استدلال کنند، یا «فقط» ترکیب مجددِ هوشمندانهی دانش موجود هستند؟
ویل فیتین (Will Fithian)، آماردان دانشگاه برکلی، این نتیجه را «نشانه دیگری از پیشرفت قابلیتهای هوش مصنوعی که پیامدهای فراتر از ریاضیات خواهد داشت» خواند و افزود: «نمیتوانم برای روزهای گذشته که یک نتیجه کلیدی همیشه به معنای یک همکار برای جشن گرفتن بود، غصه نخورم.»
چه چیزی برای آینده به جا میگذارد؟
- تغییر پارادایم تحقیق: محققان میتوانند مسائله باز را به عنوان «پروژههای مشترک انسان-هوش مصنوعی» صياغة کنند.
- اعتبارسنجی سختگیرانه: هر راهحلِ تولیدشده توسط AI باید با اثبات رسمی و شبیهسازی مستقل تأیید شود—همانطور که دوبیربان کرد.
- توسعه بنچмарکهای تخصصی: نیاز به معیارهای ارزیابی مخصوص استدلال ریاضی/آماری در مدلهای زبانی.
خلاصه برای سریعخوانها
- چه اتفاقی افتاد؟ GPT-5.6 Sol Pro یک حدس ۳۰ ساله درباره روش بنجامینی-هوچبرگ را رد کرد.
- چرا مهم است؟ اولین بار یک مدل زبانی یک مسأله باز اصلی در آمار نظری را بهصورت خودکار حل میکند.
- تأثیر عملی: در حال حاضر محدود به تئوری؛ روش BH همچنان قابل اعتماد است.
- پیامد بزرگتر: نشاندهنده جهش واقعی در قابلیت استدلال ترکیبی مدلهای جدید.
آیا فکر میکنید هوش مصنوعی در آینده نزدیک بتواند ریاضیات پایه را نیز بازنویسی کند؟ دیدگاه خود را در نظرات به اشتراک بگذارید.
