لقد حقق تطبيق الذكاء الاصطناعي في مجال الرياضيات اختراقًا آخر. هذا الإنجاز لا يوضح فقط إمكانات الذكاء الاصطناعي في حل المشكلات الهندسية المعقدة ، ولكن أيضًا يوفر أفكارًا جديدة للتطوير المستقبلي لنماذج الذكاء الاصطناعي.
في الآونة الأخيرة ، نجح نظام الذكاء الاصطناعي الذي طورته Google DeepMind ، Alphageometry2 ، إلى تجاوز متوسط مستوى أولمبياد الرياضيات الدوليين (IMO) وأداء جيد في أسئلة الهندسة. Alphageometry2 هو نسخة ترقية من نظام القياس Alphageomence الذي تم إصداره بواسطة DeepMind في العام الماضي.
فلماذا يركز DeepMind على مثل هذه المنافسة في الرياضيات في المدارس الثانوية؟ يتطلب إثبات النظريات الرياضية مهارات التفكير والقدرة على اختيار الحلول المناسبة ، ويعتقد DeepMind أن قدرات حل المشكلات هذه قد تكون حاسمة للتطوير المستقبلي لنماذج الذكاء الاصطناعى العام.
هذا الصيف ، أظهر DeepMind أيضًا نظامًا يجمع بين Alphageometry2 و Alphaproof ، وهو نموذج منظمة العفو الدولية للتفكير الرياضي الرسمي ، والذي حل أربعة من الأسئلة الستة في تصفيات IMO 2024. بصرف النظر عن المشكلات الهندسية ، قد يمتد هذا النهج أيضًا إلى مجالات أخرى من الرياضيات والعلوم ، ويمكن أن يساعد في الحسابات الهندسية المعقدة.
يتضمن جوهر Alphageometry2 نموذجًا لغة من عائلة Google Gemini و "محرك رمز". يساعد نموذج Gemini المحرك الرمزي على استخلاص حلول للمشكلة باستخدام القواعد الرياضية. سير العمل هو: نموذج الجوزاء يتنبأ بالبناء (مثل النقاط والخطوط والدوائر) قد يكون مفيدًا في حل المشكلات ، ثم يقوم المحرك الرمزي بإجراء التفكير المنطقي استنادًا إلى هذه التركيبات. بعد سلسلة من عمليات البحث المعقدة ، تمكن Alphageometry2 من الجمع بين اقتراحات نموذج الجوزاء مع المبادئ المعروفة لرسم البراهين.
على الرغم من أن Alphageometry2 أجاب بنجاح على 42 من بين 50 مشكلة IMO ، متجاوزة متوسط درجة لاعبي الميدالية الذهبية ، لا تزال هناك بعض القيود ، مثل عدم القدرة على حل العدد غير المؤكد من المتغيرات والمعادلات غير الخطية وعدم المساواة. بالإضافة إلى ذلك ، في بعض الأسئلة الأكثر صعوبة ، لم يكن أداء Alphageometry2 مثاليًا ، ولم يتم حل سوى 20 سؤالًا من 29 سؤالًا.
أثارت هذه الدراسة مرة أخرى مناقشات حول ما إذا كان ينبغي أن تستند أنظمة الذكاء الاصطناعى إلى عمليات رمزية أو شبكات عصبية تشبه الدماغ. يستخدم Alphageometry2 نهجًا هجينًا يجمع بين الشبكات العصبية والمحركات الرمزية القائمة على القواعد. يلاحظ فريق DeepMind أنه على الرغم من أن نماذج اللغة الكبيرة قد تنشئ حلولًا جزئية بدون أدوات خارجية ، فإن المحركات الرمزية لا تزال أدوات مهمة في التطبيقات الرياضية في الوضع الحالي.
يمثل نجاح Alphageometry2 اختراقًا إضافيًا في الذكاء الاصطناعي في مجال الرياضيات ، وقد يلعب دورًا في مشاكل أكثر تعقيدًا في المستقبل.