جين هو باحث ما بعد الدكتوراه ومقيم في جراحة الأعصاب في مستشفى بكين يونيون الطبي. ليس لديه تدريب رسمي في الرياضيات المتقدمة — شهادته الجامعية في الجيولوجيا، وهو حاصل على دكتوراه في الطب . لقد صادف المشكلة أساسًا أثناء دراسته الذاتية للنظرية الرياضية اللازمة لأبحاث الموجات فوق الصوتية عبر الجمجمة (Transcranial Ultrasound)، حيث تنشأ بشكل طبيعي قواعد المعايير (operator norms) والنطاقات العددية (numerical ranges) .

المشكلة التي حلها هي فرضية كروزيه (Crouzeix's Conjecture)، التي اقترحها عالم الرياضيات الفرنسي ميشيل كروزيه في عام 2004. تنص الفرضية على أنه بالنسبة لأي مصفوفة مربعة معقدة A وأي كثيرة حدود p، فإن معيار العامل ||p(A)|| لا يزيد عن ضعف القيمة القصوى لـ |p| على النطاق العددي W(A) . ظل الثابت الحاد (Sharp Constant) البالغ 2 مفتوحًا لمدة 22 عامًا؛ حيث وصلت التقديرات السابقة فقط إلى حوالي 2.414 .

كيف أعد جين شانمو الجولة المستقلة

لم يكن نهج جين مجرد استعلام بسيط لـ ChatGPT. لقد صمم نظامًا للاستدلال الذاتي، مستعيرًا من نجاح OpenAI السابق على فرضية التغطية المزدوجة للدورة (Cycle Double Cover Conjecture) . تضمنت استراتيجيته في كتابة الأوامر (Prompt Strategy) أربعة تعليمات رئيسية:

1. بيئة معزولة هوائيًا (Air-gapped environment): تم توجيه النموذج للعمل في بيئة منفصلة ماديًا (معزولة هوائيًا) لإجباره على التفكير الأصلي البحت، ومنعه من الاعتماد على الحلول أو البراهين الموجودة .
2. الاستكشاف الموازي متعدد الوكلاء (Multi-agent parallel exploration): قام بإطلاق مثيلات متعددة من الوكلاء لاستكشاف مسارات حل مختلفة بالتوازي، مما يمنع النظام من التقارب المبكر على نهج واحد خاطئ .
3. التدقيق العدائي (Adversarial auditing): قام بتطبيق التدقيق العدائي على الاستراتيجيات المرشحة — حيث طُلب من الذكاء الاصطناعي نقد منطقه الخاص واختبار براهينه ضد الأمثلة المضادة .
4. عدم التوقف المبكر (No early stopping): أمر النموذج بعدم التوقف حتى الحصول على برهان كامل .

بعد بدء التشغيل، غادر جين النظام ليعمل. وفقًا للتقارير: "لقد قام بقفل النموذج عن الشبكة، وبدأه، وغادر. وبعد ستة عشر ساعة كان لديه البرهان" . خلال تلك الـ16 ساعة، نفذ GPT-5.6-Sol آلاف الدورات من توليد الفرضيات واختبارها وتحسينها .

البرهان والتحقق منه

كانت النتيجة برهانًا على أن فرضية كروزيه صحيحة: الثابت 2 صحيح. تم نشر البرهان كمسودة بحث (Preprint) في 27 يوليو 2026، بعنوان النطاق العددي هو مجموعة ذات طيف ثنائي (The Numerical Range Is a 2-Spectral Set) .

كانت عملية التحقق صارمة. ميشيل كروزيه نفسه — عالم الرياضيات الذي طرح الفرضية الأصلية في عام 2004 — راجع الحجة وأكد صحتها . كما قام محللون عدديون بفحص البرهان . بالإضافة إلى ذلك، نشر جين جميع المواد البحثية على GitHub، بما في ذلك الورقة البحثية النهائية، والأوامر (Prompts)، ومسودات التكرار، ورمز البرهان الرسمي بلغة Lean 4، وتقارير التدقيق .

ماذا يعني هذا للبحث المدعوم بالذكاء الاصطناعي

إنجاز جين جدير بالملاحظة ليس فقط بسبب صعوبة المشكلة، ولكن أيضًا بسبب خلفيته ومنهجيته. طبيب مقيم في جراحة الأعصاب بدون شهادة رسمية في الرياضيات المتقدمة، استخدم نموذج ذكاء اصطناعي بشكل مستقل لمدة 16 ساعة، وحل مشكلة أحبطت علماء الرياضيات لعقدين من الزمن.

تسلط القصة الضوء على نمط جديد من البحث: البشر يصممون الظروف التجريبية وإطار الاستدلال، بينما تنفذ نماذج الذكاء الاصطناعي استكشافًا واسع النطاق ومستقلًا للفضاء الرياضي. إنه دليل ملموس على أن الذكاء الاصطناعي يمكن أن يكون بمثابة شريك بحث حقيقي في الرياضيات — وليس مجرد أداة للحساب أو البحث، بل نظامًا قادرًا على توليد براهين جديدة ومبتكرة.

يبقى أن نرى ما إذا كان هذا النهج سيصبح طريقة قياسية في البحث الرياضي. لكن في الوقت الحالي، تقف نتيجة جين شانمو كواحدة من أبرز الأمثلة على الاكتشاف المعزز بالذكاء الاصطناعي في عام 2026.

جين هو باحث ما بعد الدكتوراه ومقيم في جراحة الأعصاب في مستشفى بكين يونيون الطبي. ليس لديه تدريب رسمي في الرياضيات المتقدمة — شهادته الجامعية في الجيولوجيا، وهو حاصل على دكتوراه في الطب . لقد صادف المشكلة أساسًا أثناء دراسته الذاتية للنظرية الرياضية اللازمة لأبحاث الموجات فوق الصوتية عبر الجمجمة (Transcranial Ultrasound)، حيث تنشأ بشكل طبيعي قواعد المعايير (operator norms) والنطاقات العددية (numerical ranges) .

المشكلة التي حلها هي فرضية كروزيه (Crouzeix's Conjecture)، التي اقترحها عالم الرياضيات الفرنسي ميشيل كروزيه في عام 2004. تنص الفرضية على أنه بالنسبة لأي مصفوفة مربعة معقدة A وأي كثيرة حدود p، فإن معيار العامل ||p(A)|| لا يزيد عن ضعف القيمة القصوى لـ |p| على النطاق العددي W(A) . ظل الثابت الحاد (Sharp Constant) البالغ 2 مفتوحًا لمدة 22 عامًا؛ حيث وصلت التقديرات السابقة فقط إلى حوالي 2.414 .

كيف أعد جين شانمو الجولة المستقلة

لم يكن نهج جين مجرد استعلام بسيط لـ ChatGPT. لقد صمم نظامًا للاستدلال الذاتي، مستعيرًا من نجاح OpenAI السابق على فرضية التغطية المزدوجة للدورة (Cycle Double Cover Conjecture) . تضمنت استراتيجيته في كتابة الأوامر (Prompt Strategy) أربعة تعليمات رئيسية:

1. بيئة معزولة هوائيًا (Air-gapped environment): تم توجيه النموذج للعمل في بيئة منفصلة ماديًا (معزولة هوائيًا) لإجباره على التفكير الأصلي البحت، ومنعه من الاعتماد على الحلول أو البراهين الموجودة .
2. الاستكشاف الموازي متعدد الوكلاء (Multi-agent parallel exploration): قام بإطلاق مثيلات متعددة من الوكلاء لاستكشاف مسارات حل مختلفة بالتوازي، مما يمنع النظام من التقارب المبكر على نهج واحد خاطئ .
3. التدقيق العدائي (Adversarial auditing): قام بتطبيق التدقيق العدائي على الاستراتيجيات المرشحة — حيث طُلب من الذكاء الاصطناعي نقد منطقه الخاص واختبار براهينه ضد الأمثلة المضادة .
4. عدم التوقف المبكر (No early stopping): أمر النموذج بعدم التوقف حتى الحصول على برهان كامل .

بعد بدء التشغيل، غادر جين النظام ليعمل. وفقًا للتقارير: "لقد قام بقفل النموذج عن الشبكة، وبدأه، وغادر. وبعد ستة عشر ساعة كان لديه البرهان" . خلال تلك الـ16 ساعة، نفذ GPT-5.6-Sol آلاف الدورات من توليد الفرضيات واختبارها وتحسينها .

البرهان والتحقق منه

كانت النتيجة برهانًا على أن فرضية كروزيه صحيحة: الثابت 2 صحيح. تم نشر البرهان كمسودة بحث (Preprint) في 27 يوليو 2026، بعنوان النطاق العددي هو مجموعة ذات طيف ثنائي (The Numerical Range Is a 2-Spectral Set) .

كانت عملية التحقق صارمة. ميشيل كروزيه نفسه — عالم الرياضيات الذي طرح الفرضية الأصلية في عام 2004 — راجع الحجة وأكد صحتها . كما قام محللون عدديون بفحص البرهان . بالإضافة إلى ذلك، نشر جين جميع المواد البحثية على GitHub، بما في ذلك الورقة البحثية النهائية، والأوامر (Prompts)، ومسودات التكرار، ورمز البرهان الرسمي بلغة Lean 4، وتقارير التدقيق .

ماذا يعني هذا للبحث المدعوم بالذكاء الاصطناعي

إنجاز جين جدير بالملاحظة ليس فقط بسبب صعوبة المشكلة، ولكن أيضًا بسبب خلفيته ومنهجيته. طبيب مقيم في جراحة الأعصاب بدون شهادة رسمية في الرياضيات المتقدمة، استخدم نموذج ذكاء اصطناعي بشكل مستقل لمدة 16 ساعة، وحل مشكلة أحبطت علماء الرياضيات لعقدين من الزمن.

تسلط القصة الضوء على نمط جديد من البحث: البشر يصممون الظروف التجريبية وإطار الاستدلال، بينما تنفذ نماذج الذكاء الاصطناعي استكشافًا واسع النطاق ومستقلًا للفضاء الرياضي. إنه دليل ملموس على أن الذكاء الاصطناعي يمكن أن يكون بمثابة شريك بحث حقيقي في الرياضيات — وليس مجرد أداة للحساب أو البحث، بل نظامًا قادرًا على توليد براهين جديدة ومبتكرة.

يبقى أن نرى ما إذا كان هذا النهج سيصبح طريقة قياسية في البحث الرياضي. لكن في الوقت الحالي، تقف نتيجة جين شانمو كواحدة من أبرز الأمثلة على الاكتشاف المعزز بالذكاء الاصطناعي في عام 2026.