تیم گاورز»، برنده مدال فیلدز، در واکنش به این دستاورد می‌‌گوید: «تردیدی نیست که حل این مسئله یک نقطه‌عطف در ریاضیات مبتنی‌بر هوش مصنوعی است. اگر یک انسان این مقاله را می‌نوشت و برای نشریه Annals of Mathematics ارسال می‌کرد و از من خواسته می‌شد نظر سریعی بدهم، بدون هیچ تردیدی آن را برای پذیرش توصیه می‌کردم؛ تاکنون هیچ اثبات دیگری از سوی هوش مصنوعی به چنین سطحی نزدیک نشده است.» این مدل با استفاده از ساختارهایی الهام‌گرفته از «اعداد گاوسی» (نوعی اعداد مختلط با بخش‌های صحیح که در تحلیل تقارن‌های هندسی کاربرد دارند) و بهره‌گیری از مفاهیمی مانند «نظریه گولد–شافارویچ» (Golod–Shafarevich ابزاری در جبر پیشرفته که برای مطالعه ساختار میدان‌های عددی و تقارن‌های پیچیده کاربرد دارد) نوعی تقارن غنی‌تر میان نقاط ایجاد کرده و در نتیجه به خانواده‌ای بی‌نهایت از چیدمان‌ها رسیده که تعداد جفت‌نقاط با فاصله ۱ در آنها از ساختارهای مبتنی بر شبکه مربعی بیشتر است.ریاضی‌دانان بزرگ نظر هوش مصنوعی را تأیید کرده‌اند بااین‌حال، به نظر می‌رسد OpenAI این بار با احتیاط بیشتری عمل کرده است. این شرکت هم‌زمان با انتشار این خبر، یادداشت‌هایی از ریاضی‌دانان برجسته‌ای نظیر «نوگا آلون»، «ملانی وود» و «توماس بلوم» هم منتشر کرده که صحت این اثبات را تأیید می‌کنند. سازنده ChatGPT تأکید کرده که این نخستین‌باری است که یک هوش مصنوعی به‌طور مستقل مسئله‌ای برجسته و کلیدی را در یکی از شاخه‌های ریاضیات حل می‌کند. نکته قابل‌توجه اینکه این اثبات توسط یک مدل استدلالی «همه‌منظوره» صورت گرفته، نه سیستمی که به‌طور خاص برای حل مسائل ریاضی برنامه‌ریزی شده باشد #برادران @math_qom

انجمن علمی دانشجویی ریاضی دانشگاه شهید مدنی آذربایجان با همکاری شورای اجرایی مجمع انجمن‌های علمی دانشجویی دانشگاه برگزار می‌کند: ⚡️کارگاه آموزشی طراحی پوستر با استفاده از نرم‌افزار کورل⚡️ 🔹مدرس:جناب آقای معین کمالی‌راد(دارای 3سال سابقه کار، طراح پوستر و لوگو) 🔹به همراه ارائه گواهی معتبر 🔹تعداد جلسات، 14جلسه می‌باشد. 🔹جهت ثبت‌نام می‌توانید به آیدی زیر در ایتا، بله و روبیکا مراجعه فرمایید: آقای احمدوندی: @alllooo1 🔹مهلت ثبت‌نام تا 1خرداد 1405 🔹شروع کارگاه از 2خرداد 1405 ساعت17 بصورت آنلاین(روزهای زوج) در بستر اسکای روم 🔹فایل تدریس بعد از کلاس در اختیار شرکت کنندگان قرار خواهد گرفت. 🔹هزینه ثبت‌نام:دانشجویان فعال فرهنگی دانشگاه شهید مدنی آذربایجان:رایگان سایر دانشجویان:50هزار تومان آزاد:100هزار تومان ♻️ با ما همراه باشید 🆔@Math_ASMU 🆔 @EC_ASMU 🆔 @anjomanelmi_ASMU

انجمن پژوهشگران جوان دانشگاه قم با همکاری دانشکده علوم پایه دانشگاه قم و انجمن‌های علمی برگزار می‌نماید: 💥 کارگاه یافتن نشریه و چاپ مقاله 💥 مدرس: علی رضا آقا دبیر انجمن علمی پژوهشگران جوان 😍 رایگان 😍 ⏳ یکشنبه - 3 خرداد 1405 🕔 ساعت 17 الی 19 🌐 آنلاین در بستر ادوب کانکت 🔖 با ارائه گواهی معتبر دانشگاه قم سرفصل مطالب 🔹یافتن نشریه و مجله علمی 🔹یافتن همایش یا کنفرانس 🔹آشنایی با قالب نشریه یا کنفرانس 🔹روند ارسال و سابمیت مقاله جهت ثبت نام به لینک زیر مراجعه نمایید: https://survey.porsline.ir/s/v20kYuBt کانال انجمن پژوهشگران جوان دانشگاه قم در ایتا و بله @pazhoheshqom در صورت بروز مشکل یا سوال به آیدی @aliraza_researcher پیام دهید.

✨همگام با قله‌های علم و فناوری در دانشگاه قم پژوهشگران و دانشجویان گرامی 👩‍🔬👨‍🎓 معاونت پژوهشی و فناوری دانشگاه قم برای دسترسی سریع و آسان شما به تازه‌ترین فراخوان‌های پژوهشی، رویدادهای علمی، فرصت‌های حمایتی و دستاوردهای فناورانه در کنار شماست 🔬✨ برای اطلاع از به‌روزترین اخبار علمی دانشگاه قم، ما را در بسترهای زیر دنبال کنید 👇 🌐 سایت معاونت پژوهشی 🌍 research.qom.ac.ir 📱 کانال‌های ما در شبکه‌های اجتماعی 📡 🔹 بله 💬 ble.ir/qomresearch 🔸 ایتا 📢 eitaa.com/Qomresearch 🔹 روبیکا 📱 rubika.ir/qomresearch #دانشگاه_قم #معاونت_پژوهشی #پژوهش #فناوری #نوآوری #رویداد_علمی

جناب آقای دکتر عباسی مدیر محترم گروه ریاضی انتخاب شایسته جنابعالی به عنوان مدیر گروه آموزشی نمونه دانشکده علوم پایه را صمیمانه به شما تبریک عرض نموده و دوام توفیقات شما را در تمامی عرصه‌های علمی و مدیریتی از درگاه خداوند متعال خواستاریم. انجمن علمی ریاضی دانشگاه قم #انجمن_ریاضیات_دانشگاه_قم @math_qom

💠 نحوه برگزاری امتحانات تمامی مقاطع تحصیلی دانشجویان دانشگاه قم 📌بر اساس آخرین ابلاغیه وزارت علوم، تحقیقات و فناوری، امتحانات پایانی مقاطع تحصیلات تکمیلی شامل کارشناسی ارشد و دکتری، مطابق با تقویم امتحانات ثبت‌شده (برنامه امتحانی جدید از تاریخ ۱۲ خرداد‌ماه قابل برداشت می‌باشد) در سامانه بهستان، به صورت #حضوری برگزار خواهد شد. 📌امتحانات مقطع کارشناسی بر اساس تصمیمات کارگروه مدیریت استانی آموزش عالی، به صورت مجازی و مطابق با زمان‌بندی درج‌شده در تقویم امتحانات، در سامانه #مجازی دانشگاه قم (ou) برگزار می‌گردد. 🔰 از کلیه دانشجویان گرامی درخواست می‌شود ضمن توجه به تاریخ و ساعت و مکان برگزاری هر آزمون، در زمان مقرر در محل امتحان حضوری یا سامانه مجازی مربوطه حضور داشته باشند. 🔸مدیریت خدمات آموزشی 🆔 @QomUniChannel | @QomUniGroup 🎓 QₒₘᵤₙᵢGᵣₒᵤₚ

مرز باریک محاسبه و نبوغ؛ چرا مهارت در ریاضیات به‌معنای رسیدن هوش مصنوعی به AGI نیست؟ دمیس هاسابیس، مدیرعامل دیپ‌مایند گوگل، در برابر هیاهوی اخیر پیرامون دستاوردهای هوش مصنوعی در زمینه‌ی ریاضیات موضع‌گیری کرد. او استدلال می‌کند که حل مسائل پیچیده از مجموعه‌ی «اِردوش»، هر چقدر هم که شگفت‌انگیز باشد، نشانه‌ای از ظهور هوش جامع مصنوعی (AGI) نیست. هاسابیس در پادکست Big Technology تاکید کرد که استاندارد رسیدن به AGI بسیار بالاست و صرفا به درخشش در چالش‌های خاص و از پیش تعریف‌شده محدود نمی‌شود. او در این مصاحبه گفت: سیستم‌های امروزی از نظر من هیچ شباهتی به AGI ندارند. مهم نیست چند مسئله‌ی اردوش را حل کنید... به اعتقاد من، این مدل‌ها هنوز با یک اختراع واقعی یا کاری که نابغه‌ای مثل رامانوجان می‌توانست انجام دهد، فاصله‌ی بسیار زیادی دارند.

هاسابیس در ادامه افزود که AGI نیازمند خلاقیتی گسترده در حوزه‌های مختلف است؛ سیستمی که بتواند علاوه‌بر حل مسائل موجود، فرضیه‌ها و حدسیات کاملا جدیدی خلق کند و از هوش فیزیکی نیز برخوردار باشد. مفهوم مسائل اردوش و نقش AI در حل آن‌ها پل اردوش (Paul Erdős)، ریاضیدان نامدار مجارستانی، در طول عمر خود صدها حدس ریاضی را مطرح کرد. این معماهای حل‌نشده در ظاهر، صورت‌مسئله‌ی بسیار ساده و قابل‌فهمی دارند؛ اما اثبات و حل کردنشان به‌شدت پیچیده است و چندین دهه، ذهن نوابغ ریاضی را درگیر کرده‌اند. در دنیای آکادمیک، حل کردن حتی یکی از معماهای اردوش، دستاوردی تاریخی محسوب می‌شود. در مدت اخیر، سیستم‌های هوش مصنوعی توانستند در حل معماهای تاریخی اردوش گام‌های بسیار بزرگی بردارند. در خط مقدم این پیشرفت‌ها، تیم دیپ‌مایند گوگل، دستیار محققِ ریاضی برپایه‌ی مدل جمنای توسعه داد که توانست به‌صورت کاملا خودکار، راه‌حل‌ها و اثبات‌های منطقی و رسمی دقیقی برای چند مورد از معماهای قدیمی اردوش پیدا کند. شگفتی اصلی چند روز پیش توسط OpenAI رقم خورد؛ زمانی که یکی از مدل‌های داخلی این شرکت موفق شد «حدس فاصله‌ی واحد اردوش» را که اولین بار در سال ۱۹۴۶ مطرح شده بود، پس از ۸۰ سال رسما نقض کند.

برای نزدیک به هشت دهه، ریاضیدانان تصور می‌کردند که با اضافه‌شدن نقاط جدید، تعداد جفت‌نقطه‌های هم‌فاصله با یک شیب تقریبا ثابت و خطی، متناسب با تعداد کل نقاط (n نقطه) افزایش می‌یابد؛ اما مدل OpenAI با خلق چیدمان‌های هندسی کاملا جدیدی از نقاط نشان داد که این الگو اصلا خطی نیست؛ بلکه رشد آن به‌مراتب سریع‌تر و پیچیده‌تر است و در قالب یک چندجمله‌ای به‌صورت n به‌توان (1+delta) برای مقادیر delta>0 تعریف می‌شود. به بیان ساده‌تر، هوش مصنوعی توانست بی‌نهایت مثال نقض برای باوری پیدا کند که ریاضیدانان ۸۰ سال به آن مطمئن بودند و نتوانسته بودند خلافش را ثابت کنند. این دستاورد به‌قدری خیره‌کننده بود که چهره‌های سرشناس ریاضیات جهان، از جمله ترنس تائو، برنده‌ی مدال فیلدز، کدهای آن را بررسی و صحتش را تایید کردند؛ بنابراین هوش مصنوعی اکنون می‌تواند در فضاهای بی‌نهایت ریاضی استدلال کند و ساختارهایی را ببیند که دهه‌ها از چشم تیزبین‌ترین انسان‌ها پنهان مانده بود. با وجود دستاورد تاریخی OpenAI، آیا این موفقیت بی‌نظیر به‌معنای نزدیک‌شدن ماشین به درک شهودی است؟ منتقدان باور دارند که عملکرد هوش مصنوعی در حل چنین معماهایی، بیش از آنکه شبیه به شهود اصیل انسانی باشد، حاصل قدرت پردازش عظیم و الگوریتم‌های جست‌وجوی بی‌وقفه در میان میلیاردها حالت ممکن است. ریاضیات یک محیط کاملا قطعی و فرموله‌شده است که در آن، پاسخ‌ها با ابزارهای اثبات‌گر رسمی به‌سرعت اعتبارسنجی می‌شوند؛ اما AGI واقعی باید بتواند در دنیای پرآشوب، پر از نویز و داده‌های ناقص دنیای واقعی، مانند تعاملات پیچیده‌ی انسانی یا اقتصاد استدلال کند؛ محیطی که برخلاف فضای انتزاعی ریاضی، در آن پاسخ درست یا غلط مطلقی وجود ندارد.

رویکرد هاسابیس و تاکید او بر هوش فیزیکی، مفهوم مهمی در علوم کامپیوتر به‌نام «پارادوکس موراوِک» را به یاد می‌آورد؛ اصلی که نشان می‌دهد حل پیچیده‌ترین مسائل انتزاعی ریاضی برای ماشین‌ها، بسیار ساده‌تر از درک دینامیک فیزیکی یک محیط و کنترل حرکت یک بازوی مکانیکی برای تا کردن یک لباس است. صحبت‌های هاسابیس درست در بحبوحه‌ی یک دوگانگی بزرگ در دنیای فناوری مطرح می‌شود؛ در نقطه‌ی مقابل او، چهره‌هایی مانند سم آلتمن، مدیرعامل OpenAI قرار دارند که معتقدند همین مقیاس‌پذیری و حل مسائل سخت، جرقه‌هایی از استدلال عمومی است که ماشین را به AGI می‌رساند. در سوی دیگر، یان لکان، دانشمند ارشد هوش مصنوعی متا، دیدگاهی همسو با هاسابیس دارد. لکان تأکید می‌کند که مدل‌های زبانی فعلی فاقد یک «مدل جهانی» برای درک فیزیک پایه هستند و جست‌وجوی کورکورانه در میان داده‌ها، نمی‌تواند جایگزین درک واقعی از جهان شود. از دیدگاه هاسابیس، سیستم‌های فعلی صرفا ابزارهایی شگفت‌انگیز هستند که هنوز با استاندارد هوش واقعی فاصله‌ی زیادی دارند. او پیش‌بینی می‌کند که احتمالا ۵ تا ۱۰ سال دیگر زمان لازم است تا به AGI واقعی برسیم؛ هدفی که برای تحقق آن، هوش مصنوعی باید بتواند از پس کارهایی مثل استدلال عمیق، یادگیری پیوسته، تشکیل حافظه‌ی بلندمدت و از همه مهم‌تر، خلق فرضیه‌های علمی کاملا جدید برآید.

البته نباید از یک پرسش فلسفی به‌نام «اثر هوش مصنوعی» نیز غافل شد. تاریخ نشان داده است که هر بار ماشین‌ها دستاورد بزرگی رقم می‌زنند؛ از شکست‌دادن گری کاسپاروف در شطرنج تا حل معمای ۸۰ ساله‌ی اردوش، ما انسان‌ها تمایل داریم تعریف هوشمندی را تغییر دهیم و خط پایان را جابه‌جا کنیم تا برتری خود را حفظ کنیم. حالا باید دید آیا سرعت سرسام‌آور پیشرفت‌ها در سال‌های ۲۰۲۵ و ۲۰۲۶ می‌تواند شکاف موجود را زودتر از حد تصور پر کند، یا در نهایت حق با هاسابیس خواهد بود و ماشین‌ها همچنان در تقلید از جرقه‌ی اصیل خلاقیت و درک فیزیکی جهان ناتوان می‌مانند. لینک خبر : https://www.zoomit.ir/ai-articles/460228-demis-hassabis-ai-math-erdos-breakthroughs-not-agi/ #برادران @math_qom