ذكاء DeepMind الاصطناعي يحقق مهارات حل المسائل الهندسية تعادل مهارات أولمبياد الرياضيات.

نظام ذكاء صناعي رائد تم تطويره بواسطة Google DeepMind، أحد أفضل مختبرات الذكاء الصناعي عالميًا، يمكنه حل مشاكل الهندسة المعقدة بمستوى يقارن بمدرب ميدالي ذهبي في الأولمبياد الرياضي الدولي (IMO).

يسمى هذا النظام AlphaGeometry، ويجمع بين نهجين متميزين: نموذج لغوي عصبي يولد أفكارًا حدسية ومحرك استدلال رمزي يقوم بالتحقق من تلك الأفكار باستخدام المنطق الرسمي. يعتمد نموذج اللغة على نفس التقنية التي تدعم محرك بحث Google ونظم معالجة اللغة الطبيعية المعروفة. يستلهم محرك الاستدلال من طريقة أنشأها عالم الرياضيات الصيني وين-تسون وو في عام 1978.

اختبر الباحثون AlphaGeometry على 30 مسألة هندسية صارمة من IMO، والتي تُعتبر تحديًا حتى للرياضيين الخبراء. من المثير أن النظام تمكن من حل 25 من هذه المسائل ضمن الوقت المحدد البالغ 4.5 ساعات، محققًا متوسط درجات يعادل ما حققه الميداليون الذهبيون من البشر. بالمقابل، كانت النتيجة السابقة للنظام الرائد الذي يعتمد على طريقة وو هي حل 10 مسائل فقط.

تشير النتائج، التي نشرت في مجلة Nature، إلى أن الذكاء الاصطناعي لا يمكنه فقط التفكير بشكل منطقي، بل يمكنه أيضًا اكتشاف رؤى رياضية جديدة. لطالما شكلت الرياضيات، وبالأخص الهندسة، تحديات للباحثين في مجال الذكاء الاصطناعي بسبب الحاجة إلى الإبداع والدقة. على عكس النماذج النصية، التي يمكنها الوصول إلى كميات هائلة من بيانات الإنترنت، فإن البيانات الرياضية أكثر رمزية وتخصصية، مما يجعلها نادرة. علاوة على ذلك، يتطلب حل المشكلات الرياضية تفكيرًا منطقيًا قويًا، وهي منطقة تكافح فيها معظم نماذج الذكاء الاصطناعي الحالية.

لمواجهة هذه التحديات، استخدم الباحثون نهجًا عصبيًا رمزيًا مبتكرًا، مستفيدين من مزايا كل من الشبكات العصبية والأنظمة الرمزية. بينما تتمتع الشبكات العصبية بقدرات قوية في التعرف على الأنماط وتوقع النتائج، تفتقر غالبًا إلى قوة التفسير. على النقيض من ذلك، تعمل الأنظمة الرمزية على أسس منطقية صارمة، مما يمكنها من تصحيح وتبرير القرارات التي اتخذتها الشبكة العصبية.

شبه الباحثون نهجهم بمفهوم "التفكير السريع والبطيء" الذي روج له الحائز على جائزة نوبل دانيال كانيمان، حيث يقدم أحد الأنظمة أفكارًا حدسية سريعة بينما يشارك الآخر في تفكير منطقي أكثر تدقيقًا. تتعاون هذه الأنظمة معًا لمواجهة تحديات رياضية معقدة.

علاوة على ذلك، أظهر AlphaGeometry قدرته على تعميم الحلول على مشكلات جديدة، حيث أثبت نظريات لم تُذكر صراحة في بيانات المسألة. على سبيل المثال، نجح في إثبات نظرية تتعلق بمسافة الزاوية لمثلث، والتي لم تُعط كفرض أو هدف.

يأمل الفريق من خلال جعل نظامهم مفتوح المصدر في إلهام المزيد من الأبحاث والتطبيقات في مجالات الرياضيات والعلوم والذكاء الاصطناعي. كما يدركون الحدود الحالية، مثل الحاجة إلى إثباتات أكثر قابلية للقراءة البشرية وقابلية التوسع لمشكلات أكثر تعقيدًا، إلى جانب الاعتبارات الأخلاقية المرتبطة بالذكاء الاصطناعي في الرياضيات.

رغم أن AlphaGeometry يركز حاليًا على الهندسة، يعتقد الباحثون أن منهجية البيانات الاصطناعية الخاصة بهم قد تمكن الذكاء الاصطناعي من التفكير في مجالات الرياضيات والعلوم حيث تكون بيانات التدريب الناتجة عن الإنسان محدودة. من خلال أتمتة اكتشاف والتحقق من المعرفة الجديدة، فإن التعلم الآلي لديه القدرة على تسريع الفهم البشري بشكل كبير عبر مجالات متعددة.