GPT-5.6 Sol فرضیه‌ای ۳۰ ساله در آمار را باطل کرد

تحقق یک موفقیت بی‌سابقه علمی با کمک هوش مصنوعی

یک استاد آمار دانشگاه پنسیلوانیا (UPenn) با استفاده از مدل GPT-5.6 Sol Pro موفق شد فرضیه‌ای را که از سال ۱۹۹۵ در حوزه آمار بدون اثبات یا رد باقی مانده بود، باطل کند. این فرضیه مربوط به روش بنیامینی-هاچبرگ (Benjamini-Hochberg) بود که یکی از پرکاربردترین روش‌ها در آمار چندگانه و کنترل نرخ کشف اشتباهی (False Discovery Rate) به شمار می‌رود. این روش که نزدیک به سه دهه پیش معرفی شده، در هزاران مقاله علمی و پژوهشی مورد استفاده قرار گرفته است.

شکست روش در داده‌های مداوم همبسته

مدل GPT-5.6 Sol Pro نشان داد که روش بنیامینی-هاچبرگ در شرایطی که داده‌ها هم از نوع پیوسته (continuous) باشند و هم با یکدیگر همبسته (correlated) باشند، عملکرد صحیحی ندارد و فرضیه پایه‌ای آن برقرار نمی‌ماند. این یافته اهمیت بالایی دارد زیرا در بسیاری از پژوهش‌های علمی واقعی، داده‌ها دقیقاً این دو ویژگی (پیوسته بودن و همبستگی) را دارند و محققان تاکنون بدون آگاهی از این محدودیت از این روش استفاده می‌کردند.

مقاومت انسان در برابر یک مسئله پیچیده

نکته جالب توجه این است که این اثبات در عرض ۹۰ دقیقه توسط مدل GPT-5.6 Sol Pro به انجام رسید، در حالی که نسل قبلی این مدل یعنی GPT-5.5 پس از بیش از ۲۰ ساعت تلاش نتوانسته بود این مشکل را حل کند. همچنین آماردانان حرفه‌ای و پژوهشگران برجسته این حوزه در طول ۳۰ سال گذشته موفق به حل این مسئله نشده بودند. این رویداد یک نمونه درخشان از توانایی مدل‌های زبانی پیشرفته در حل مسائل تحقیقاتی پیچیده‌ای است که سال‌ها ذهن بهترین متخصصان را به خود مشغول کرده بود.

منبع: The Decoder

منبع: منبع اصلی