این مسئله که نخستین بار در سال ۱۹۴۶ مطرح شد، به دنبال پاسخ به پرسشی ظاهراً ساده است: چگونه می‌توان تعداد دلخواهی نقطه را روی یک صفحه دوبعدی قرار داد، به‌گونه‌ای که تعداد جفت نقاط با فاصله دقیقاً یک واحد از یکدیگر به حداکثر برسد؟
هوش مصنوعی فرضیه قدیمی را به چالش کشید
در دهه‌های گذشته، بسیاری از ریاضیدانان، از جمله پاول اردوش، ریاضیدان برجسته مجارستانی که این مسئله به نام او شناخته می‌شود، تصور می‌کردند چیدمان نقاط در قالب شبکه‌هایی با فاصله‌گذاری منظم می‌تواند بهترین نتیجه را ایجاد کند.
بااین‌حال، این روش محدودیت‌هایی دارد؛ زیرا ساختار شبکه تعداد جفت نقاطی را که می‌توانند دقیقاً یک واحد از یکدیگر فاصله داشته باشند، محدود می‌کند. بر اساس ادعای OpenAI، یکی از مدل‌های استدلالی این شرکت با استفاده از ابزارهای پیشرفته نظریه اعداد جبری، توانسته است چیدمانی متفاوت ارائه کند که تعداد جفت‌های واجد شرایط در آن به‌طور قابل‌توجهی بیشتر است.
این دستاورد به معنای حل کامل مسئله نیست. همچنان روشی قطعی برای تعیین حداکثر تعداد جفت نقاط با فاصله واحد، برای هر تعداد دلخواه نقطه، در اختیار ریاضیدانان قرار ندارد.
واکنش مثبت ریاضیدانان به پیشرفت جدید
این پیشرفت با واکنش مثبت برخی متخصصان ریاضی روبه‌رو شده است. ملانی مچت وود، استاد ریاضیات دانشگاه هاروارد، معتقد است انتشار اثبات جدید می‌تواند توجه بیشتری را به این مسئله جلب کند و زمینه را برای تحقیقات و پیشرفت‌های بعدی فراهم آورد.
در واقع، حتی اگر روش ارائه‌شده پاسخ نهایی مسئله نباشد، یافتن یک چیدمان بهتر می‌تواند مسیرهای تازه‌ای برای بررسی یکی از پرسش‌های قدیمی ریاضیات باز کند.
تردیدها درباره ادعاهای ریاضی هوش مصنوعی
با وجود اهمیت احتمالی این دستاورد، بررسی مستقل اثبات ارائه‌شده همچنان ضروری است. شرکت‌های هوش مصنوعی برای توسعه و نگهداری مدل‌های خود هزینه‌های زیادی می‌پردازند و معرفی توانایی‌های چشمگیر این فناوری‌ها می‌تواند به افزایش اعتبار و توجه عمومی به محصولاتشان کمک کند.
پیش‌تر نیز OpenAI ادعا کرده بود مدل‌هایش ۱۰ مسئله دیگر از مسائل اردوش را حل کرده‌اند؛ اما بررسی‌ها نشان داد در برخی موارد، مدل صرفاً راه‌حل‌هایی را پیدا کرده بود که پیش‌تر توسط ریاضیدانان ارائه شده بودند. بنابراین، میان کشف یک راه‌حل تازه و بازیابی راه‌حلی موجود تفاوت مهمی وجود دارد.
این موضوع یادآور محدودیت مدل‌های زبانی بزرگ است. چنین مدل‌هایی می‌توانند در حجم گسترده‌ای از اطلاعات جست‌وجو کنند، الگوها را شناسایی کنند و به ارائه ایده‌های تازه کمک کنند؛ اما خروجی آن‌ها لزوماً درست نیست و ادعاهایشان باید با روش‌های علمی و بررسی متخصصان ارزیابی شود.
در نتیجه، ارزش واقعی دستاورد جدید OpenAI به میزان اعتبار اثبات ریاضی و تأیید مستقل آن بستگی دارد. اگر این اثبات از آزمون‌های دقیق متخصصان سربلند بیرون بیاید، می‌تواند نمونه‌ای مهم از نقش هوش مصنوعی در پیشبرد پژوهش‌های بنیادی باشد.
