GPT-5.6 Sol Ultra של OpenAI פותר השערה מתמטית בת 50 שנה

מודל ההסקה האחרון של OpenAI, ה-GPT-5.6 Sol Ultra, השיג על פי הדיווחים פריצת דרך בתורת הגרפים על ידי פתרון השערה מתמטית שנותרה פתוחה מאז שנות ה-70. באמצעות ניצול התמדה חישובית קיצונית וארכיטקטורת ריבוי-סוכנים (multi-agent architecture), המודל הפיק הוכחה מלאה תוך פחות משעה.

פתרון התעלומה בתורת הגרפים

ההשערה הנדונה עוסקת בשאלה יסודית בתורת הגרפים: האם ניתן למצוא קבוצה של מעגלים בכל רשת של קודקודים וצלעות שעוברת על כל צלע בודדת בדיוק פעמיים. בעוד שמתמטיקאים מצאו פתרונות חלקיים למקרים ספציפיים במהלך חמשת העשורים האחרונים, הוכחה כללית נותרה חמקמקה.

תומאס בלום, מתמטיקאי מאוניברסיטת מנצ'סטר, תיאר את ההוכחה כ"קצרה, אלמנטרית, ויכולה הייתה להתגלות כבר בשנות ה-80". באופן מעניין, הפתרון לא דרש המצאה של תיאוריות מתמטיות חדשות לחלוטין; במקום זאת, הוא סינתז בצורה חכמה כלים קיימים ומסגרות מתמטיות ידועות.

כוחה של התמדת המכונה

שאלה קריטית עולה: אם המתמטיקה הייתה "אלמנטרית", מדוע בני אדם נכשלו בפתרונה במשך 50 שנה? בלום מציע שהפתרון דרש תפנית קטנה ונוגדת אינטואיציה בחשיבה. מתמטיקאים אנושיים נוטים לעיתים קרובות לעקוב אחר נתיבים לוגיים שכשלו, מה שמוביל למסקנה שהבעיה אינה ניתנת לפתרון.

לעומת זאת, GPT-5.6 Sol Ultra מפגין רמה של "התמדת מכונה". הוא אינו חווה את ההטיה הקוגניטיבית של ייאוש. במקום זאת, המודל בוחן ללא הרף וריאציות מזעריות בלוגיקה ובתיוג עד שזוהה נתיב מוצלח. היכולת הזו לבצע "כוח גס" (brute-force) של פרמוטציות לוגיות ללא "כיווץ כתפיים של תבוסה" אפשרה לבינה המלאכותית לעקוף את מחסומי המחשבה שעצרו חוקרים אנושיים.

הנדסת פרומפטים מתקדמת וארכיטקטורת ריבוי-סוכנים

ההצלחה של Sol Ultra לא הייתה רק תוצאה של אינטליגנציה גולמית, אלא של הנדסת פרומפטים מתוחכמת ביותר. כדי להבטיח שהמודל לא יבחר כברירת מחדל ב-"אני לא יודע", החוקרים השתמשו בסדרה של הנחיות מחמירות:

  • הנחת יסוד כפויה: הפרומפט אילץ את המודל להניח שקיימת הוכחה מלאה, מה שמנע ממנו לטעון שההשערה אינה נפתרה.
  • בידוד מידע: נאסר על המודל לחפש באינטרנט כדי לוודא אם הבעיה כבר נפתרה.
  • בדיקה אדברסרית של ריבוי-סוכנים: נעשה שימוש במערכת של 64 סוכנים. רבים מהם הוחזקו "בחושך" לגבי הגישה הלוגית שעבדה כדי להבטיח חשיבה עצמאית, בעוד שסוכנים אדברסריים (adversarial agents) בחנו הוכחות מועמדות לאיתור שגיאות ספציפיות, כגון זיהוי שגוי של מסלולים סגורים.

הוויכוח על יצירתיות של בינה מלאכותית וציטוטים

פריצת הדרך הציתה מחדש את הוויכוח בשאלה האם מודלי שפה גדולים (LLMs) הם באמת "יצירתיים" או פשוט משלבים מחדש ידע קיים בצורה מתוחכמת. בלום ציין כי הרעיונות המרכזיים בהוכחה מקורם במאמר משנת 1983 מאת Bermond, Jackson, ו-Jaeger. הוא מתח ביקורת על OpenAI על כך שלא ציינה עבודה קודמת זו, וציין כי מאמרים שנוצרו על ידי בינה מלאכותית משתמשים לעיתים קרובות באסטרטגיות קיימות ללא ייחוס הולם.

בעוד שהקהילה המדעית עדיין ממתינה לאימות מתמטי מלא, אירוע זה מסמן שינוי בנוף הבינה המלאכותית. מודלים של בינה מלאכותית בקנה מידה גדול נפרסים יותר ויותר כדי לתקוף בעיות מדעיות פתוחות, מה שעשוי לחשוף פתרונות שהיו בהישג יד אנושי לאורך כל הדרך.

נקודות מפתח

  • התמדה על פני מורכבות: הבינה המלאכותית פתרה בעיה ותיקה לא על ידי המצאת מתמטיקה חדשה, אלא על ידי יישום תיאוריות קיימות ברמת וריאציה לוגית בלתי נלאית שחסרה לבני אדם.
  • אילוצים מחמירים מניעים תוצאות: השימוש בפרומפטים "אדברסריים" ואיסור על חיפושים באינטרנט אילץ את המודל למצוא פתרון במקום לספק תשובת "לא נפתר" סטנדרטית.
  • אתגר הייחוס: המקרה מדגיש דאגה גוברת במחקר בינה מלאכותית בנוגע להיעדר ציטוט הולם כאשר מודלים משלבים מחדש ספרות מדעית קיימת.