ثابت، أخيرًا: حدسية KLS تسقط أمام بحث بالذكاء الاصطناعي موجَّه بشريًا
أثبت شينجي جانغ من Microsoft Research وجاو سونغ حدسية KLS البالغة 31 عامًا بأسطول وكلاء استكشف نحو مئة مسار بحثي تحت تقليم بشري - بينما فشلت محاولات الذكاء الاصطناعي غير الموجهة بالميزانية نفسها من الرموز. ظهر برهانان مستقلان في الأسبوع نفسه، وتبعتهما صياغة رسمية في Lean 4.
في الأسبوع الأول من أكتوبر 2026، جرى إثبات حدسية كانان-لوفاس-سيمونوفيتش - وهي مسألة مركزية مفتوحة في الهندسة عالية الأبعاد منذ عام 1995 - ثلاث مرات، من ثلاثة فرق مستقلة، وفي غضون أيام من بعضها البعض. جاء الإثبات الكامل الأول على يد شينجي تشانغ من مايكروسوفت وتشاو سونغ، وما يجعل القصة تستحق هذه الإضافة إلى دفتر اليوميات هو كيف وجدا الحل: أسطول من وكلاء الذكاء الاصطناعي يستكشف نحو مئة مسار بحثي بالتوازي، بينما يقلّم رياضياتي بشري عملية البحث بعد كل جولة. أما النسخة غير الموجهة من التجربة نفسها وبميزانية التوكنات ذاتها فقد فشلت.
الخلاصة
تنص حدسية KLS على أنه لصنف واسع من التوزيعات الاحتمالية عالية الأبعاد، فإن أفضل قطع مسطح يبقى دائمًا ضمن ثابت كوني من أفضل قطع بأي شكل كان - مهما بلغ البعد. أثبت تشانغ وسونغ الحدسية بإيجاد معيار رياضي جديد، وتطبيقه بشكل تكراري، وإثبات أن الأخطاء المتراكمة تبقى محدودة بثابت. استكشف وكلاء الذكاء الاصطناعي المقاربات المرشحة ونفذوا الاشتقاقات؛ واختار الباحثان الاتجاه وتحققا من كل شيء. ظهر إثباتان مستقلان آخران في الأسبوع نفسه (arXiv:2610.05474 وarXiv:2610.07728)، إضافة إلى صياغة رسمية في Lean 4. مصادر هنا هما تدوينة مايكروسوفت ريسيرش نفسها في 21 أكتوبر 2026 ورواية الرياضياتي نيكولا بروس الذي أعاد بناء الإثباتات الثلاثة؛ قرأت كليهما في 22 أكتوبر 2026. لم أقرأ الأوراق البحثية نفسها، والتدوينة هي رواية الفريق لقصته الخاصة.
ماذا تقول الحدسية فعلًا
خذ جسمًا محدبًا في فضاء عالي الأبعاد - أو بالمعادل، توزيعًا احتماليًا مقعرًا لوغاريتميًا - واسأل كيف تقسمه إلى حجمين متساويين بأرفع طريقة ممكنة. قد يكون أرفع تقسيم سطحًا منحنيًا شريطي الشكل. تسأل KLS ما إذا كان قطع مسطح بسيط بمستوى فائق يمكنه دائمًا الاقتراب من ذلك الأمثل بمعامل ثابت لا يعتمد على البعد. يبدو الأمر فضولًا هندسيًا حتى تعرف ما الذي يستند إليه: فهندسة هذه القطوع تحكم سرعة اختلاط المشيات العشوائية، ما يجعل KLS افتراضًا حاملًا في أخذ العينات عالي الأبعاد والإحصاء والتحسين الأمثل ونظرية الخوارزميات العشوائية. لم يكن تقدير المجال موضع شك يومًا: وصفها معهد العلوم الرياضية (MSRI) بأنها «مسألة مركزية مفتوحة في الهندسة المحدبة عالية الأبعاد» في تقريره السنوي 2017-18، ووصفها معهد سيمونز بأنها من أهم المسائل المفتوحة في الهندسة المحدبة، وكتبت مجلة Quanta أنها «تقع في قلب العديد من أسئلة الإحصاء وعلم الحاسوب». كل نتيجة أثبتت «بافتراض KLS» على مدى ثلاثة عقود أصبحت الآن غير مشروطة.
شكل الإثبات
تعرض التدوينة بنية واضحة من ثلاثة فصول. قبل هذا العمل، كانت أفضل حد معروف - من يوليو 2026 - لا يزال يسمح للمعامل بالنمو ببطء مع البعد. الفصل الأول: بعد العمل على أكثر من 100 مقاربة مرشحة، كثير منها يتضمن حسابات موترية طويلة من الدرجات العليا، توصل الفريق إلى معيار رياضي جديد حسّن حد يوليو. الفصل الثاني: لاحظوا أن المعيار يمكن تطبيقه بشكل تكراري - كل حد محسّن يعود إلى الحجة نفسها - وقد ضغطت نسخة الورقة في الأول من أكتوبر الاعتماد على البعد إلى اللوغاريتم المكرر: دالة تنمو ببطء شديد حتى تكاد تكون ثابتة، لكنها تنمو مع ذلك، وبالتالي ظلت الحدسية مفتوحة. الفصل الثالث: تكرار عملية التحسين التكراري بأكملها بدلًا من تطبيقها مرة واحدة - وهي فكرة يقول المؤلفون إنها مستوحاة من عملهم السابق على خوارزميات سريعة للبرمجة الخطية - وإثبات أن الأخطاء الصغيرة في كل مرحلة تتضاءل بسرعة كافية ليبقى مجموعها دون ثابت كوني. أزالت نسخة الرابع من أكتوبر الاعتماد على البعد بالكامل. الطريقة التكرارية وتطبيقها المتكرر وحد الأخطاء هي مساهمات المؤلفين الأصلية.
ما هو جديد فعلًا بالنسبة للذكاء الاصطناعي
هذا هو تقسيم العمل كما يصفه الفريق. استكشف عدة وكلاء تنويعات الأفكار المرشحة بالتوازي؛ وبعد كل جولة، فحص الباحث النتائج الوسيطة، وأسقط الاتجاهات غير الواعدة، ومرر الناجين إلى الجولة التالية - بحث وكيل مع تقليم بشري تكراري عبر نحو مئة مسار بحثي. نفذت أدوات الذكاء الاصطناعي أيضًا اشتقاقات تفصيلية، وأعدت المخطوطة، وأجرت فحوصًا داخلية للإثبات. والتجربة الضابطة هي التفصيل الذي أعود إليه باستمرار: في مسار منفصل، كرر المؤلفون محاولات غير موجهة لحل المسألة نفسها بعدة نماذج رائدة وبميزانية إجمالية مماثلة تقريبًا من التوكنات، ولم تنجح تلك المحاولة. القراءة الصادقة ليست «الذكاء الاصطناعي أثبت KLS» ولا «كان الذكاء الاصطناعي مجرد ديكور». بل هي أن بحث النموذج الرائد الخام مشوّش أكثر من اللازم لإصابة هذا الهدف بلا عون، وأن حكم الرياضياتي أبطأ من اللازم لتغطية مئة مسار بمفرده - وقد غطت التوليفة فضاء البحث مع تطبيق الذوق في اللحظة الوحيدة التي يكون فيها ذلك رخيصًا: بين الجولات. لم ينشر أحد أي الاتجاهات التسعة والتسعين فشلت أو لماذا، ويلاحظ بروس هذه الفجوة في الإثباتات الثلاثة جميعها.
أسبوع من التأكيد المستقل
لدى الرياضيات شكل قوي من التحقق، وحصلت KLS عليه كله دفعة واحدة. في اليوم نفسه الذي نشر فيه تشانغ وسونغ إثباتهما الكامل، نشرت مجموعة منفصلة من كبار الخبراء إثباتًا كاملًا طُوّر بالتوازي - مبنيًا على النسخة الأولى من ورقة مايكروسوفت واصفًا إياها بأنها «الخطوة الحاسمة في الإثبات». وظهر إثبات ثالث يعتمد على فكرة وثيقة الصلة في اليوم نفسه. تسمي رواية بروس الفرق: بيزول وكلارتاغ وليهيك (arXiv:2610.05474)، وسونغ وتشانغ في النسخة الثانية من مسودتهما، وبالاسوبرامانيان وكاسيفيسواناثان (arXiv:2610.07728). تلت ذلك صياغة رسمية في Lean 4 تجمع المعيار الأساسي بأبحاث إضافية، ويقول مؤلفو مايكروسوفت إنهم اختصروا إثباتهم وتحققوا من الحجة المبسطة في Lean أيضًا، وسيصدر كلاهما بعد المراجعة النهائية. أما بروس نفسه فكان يشغّل وكلاء ذكاء اصطناعي على KLS منذ يونيو كحقل اختبار لسؤال مختلف - كيف يثق الرياضياتي ببحث الوكلاء ويشارك فيه - ويذكر أنه في غضون يومين من نشر كل مسودة كان إثباتها قد أُعيد بناؤه والتصديق عليه داخل إطاره. ثلاثة مسارات مستقلة إلى النظرية نفسها، مضافًا إليها الفحص الآلي، هي أقرب ما تصل إليه الرياضيات إلى اليقين دون عقود من التمحيص.
ما الذي نأخذه من ذلك
العنوان المغري هو «الذكاء الاصطناعي يحل مسألة رياضية عمرها 31 عامًا»، والفريق يقاومه صراحة. صياغتهم الخاصة أن التعاون الموجه بعناية بين الإنسان والذكاء الاصطناعي أسهم في اكتشاف حقيقي بينما «يعزز البصيرة البشرية بدلًا من أن يحل محلها» - وتجربتهم الضابطة هي الدليل: النماذج نفسها والميزانية نفسها، بلا تقليم بشري، بلا إثبات. وتدوينة بروس تصوغ المشكلة المقابلة من جهة القارئ: الوكلاء ينتجون حجمًا رياضيًا أسرع مما يستطيع أي شخص قراءته، وتُقبل الحجة الأنيقة المظهر أو الملخص الواثق على أنها نتيجة. إجابته - وإجابة فريق مايكروسوفت ضمنًا - هي البنية: سجلات دائمة لما جُرّب، وحالات صريحة لما هو مُثبت وما هو مفتوح، وإنسان يقرأ ويعيد التوجيه بين الجولات. لكل من يبني حلقات بحثية وكيلة، أصبحت KLS الآن الحالة المرجعية: جاء الفوز من التقليم، لا من التوازي.