الذكاء الاصطناعي ومسألة المائة عام

أتذكر أن أول كمبيوتر PB 100 اشتريته في أواسط الثمانينيات وأنا في عامي الجامعي الأول، كان صغيرًا مثل آلة حاسبة. سعدت به لأنني تعلمت من خلاله مبادئ برمجة لغة البيزيك/basic واستطعت بذلك حل العديد من المعادلات الجبرية البسيطة. بعد ذلك بدأت القوة الحسابية للأجهزة التي أقتنيها تزداد، ويتزايد اعتمادي عليها في حساباتي المتعلقة بأبحاث الفيزياء النظرية، حتى وصولي لدراسة الدكتوراه والتي أتممتها معتمدًا بشكل كبير على الكمبيوتر العلمي لقسم الفيزياء الذي درست فيه خارج البلاد.

ومنذ ظهورها أصبحت الكمبيوترات شريكةً أساسيةً للعلماء بما قدّمته للباحثين من مساعدات على إجراء حسابات يستحيل تنفيذها يدويًا، وتحليل كميات هائلة من البيانات، ومحاكاة ظواهر طبيعية شديدة التعقيد. لكن دورها ظل، في أغلب الأحيان، محصورًا في تنفيذ ما يحدده الإنسان من خطوات وأسئلة ويقع داخل حدود معرفتنا وليس خارجها.

لكن ما نشهده اليوم يبدو مختلفًا، فقدرات الذكاء الاصطناعي لم تعد تكفي تحليل البيانات أو تسريع الحسابات فحسب، بل تعدت ذلك لتقترح أفكارًا جديدة، وتكشف عن علاقات غير متوقعة، بل وتساهم في إثبات نتائج رياضية ظلت بعيدة عن متناول الباحثين. وقد أظهرت قدراته في الآونة الأخيرة إنجازات لافتة في الرياضيات والفيزياء تفتح أمامنا أبوابًا لأسئلة مثل: هل نحن أمام أداة علمية جديدة أكثر تطورًا؟ هل ستقود الآلات في المستقبل قاطرة تطور العلوم والمعارف الإنسانية؟

لعل أحد أكثر الأمثلة إثارة جاء من الفيزياء النظرية منذ أسابيع قليلة، ففي 26 سبتمبر/أيلول أعلنت شركة OpenAI عن استخدام نماذجها في محاولة حل إحدى أهم المشكلات الرياضية المشهورة في مجال الفيزياء النظرية والتي تتعلق بالنظرية الفيزيائية التي تفسر التفاعلات النووية القوية داخل أنوية الذرات.

لغز القوة النووية القوية

تحتوي الذرة على نواة تضم البروتونات والنيوترونات. وهذه الجسيمات ليست أولية، بل تتكون بدورها من جسيمات أصغر تسمى الكواركات/quarks، تربطها القوة النووية القوية داخل البروتون أو النيوترون، عن طريق جسيمات تسمى الجلوونات.

يتصور الفيزيائيون طريقة عمل القوة النووية القوية من جذب وتنافر بين الكواركات كطفلين/كواركين يلعبان/يتفاعلان معًا، فيقذف أحدهما الكرة/الجلوون للآخر فيمسك بها ثم يعيد قذفها للأول. القوة النووية القوية -المسؤولة عن تماسك النواة- كما يبين اسمها هي أقوى القوى الثلاث الأساسية المعروفة على مستوى الجسيمات دون الذرية؛ مقارنة بالقوى النووية الضعيفة المسؤولة عن النشاط الإشعاعي للمواد، والقوى الكهرومغناطيسية المسؤولة عن ظواهر الكهربية والمغناطيسية.

النظرية التي تصف التفاعلات القوية تسمى أيضًا بالديناميكا اللونية الكمومية/quantum chromodynamics -QCD، ونصف من خلالها تفاعل الكواركات مع الجلوونات، لكن الجلونات أيضًا تتفاعل مع بعضها البعض وهذا الجزء من النظرية يسمى بنظرية يانج-ميلز/Yang-Mills theory.

نجحت نظرية الديناميكا اللونية بشكل كبير في التنبؤ بنتائج التجارب بدقة كبيرة، وأصبحت النظرية الأساسية لفهم بنية البروتونات والنيوترونات والتفاعلات النووية التي تحدث داخل مصادمات الجسيمات.

لكن وراء هذا النجاح تكمن بعض المشاكل الرياضية، مما يجعلنا نسأل هل النظرية متسقة رياضيًا ومنطقيًا؟ قد يبدو السؤال غريبًا. فإذا كانت النظرية ناجحة في تفسير التجارب، فلماذا نحتاج إلى إثبات اتساقها رياضيًا؟ والسبب أن النجاح في الحساب والتنبؤ لا يساوي بالضرورة امتلاك بناء رياضي متسق، أي بلا تناقضات داخلية أو منطقية. فالفيزيائيون قد يصلون إلى نتائج صحيحة باستخدام طرق حسابية فعالة، بينما تظل بعض الطرق الرياضية التي تقوم عليها هذه الحسابات غير مكتملة لأنها غير مبرهنة بشكل كامل ومتسق.

الحسابات اللانهائية

في مثل هذه النظريات عندما نحاول أن نحسب بشكل مباشر كميات فيزيائية معينة مثل شحنة أو كتلة جسيم كالكوارك تظهر لنا نتائج لا نهائية! لكننا نقيس في تجاربنا شحنات وكتلًا محددة. تكمن المشكلة في بعض الافتراضات الخاصة بهذه النظريات، لكن عندما يتم تناولها بحرص يتمكن العلماء من تطوير أساليب دقيقة للحساب وللتعامل مع هذه الصعوبات، أهمها إعادة التنظيم/renormalization، التي تنتج حسابيًا كميات فيزيائية محددة وقابلة للمقارنة بالتجارب. وقد أثبتت هذه الأساليب نجاحًا استثنائيًا.

هناك أيضًا طرق تقريبية عددية/numerical approximation لدراسة القوة القوية فبدلًا من التعامل مع المكان (المسافة) والزمان باعتبارهما متصلين، نقسمهما حسابيًا إلى شبكة من نقاط متباعدة بمسافات صغيرة، ونجري الحسابات داخل حجم محدود. بعد ذلك نحاول دراسة ما يحدث عندما تصبح المسافات بين النقاط أصغر وصولًا إلى الحد الذي نريد فيه استعادة المكان والزمان المتصلين.

هذه الطريقة ناجحة جدًا في المحاكاة والحسابات العددية، لكننا نعيش في أبعاد متصلة وهي ليست محصورة داخل صندوق. هذه الطريقة هي مجرد وسيلة رياضية وحسابية لتنظيم المشكلة، لكن لو تقلصت هذه المسافات البينية للصفر هل ستصمد هذه النتائج؟ هذا هو جوهر المشكلة الرياضية لنظرية يانج-ميلز.

ما الذي تحقق بالضبط؟

عام 2000، اختار معهد كلاي للرياضيات هذه المشكلة لتكون واحدة من مسائل الألفية السبع، وهي من أهم المشاكل الرياضية المعروفة ورصد جائزة قدرها مليون دولار لحل كل مسألة منها.

وفي سبتمبر 2026، أعلنت OpenAI أن نماذجها أنتجت برهانًا رياضيًا يتعلق بوجود نظرية يانج-ميلز الكمومية! وتقول الشركة إن العمل بدأ بنظرية يانج-ميلز التي تصف تفاعلات الجلوونات من دون إدخال الكواركات، ثم بعد ذلك شمل الكواركات، أي الديناميكا اللونية الكمومية.

ولم يتوقف العمل عند إنتاج البرهان بصيغته المعتادة، بل جرى تحويله إلى صيغ رياضية دقيقة باستخدام نظام يسمى Lean وهذا النظام أشبه بمدقق رياضي شديد الصرامة. إذ يفحص كل خطوة في البرهان وفق قواعد منطقية محددة. وتكمن أهمية ذلك في أن البرهان الرياضي قد يمتد إلى آلاف الخطوات، وقد يصعب على الإنسان اكتشاف خطأ صغير في سلسلة طويلة من الاستدلالات. أما التحقق المنطقي فيتيح فحص هذه الخطوات آليًا، ويقلل من احتمال وجود أخطاء منطقية داخل الصياغة التي يجري التحقق منها.

لكن علينا أن نفرق بين التحقق من البرهان عبر نظام منطقي، والتأكد من أن التعريفات والفرضيات المستخدمة تتطابق بالفعل مع المشكلة التي يقصدها علماء الفيزياء والرياضيات. ولهذا لا يكفي أن يعلن نظام حاسوبي ما أن البرهان اجتاز الفحص، بل يجب أن يتأكد المتخصصون من أن المسألة صيغت بصورة صحيحة وأن النتيجة تعالج السؤال المطلوب.

الآن هناك لجنة علمية بقيادة الفيزيائي الحائز على جائزة نوبل ديفيد جروس، تضم متخصصين بارزين. وفي تحديثها الصادر في الثالث من نوفمبر/تشرين الثاني 2026، أوضحت أنها تركز على فحص البرهان والتأكد من أن التعريفات وصياغة المسألة تتفق مع المعايير المعتمدة في الفيزياء والرياضيات. اللجنة لم تصدر حكمًا نهائيًا بعد.

إذن، ما تحقق حتى الآن هو إعلان عن برهان للجزء المتعلق بالاتساق الرياضي والمنطقي للنظرية، وهو إنجاز مهم إذا تأكدت صحته. لكنه لا يعني أن مسألة الألفية قد حُلت ولا أن جائزة المليون دولار أصبحت مستحقة، فما زال هناك جزء ثانٍ من المشكلة لم يُحل وهو ظاهرة تسمى بفجوة الكتلة/mass gap، فالجلوونات تتكتل مع بعضها مكونة ما يعرف بكرة الجلوون وتكون لها كتلة لا تقل عن قيمة محددة تسمى فجوة الكتلة.

يعتقد الفيزيائيون أن هذه الخاصية مرتبطة بسلوك القوة القوية، وقد أظهرت المحاكاة الحاسوبية أدلة على ذلك. لكن المحاكاة، مهما بلغت دقتها، لا يمكن أن تعوضنا عن البرهان الرياضي. ولذلك فإن إثبات وجود فجوة الكتلة ما زال الجزء المفتوح من مسألة يانج-ميلز، ولم يتمكن الذكاء الاصطناعي من حل هذا الجزء إلى الآن.

اكتشافات في مجالات أخرى

بالطبع لم تقتصر اكتشافات الذكاء الاصطناعي على الفيزياء النظرية، بل امتدت إلى العديد من العلوم منها الرياضيات وعلوم المواد والكيمياء والطاقة وغيرها. فمثلًا في الرياضيات، ساعد نظام FunSearch من Google DeepMind عام 2023 في اكتشاف بنى جديدة حسنت نتائج معروفة في مجال رياضيات التوافقيات، كما أسهمت نماذج OpenAI وClaude في نتائج رياضية متقدمة، شملت دحض تخمين لإردوش المشهور وتحسين حد مرتبط بفرضية ريمان. 

وفي علوم المواد، تنبأ مشروع GNoME بنحو 2.2 مليون تركيب بلوري جديد متعدد الاستخدام، بينما نجح تعاون Microsoft والمختبر الوطني Pacific Northwest في اكتشاف مادة واعدة للبطاريات خلال أيام قليلة، وفتح MatterGen آفاقًا لتصميم مواد بخصائص محددة. وتكشف هذه الإنجازات أن الذكاء الاصطناعي بدأ يسهم في إنتاج معرفة واكتشافات جديدة، وإن ظل التحقق البشري المستقل منها ضروريًا.

هل يتغير دور العالِم؟

ما الذي يمكن أن تعنيه هذه الإنجازات لمستقبل العلم؟ ربما يكون التغيير الأكبر أن عملية الاكتشاف نفسها ستصبح مختلفة. فالعَالِم كان يبدأ عمله عادة بسؤال ويتبعه بفرضية ثم يطور معادلاته التي تصف الظاهرة إلى أن يختبرها بالحساب ثم بالتجربة. وقد يستغرق ذلك سنوات طويلة، خاصة عندما تكون المشكلة معقدة إلى درجة أن كل خطوة جديدة تتطلب جهدًا هائلًا.

أما الآن، فيمكن للذكاء الاصطناعي استكشاف عدد كبير من المسارات في وقت قصير، ويقترح علاقات لم تكن واضحة، ويبحث عن أمثلة مضادة، ويولد براهين أو نماذج رياضية يمكن للعلماء فحصها. وهذا يفتح احتمالات الوصول إلى نتائج لم يكن من الممكن بلوغها بالأساليب التقليدية، أو أن نصل إليها في وقت أقصر بكثير.

وهنا قد يتغير دور العالم البشري، فبدلًا من قضاء معظم وقته في إجراء الحسابات أو البحث اليدوي عن الحلول، قد يركز أكثر على طرح أسئلة مهمة، وتحديد الفرضيات التي تستحق الاختبار، وتصميم التجارب، وفهم النتائج وربطها بالصورة العلمية الأوسع. وقد يصبح التعاون بين الإنسان والآلة أشبه بالتعاون بين أعضاء فريق بحثي: يحدد الإنسان المشكلة ويقيم أهميتها، ويستكشف الذكاء الاصطناعي المسارات الممكنة، ثم يعود الإنسان مع أدوات التحقق والتجربة ليختبر ما جرى التوصل إليه.

إن المستقبل الأكثر احتمالًا ليس عالمًا تحل فيه الآلات محل العلماء، بل عالم يتعاون فيه الإنسان والآلة على نحو لم نعهده من قبل. غدًا قد لا يكون الإنجاز الأهم أن يحل الذكاء الاصطناعي مسألة عمرها مئة عام، ولكن أن يساعدنا على اكتشاف عالم آخر من الأسئلة التي لن نتمكن من معرفتها بدونه. عندها لن تتغير سرعة تطور العلم فحسب، بل قد تتغير حدوده أيضًا.