مختبرات الذكاء الاصطناعي الحدّي تعلن دحض فرضية الزمن الأسي في علوم الحاسوب

أعلنت مختبرات الذكاء الاصطناعي الحدّي OpenAI وAnthropic أن نماذجها ساعدت في دحض فرضية الزمن الأسي، وهي افتراض طويل الأمد في نظرية التعقيد الحاسوبي، في تطور وصفه خبراء المجال بأنه قد يفتح نقاشاً جديداً حول حدود البحث الرياضي بمساعدة الذكاء الاصطناعي. جاء الإعلان بعد أن نشرت OpenAI في أواخر أكتوبر 2026 حلولاً لثلاث مسائل رياضية عالقة منذ زمن طويل، كانت إحداها تتعلق مباشرة بدحض هذه الفرضية. وبعد ساعات قليلة من الإعلان، نشرت Anthropic بدورها دحضاً خاصاً بها للفرضية نفسها على موقع GitHub.

ولم يمرّ إعلان OpenAI دون تساؤلات؛ فقد أشار الرياضي ليفنت ألبوغه، الباحث في Anthropic، إلى أن حلول OpenAI تستند في جزء منها إلى أعمال سابقة منشورة. ومع ذلك، اختارت كل شركة نهجاً مختلفاً في طريقة الإفراج عن نتائجها بحسب طبيعة التخصص. فبالنسبة إلى علماء الرياضيات، نُشرت الأعمال مباشرة على GitHub. أما علماء الحاسوب، فشكّلوا مجموعة عمل خاصة طالبت بنشر البراهين علناً، وطلبت من OpenAI تمويل مؤتمر علمي لمناقشة النتائج. وفي الوقت نفسه، شكّل الفيزيائيون مجموعة عمل أخرى لتحديد كيفية الإفراج عن نتيجتهم الخاصة.

وتولّى البروفيسور رايان ويليامز من معهد ماساتشوستس للتكنولوجيا تنظيم استجابة مجتمع علوم الحاسوب لهذا الحدث. وكان ويليامز قد وصف في وقت سابق إصدار OpenAI لبراهينها في أكتوبر بأنه "هجوم حرمان من الخدمة على علماء الرياضيات"، في إشارة إلى الكمية الهائلة من المواد التي يتعين على الباحثين مراجعتها دفعة واحدة. ومع ذلك، وافق على التعاون مع الشركة. وقد طلبت OpenAI من ويليامز، وكذلك من راسل إمباليازو من جامعة كاليفورنيا في سان دييغو، وراماموهان باتوري، الذي نشر فرضية الزمن الأسي للمرة الأولى عام 1999، المساعدة في تفسير النتائج. وقد أصدرت هذه المجموعة رسالة مفتوحة تطلب فيها آراء الباحثين وتفتح نقاشاً حول المعايير التي ينبغي اعتمادها لتقييم مساهمات الذكاء الاصطناعي في البحث العلمي.

لفهم أهمية هذا الاكتشاف، يجدر التوقف عند مسألة P مقابل NP، التي تُعدّ من أعمق الأسئلة المفتوحة في علوم الحاسوب. تتساءل هذه المسألة عما إذا كانت كل مسألة يمكن التحقق من صحة حلها بسرعة يمكن أيضاً حلّها بسرعة، بحيث يسهل التحقق منها بنفس سهولة إيجادها. ويُستشهد غالباً بلعبة سودوكو كمثال توضيحي: فالتحقق من صحة حل جاهز أمر سهل، في حين أن إيجاد الحل من الصفر قد يكون بالغ الصعوبة. ويفترض معظم الباحثين أن الفئتين غير متكافئتين، أي أن P لا تساوي NP.

وتأتي فرضية الزمن الأسي كدليل داعم لهذا الافتراض، فهي تقول إن أفضل الخوارزميات المعروفة لحل فئة معينة من مسائل الإرضاء المنطقي الصعبة تحتاج وقتاً يتزايد بمعدل أسي مع تزايد حجم المسألة، أي أن تسريعها بشكل جوهري أمر غير ممكن. وما أعلنت عنه مختبرات الذكاء الاصطناعي هو أن نماذجها عثرت على خوارزميات "دون أسية" لحل هذه المسائل، وهو ما يتعارض مباشرة مع فرضية الزمن الأسي. ويرى ويليامز أن هذه النتيجة قد تُضعف الحدس السائد لدى الباحثين بشأن مدى صعوبة حلّ مسائل عسيرة من فئة NP، لكنه يشك في أن تكون الخوارزمية التي توصلت إليها OpenAI هي الأفضل الممكنة من الناحية النظرية.

وتترتب على هذا الدحض تداعيات عملية واسعة، إذ تستند أعداد كبيرة من الأبحاث المنشورة في نظرية التعقيد الحاسوبي إلى فرضية الزمن الأسي، وهو ما يعني أن هذه الأبحاث قد تحتاج إلى مراجعة في ضوء النتيجة الجديدة. ومن الأسئلة المحورية التي طرحها ويليامز على دان روبرتس، قائد الأبحاث العلمية في OpenAI، ما إذا كانت هذه النتيجة قد تُضعف أياً من الأنظمة التشفيرية المستخدمة حالياً لحماية البيانات والاتصالات، بما أن أمان كثير من تلك الأنظمة يعتمد على صعوبة حل مسائل مشابهة. وأفادت OpenAI بأنها فحصت هذا الجانب بدقة، وأنها واثقة بدرجة معقولة من أن النتيجة لا تُهدد الأنظمة التشفيرية القائمة.

يمتد أثر هذا الاكتشاف نحو الباحثين العرب في علوم الحاسوب والرياضيات، وهو مجال يشهد نمواً ملحوظاً في مؤسسات كاوست وجامعة الملك عبدالعزيز والجامعة الأمريكية في القاهرة. والأهم من الجانب التطبيقي أن منظومة التشفير المستخدمة في القطاع المصرفي الخليجي ومنصات الدفع الإلكتروني والحكومة الرقمية في دول المنطقة تستند إلى افتراضات في نظرية التعقيد الحاسوبي قريبة مما دحضته هذه الدراسة. ويستلزم ذلك من المتخصصين في الأمن السيبراني العربي متابعة حثيثة لتداعيات هذا الاكتشاف والتحقق من سلامة الخوارزميات التشفيرية المعتمدة في بنيتهم الرقمية.

وعلى الرغم من هذه المخاوف التقنية، عبّر ويليامز عن تفاؤله العام تجاه دور الذكاء الاصطناعي في دفع عجلة البحث العلمي، مشيراً إلى أن هذه الأدوات تدفع الباحثين إلى طرح أسئلة أكثر طموحاً وتحدياً. إلا أنه أبدى في الوقت نفسه قلقه بشأن كيفية تدريب الجيل القادم من العلماء في بيئة يصبح فيها الذكاء الاصطناعي الحدّي شريكاً فاعلاً في إنتاج البراهين الرياضية وحل أعقد المسائل في علوم الحاسوب.