אחרי המתמטיקה: חוקרי MIT צופים ש-AI ישנה גם את הכלכלה, הפיזיקה והסטטיסטיקה התיאורטיות

המתמטיקאים עדיין מתמודדים עם הקצב שבו בינה מלאכותית חודרת לתחום שלהם, ומחקר חדש מ-MIT מעריך שתחומים תיאורטיים נוספים הם הבאים בתור: הסתברות, תורת הסטטיסטיקה, תורת הכלכלה, פיזיקה תיאורטית של אנרגיות גבוהות, כבידה וקוסמולוגיה, ופיזיקה קוונטית. לפי המחקר, שסוקר בניוזלטר AI Lab של Wired, בין אמצע 2024 לאמצע 2026 עלה שיעור הבעיות התיאורטיות בתחומים האלה שמודלי ה-AI המובילים פתרו נכון מכ-2% לכ-35%. לדברי החוקרים, אין סימנים לכך שהקצב מאט.

"בתוך שנים ספורות בלבד אנחנו צופים ששאלות תיאורטיות רבות ישתנו לגמרי מבחינת היכולת של AI לפתור אותן", אומר ניל תומפסון, שחוקר ב-MIT את ההתקדמות במחשוב ובבינה מלאכותית.

איך נבדקו המודלים

תומפסון ערך את המחקר יחד עם גבריאל מנסו, דוקטורנט, ועם קלאודיו מאיירינק ורדון, חוקר במעבדה. השלושה לקחו בעיות שהוצגו במאמרי מחקר שפורסמו ברשת בין דצמבר 2025 למאי 2026, ובדקו אם סדרה של מודלים של OpenAI מצליחה לפתור אותן: o1, o3, GPT-5, GPT-5.1, GPT-5.4 ו-GPT-5.5.

הפרט החשוב הוא העיתוי. הפתרונות לבעיות פורסמו אחרי תאריך סיום האימון (training cutoff) של GPT-5.5 ושל המודלים שקדמו לו. המשמעות היא שהמודלים לא יכלו פשוט "לזכור" תשובות שנכללו בנתוני האימון שלהם, אלא נאלצו להגיע אליהן בעצמם. המאמרים עצמם שימשו כמפתח תשובות. החוקרים גם חסמו את הגישה לאינטרנט, כך שהמודלים לא יכלו לחפש את הפתרונות ברשת.

היקף המחקר מוגבל: הוא התמקד בתחומים שבהם אפשר להגיע לתשובה בלי להריץ סימולציות או לערוך ניסויים. ובכל זאת, ממצאיו מרמזים שהטלטלה שעוברת עכשיו על המתמטיקה צפויה להתפשט לתחומי מדע אחרים שנשענים על תיאוריה ועל מתמטיקה.

הרקע: משבר במתמטיקה

בחודש שעבר הודיעה OpenAI שמודל שעדיין לא שוחרר פתר בעיה ותיקה ומרכזית במתמטיקה הקשורה למשוואות נאוויה-סטוקס, שמתארות את תנועתם של נוזלים. הפרשה הסתבכה כשמתמטיקאי מאוניברסיטת ניו יורק (NYU), שעבד עם אקדמאי אחר המזוהה עם אנתרופיק, האשים את OpenAI בכך שהקדימה אותם אחרי שנודע לה על ההתקדמות שלהם.

מאז הכריזו OpenAI וגורמים אחרים על מאות פתרונות נוספים לבעיות מתמטיות ותיקות, והתחום נקלע למשבר של ממש. חלק מהמתמטיקאים קראו להגביל את השימוש ב-AI, ונימקו שתהליך הפתרון עצמו חשוב לא פחות מהתשובה הסופית.

למה זה חשוב

תומפסון צופה שגם בתחומים האחרים תהיה להתפתחות השפעה כפולה, חיובית ושלילית. לדבריו, פריצות דרך תיאורטיות מובילות לעיתים להתקדמות מעשית במדע, ושימוש נרחב יותר ב-AI עשוי להוביל ליותר התקדמות מהסוג הזה. במקביל, חוקרי AI בולטים כבר הקימו מעבדות חדשות שמתמקדות ב-AI למדע, וכל המעבדות הגדולות מרחיבות את פעילות המחקר המדעי שלהן. חלק מהמאמצים האלה בוחנים כיצד לאפשר ל-AI לערוך ניסויים אמיתיים לצד ניתוח תיאורטי.

אם התחזיות יתממשו, ככל הנראה ישתנה תפקידם של התיאורטיקנים: פחות פתרון בעיות בעצמם, ויותר הגדרת שאלות ובדיקת תשובות. "עדיין נצטרך אנשים שיעלו רעיונות טובים ויחברו את הנקודות", אומר מנסו. הוא מוסיף שבבעיות מורכבות מאוד המודלים עלולים לטעות. ואכן, OpenAI משכה כמה פתרונות ממאגר הפתרונות האחרון שלה אחרי שפרסמה אותו. "אנחנו צריכים גם דרכים לאמת את מה שנעשה, כי קל מאוד למודל להגיד לך 'זו התשובה הנכונה', וכשמסתכלים על הפתרון כולו מתחילים לראות שאולי זה לא כך".