كتب – رامز يوسف:
طور باحثو جوجل نظامًا رياضيًا للذكاء الاصطناعي (AI) يمكنه التفوق على الحائزين على الميداليات الذهبية في مسابقات الهندسة الدولية.
النظام، المسمى “AlphaGeometry2” (AG2)، هو إطار عمل متقدم للذكاء الاصطناعي قادر على حل 84٪ من مشاكل الهندسة المطروحة في أولمبياد الرياضيات الدولي (IMO). حل الفائزون بالميدالية الذهبية في أولمبياد الرياضيات الدولي (IMO) في المتوسط 81.8٪ من مشاكل الأولمبياد.
قال العلماء إن هذا النظام، الذي صممه Google DeepMind، يمكنه الانخراط ليس فقط في مطابقة الأنماط ولكن أيضًا في حل المشكلات الإبداعية. وحددوا نتائجهم في دراسة تم تحميلها إلى قاعدة بيانات arXiv قبل الطباعة.
يأتي إعلان الشركة بعد شهر واحد من إصدار مايكروسوفت نظامها المتقدم في التفكير الرياضي بالذكاء الاصطناعي، rStar-Math، الذي يستخدم نماذج لغوية صغيرة (SMLs) لحل المعادلات المعقدة. تسعى كلتا الشركتين إلى الهيمنة على مجال الرياضيات بالذكاء الاصطناعي لأن العلماء يقولون إن الأنظمة ذات القدرات العالية في حل المشكلات الرياضية قد تحاكي بشكل كافٍ أشكالًا أخرى من التفكير البشري.
يختلف AG2 عن rStar-Math من Microsoft في أنه يركز على حل المشكلات المتقدمة باستخدام نموذج تفكير هجين، بينما يستخدم r-Star نماذج لغوية أصغر لحل مجموعة أوسع من المشكلات.
أصدرت جوجل النسخة الأصلية من AlphaGeometry في يناير 2024، وأظهر أحدث إصدار لها زيادة في الأداء بنسبة 30٪ عن التكرارات السابقة، كما قال العلماء في الدراسة. تركز التحسينات في AG2 على إتقان الهندسة التي تتطلب، على عكس حساب التفاضل والتكامل والجبر، مزيجًا من التفكير البصري والمنطق لحل المشكلات المعقدة.
ومع ذلك، يحذر الخبراء من النظر إلى هذا الإنجاز باعتباره تحقيقًا للذكاء الاصطناعي العام (AGI) – حيث يكون نظام الذكاء الاصطناعي أكثر ذكاءً من البشر في تخصصات متعددة، بدلاً من كونه خارقًا للطبيعة في تخصص واحد، بصرف النظر عن بيانات التدريب.
قال جون بيتس، الرئيس التنفيذي لشركة الذكاء الاصطناعي SER Group وأستاذ علوم الكمبيوتر من جامعة كامبريدج: “يمثل AlphaGeometry2 شكلاً من أشكال الذكاء، لكن الذكاء البشري يتجاوز هذا بكثير – فنحن نخترع، بدلاً من مجرد تطبيق المعرفة أو خلق وهم الفكر”.
كيف يمكن للذكاء الاصطناعي حل أصعب مشاكل الرياضيات
يتمثل الاختراق الذي حققته DeepMind في الجمع الناجح بين نماذج اللغة العصبية والمحركات الرمزية (الأنظمة القائمة على المنطق والمصممة لحل المشكلات باستخدام الرموز والمعلمات). يقترح نموذج اللغة إنشاءات هندسية بينما يختبرها المحرك الرمزي. يتيح هذا تحويل اللغة اليومية التي يراها الإنسان في مشكلة هندسية وتحويلها إلى “إنشاءات مساعدة” يمكن للمحرك الرمزي فهمها واختبارها.
ثم يعمل النظام في انسجام لاقتراح إنشاءات جديدة إذا لم تنجح السابقة. يجري هذا البحث عن الحلول بالتوازي مع تمرير المعلومات من جانب واحد من النظام إلى الجانب الآخر حتى يصل إلى حل.
يعتبر AG2 أفضل من الإصدار الأول بفضل نموذج اللغة العصبية المدرب على مجموعة بيانات أكبر وأكثر تنوعًا، إلى جانب محرك رمزي أسرع جاهز للتحقق من المزيد من الإنشاءات الهندسية. كما يتميز النظام بخوارزمية فريدة للبحث عن البراهين الهندسية وإيجادها.
لاحظ باحثو DeepMind أن عيوب AG2 تكمن في وقت المعالجة الأطول، وأنه لا يمكنه التعامل مع أكثر مشاكل الهندسة IMO تحديًا في الهندسة ثلاثية الأبعاد، والمعادلات غير الخطية، أو المشاكل ذات النقاط المتغيرة (النقاط التي تغير موضعها داخل مشكلة هندسية) و/أو النقاط اللانهائية (المشاكل ذات تسلسل لا نهائي من النقاط ولها عدد لا نهائي من الحلول). أخيرًا، لا يمكن للنظام شرح كيفية التوصل إلى حلوله بأي لغة يمكن للإنسان أن يفهمها.
يظل نطاق تطلعات DeepMind لنظام AG2 الخاص بها في تحسين التفكير الرياضي. ومع ذلك، قال العلماء إن التحسينات في هذا المجال يمكن تطبيقها على العديد من التخصصات بما في ذلك التصميم الهندسي، والتحقق الآلي من الأنظمة، والروبوتات، والبحث الصيدلاني والبحث الجينومي.
وأضاف العلماء أن الخطة هي أن يوفر AG2 أتمتة كاملة لحل المشكلات الهندسية، دون أي أخطاء. وفي الإصدارات المستقبلية، يأملون توسيع دعمه لمزيد من المفاهيم الهندسية وتقسيم المشكلات إلى مجموعات فرعية. كما يخططون لتسريع عملية الاستدلال وموثوقية النظام.
المصدر: livescience
اقرأ أيضا:
