شرکت OpenAI در ماه‌های اخیر با ترکیبی از دستاوردهای خیره‌کننده در حوزه ریاضیات و ناتوانی در مدیریت روابط عمومی و اخلاقی، جامعه آکادمیک را در وضعیت تعلیق و بی‌اعتمادی قرار داده است. تلاش‌های اخیر این شرکت برای ترمیم روابط با تشکیل یک «گروه مشاوره ریاضی» با حضور نخبگان، به جای ایجاد آرامش، به دلیل فرآیندهای مبهم و شتاب‌زده، به بحث‌های داغ و جنجال‌های جدید در محافل علمی منجر شده است.
شکاف میان پیشرفت فنی و ارتباطات راهبردی
از دیدگاه مهندسی، OpenAI موفق شده است در ارزیابی‌های استدلال ریاضی (Mathematical Reasoning) به سطوح بی‌سابقه‌ای دست یابد. مدل‌های استدلالی این شرکت نه تنها قادر به حل مسائل پیچیده جبر و هندسه هستند، بلکه در استخراج گام‌به‌گام منطق اثبات نیز عملکرد خیره‌کننده‌ای نشان داده‌اند. با این حال، معضل اصلی OpenAI در «فرهنگِ شتاب» نهفته است. گزارش‌ها حاکی از آن است که این شرکت در مواجهه با جامعه ریاضی، همان الگوی رفتاری را تکرار می‌کند که در انتشار مدل‌های عمومی خود داشته است: اعلام عجولانه و بدون پیوست‌های مستند علمی دقیق.
ساختار گروه مشاوره و نقدهای وارده
ایده ایجاد یک گروه مشاوره مستقل از متخصصان ریاضی برای هدایت نقشه راه توسعه هوش مصنوعی، در نگاه اول گامی رو به جلو تلقی می‌شود. اما طبق اظهارات اعضای این گروه که با رسانه‌ها گفت‌وگو کرده‌اند، نحوه سازماندهی، فواصل زمانی جلسات و نحوه مشارکت دادن آن‌ها در پروژه‌های تحقیقاتی، «آشفته و سردرگم‌کننده» توصیف شده است. منتقدان بر این باورند که OpenAI از این نخبگان بیشتر به عنوان ابزاری برای مشروعیت‌بخشی (Validation) به محصولات خود استفاده می‌کند تا به عنوان ناظران و مشاوران واقعی در مسیر توسعه الگوریتم‌های هوش مصنوعی.
پیامدهای نفوذ هوش مصنوعی در پژوهش‌های ریاضی
پژوهش‌های ریاضیاتی که توسط مدل‌های زبانی بزرگ (LLMs) انجام می‌شوند، همواره با خطر «توهم» (Hallucination) مواجه هستند. در ریاضیات، برخلاف تولید محتوای خلاقانه، حتی کوچک‌ترین انحراف منطقی می‌تواند کل یک اثبات را بی‌اعتبار کند.
چالش‌های فنی در مدل‌های استدلالی OpenAI
- دقت منطقی: دشواری در تضمین صحت اثبات‌ها بدون استفاده از ابزارهای اثبات فرمال (Formal Proof Assistants) نظیر Lean یا Coq.
- شفافیت الگوریتمی: عدم انتشار دقیق معماری مدل‌هایی که در حل مسائل المپیادی ریاضی به کار گرفته شده‌اند.
- ساختار مدیریتی: ناهماهنگی میان بخش تحقیقات فنی و تیم‌های روابط عمومی در اعلام دستاوردهای علمی.
ضرورت تغییر پارادایم برای جامعه ریاضی
اگر OpenAI به دنبال تبدیل شدن به یک شریک واقعی برای جامعه آکادمیک است، باید از الگوی «جعبه سیاه» فاصله بگیرد. همکاری با ریاضی‌دانان نیازمند محیطی شفاف است که در آن امکان بازبینی مستقل (Independent Peer Review) فراهم باشد. در پاییز ۱۴۰۳، تقاضا برای «هوش مصنوعی قابل اعتماد» (Trustworthy AI) در حوزه‌هایی که خطای آن‌ها تبعات علمی سنگین دارد، به بالاترین حد خود رسیده است. جامعه علمی جهانی دیگر به ادعاهای بازاریابی بدون پیوست‌های فنی و داوری همتا (Peer Review) قانع نیست.
نتیجه‌گیری
OpenAI در دوراهی دشواری قرار گرفته است: یا باید به سرعتِ توسعه خود بکاهد و فرآیندهای علمی شفاف‌تری را در پیش بگیرد، یا با انزوای فزاینده در میان محققان برجسته علوم پایه روبرو شود. تداوم استفاده از نخبگان به عنوان بخشی از استراتژی برندینگ، نه تنها به بهبود روابط کمک نمی‌کند، بلکه این شرکت را در چرخه‌ای از بی‌اعتمادی قرار می‌دهد که ممکن است در آینده نزدیک، دسترسی آن‌ها به داده‌های باکیفیت علمی را محدود سازد.
