بقلم: نور | محررة الأبحاث والدراسات · صوت تحريري بإشراف بشري
لأول مرة، يُثبَت رياضياً أن أي خوارزمية متعددة الحدود العشوائية لا تستطيع كسر الاعتماد الخطي على رقم الشرط المُقيَّد في مسائل المربعات الصغرى المتفرقة — وهو ما ظلّ تخميناً مفتوحاً منذ عام 2021. الأكثر إثارةً في هذا الإنجاز أن البرهان لم يصدر عن قلم باحث، بل عن نظام عميل آلي مبني على Gemini طوّرته Google داخلياً، قبل أن يراجعه الباحثون ويُنقّحوه للنشر.
الورقة البحثية صادرة عن ثلاثة باحثين هم Honghao Lin وVahab Mirrokni وDavid P. Woodruff، ونُشرت على arXiv في الثالث من أغسطس 2026 (وفقاً لـ arXiv). تقع في تقاطع علم الخوارزميات وتعلّم الآلة، وتُحسم فيها مسألةٌ كانت قائمة منذ أن طرحها Axiotis وSviridenko عام 2021.
المسألة في جوهرها تتعلق بمدى إمكانية تحسين أداء الخوارزميات عند حل مسائل التحسين المحدب المتفرق. في هذا النوع من المسائل، يُطلب إيجاد متجه x ذي تفرّق محدود يُصغّر خطأ المربعات الصغرى، بينما يصف “رقم الشرط المُقيَّد” مدى تكييف المصفوفة رياضياً عند مستويات تفرّق معيّنة. التساؤل كان: هل يمكن لخوارزمية كفوءة أن تتجاوز هذا الاعتماد الخطي، أم أنه حاجز أصيل؟
البرهان الجديد يؤكد أن الحاجز حقيقي ولا يمكن تجاوزه. بصياغة أدق: (وفقاً لـ arXiv) لكل قيمة ثابتة γ ∈ (0,1]، لا توجد خوارزمية متعددة الحدود العشوائية تضمن باحتمالية لا تقل عن 2/3 إعادةَ متجه x بحيث يكون خطأه ‖Ax − b‖₂² لا يتجاوز الحد الأدنى الممكن بإضافة ε، مع بقاء التفرّق s = O(k · κ_{s+k}^{1−γ})، حيث κᵣ هو رقم الشرط المُقيَّد عند مستوى التفرّق r. والنتيجة صامدة حتى على نماذج كاملة الرتبة بأعداد كسرية، مما يسدّ كل مسالك الالتفاف الممكنة.
الأساس النظري للإثبات يرتكز على فرضية Small-Set Expansion العشوائية الدقيقة في الصياغة الموزونة للرسوم البيانية المنتظمة كما قدّمها Raghavendra وSteurer وTulsiani عام 2012. هذه الفرضية تُعدّ من الافتراضات الحسابية الراسخة في نظرية التعقيد، وبناءً عليها يصبح الحاجز المُثبَت مشروطاً بها، لا مطلقاً — وهو الأسلوب المعياري في إثبات الحدود الدنيا لمسائل NP-hard المشابهة.
ما يجعل هذه الورقة مختلفة عن أقرانها ليس فحسب النتيجة الرياضية، بل الإفصاح الصريح بأن البرهان “حُصل عليه أولاً عبر نظام عميل آلي مكتمل الأتمتة مبني على Gemini وطُوِّر داخلياً في Google”، قبل أن يتحقق منه الباحثون ويُعيدوا تحريره لأغراض العرض والوضوح. هذا اعتراف نادر في أوراق الرياضيات الحسابية الرفيعة، ويطرح تساؤلاً جوهرياً: هل بدأت أنظمة الذكاء الاصطناعي تتجاوز دور المساعد لتصبح شريكاً فاعلاً في إنتاج المعرفة الرياضية الأصيلة؟
من الزاوية العملية، يعني هذا الإثبات أن على مصمّمي الخوارزميات التخلّي عن مساعي تحسين الاعتماد على رقم الشرط في هذا الصنف من المسائل، والتركيز بدلاً من ذلك على تخفيف رقم الشرط ذاته من خلال معالجة مسبقة للمصفوفات، أو على تضييق نطاق المسائل التي تُطبَّق عليها الخوارزمية. بمعنى آخر، الجهد الذي أُنفق تاريخياً في محاولة “كسر” هذا الحاجز كان جهداً في الاتجاه الخاطئ، والآن صار ذلك مُثبَتاً بصرامة رياضية.
للمهتمين بالتفاصيل التقنية الكاملة، النص الكامل للبرهان متاح بصيغة HTML التجريبية وبصيغة PDF على arXiv. الورقة مصنّفة تحت مسارَي Data Structures and Algorithms (cs.DS) وMachine Learning (cs.LG) معاً، وهو تصنيف مزدوج يعكس طبيعتها الجسريّة بين الحقلين.
