الائتمان: VentureBeat مصنوع من Midjourney
نظام ذكاء اصطناعي جديد تم تطويره بواسطة جوجل ديب مايند، أحد مختبرات الذكاء الاصطناعي الرائدة في العالم، يمكنه حل المشكلات الهندسية المعقدة بمستوى مماثل لحصول الإنسان على الميدالية الذهبية في الأولمبياد الدولي للرياضيات (IMO)، وهي مسابقة مرموقة لطلاب المدارس الثانوية.
النظام، ودعا هندسة ألفايجمع بين نهجين مختلفين: نموذج اللغة العصبية الذي يولد أفكارًا بديهية، ومحرك استنتاج رمزي يتحقق منها باستخدام المنطق والقواعد الرسمية. يعتمد نموذج اللغة على نفس التقنية التي تعمل على تشغيل محرك بحث Google وأنظمة فهم اللغة الطبيعية. إن محرك الاستنباط مستوحى من الطريقة التي ابتكرها عالم الرياضيات الصيني وين تسون وو في عام 1978.
اختبر الباحثون AlphaGeometry على 30 مسألة هندسية من IMO، والتي تعتبر صعبة حتى بالنسبة لعلماء الرياضيات الخبراء. قام النظام بحل 25 مشكلة خلال الحد الزمني القياسي البالغ 4.5 ساعة، وهو ما يطابق متوسط درجات الحاصلين على الميداليات الذهبية من البشر في نفس المشكلات. أفضل نظام سابق، يعتمد على طريقة وو، تمكن من حل 10 مشاكل فقط.
النتائج نشرت اليوم في طبيعة، أظهر أن الذكاء الاصطناعي يمكنه التفكير بشكل منطقي واكتشاف معرفة رياضية جديدة.
لقد كانت الرياضيات، والهندسة على وجه الخصوص، تحديًا طويل الأمد للباحثين في مجال الذكاء الاصطناعي، لأنها تتطلب الإبداع والصلابة. على عكس نماذج الذكاء الاصطناعي القائمة على النصوص، والتي يمكن تدريبها على كميات هائلة من البيانات من الويب، هناك القليل نسبيا من البيانات المتاحة للرياضيات، والتي هي أكثر رمزية ومحددة في المجال. علاوة على ذلك، يتطلب حل المشكلات الرياضية تفكيرًا منطقيًا، وهو الأمر الذي لا تجيده معظم نماذج الذكاء الاصطناعي الحالية.
للتغلب على هذه التحديات، طور الباحثون نهجًا رمزيًا عصبيًا جديدًا يستفيد من نقاط القوة في كل من الشبكات العصبية والأنظمة الرمزية. تعتبر الشبكات العصبية جيدة في التعرف على الأنماط والتنبؤ بالخطوات التالية، لكنها غالبًا ما ترتكب أخطاء أو تفتقر إلى التفسيرات. ومن ناحية أخرى، تعتمد الأنظمة الرمزية على المنطق الرسمي والقواعد الصارمة، التي تسمح لها بتصحيح وتبرير قرارات الشبكة العصبية.
وقارن الباحثون منهجهم بفكرة “التفكير سريع وبطيء“، التي شاعها الحائز على جائزة نوبل دانييل كانيمان. يوفر أحد النظامين أفكارًا سريعة و”بديهية”، بينما يوفر النظام الآخر عملية صنع قرار أكثر تعمدًا وعقلانية. يعمل هذان النظامان، المسؤولان عن التفكير الإبداعي والتفكير المنطقي على التوالي، معًا لحل المشكلات الرياضية الصعبة.
أظهر الباحثون أيضًا أن AlphaGeometry يمكنها التعميم على المشكلات غير المرئية واكتشاف نظريات جديدة لم يتم ذكرها صراحةً في بيان المشكلة. على سبيل المثال، كان النظام قادرًا على إثبات نظرية حول منصف زاوية المثلث، والتي لم يتم تقديمها كمقدمة أو هدف في المشكلة.
ويأمل الباحثون أن نظامهم، التي لديهم مفتوحة المصدر، سوف يلهم المزيد من البحث والتطبيقات في الرياضيات والعلوم والذكاء الاصطناعي. كما أنهم يعترفون بالقيود والتحديات التي تواجه عملهم، مثل الحاجة إلى المزيد من الأدلة التي يمكن قراءتها بواسطة الإنسان، وقابلية التوسع في حل المشكلات الأكثر تعقيدًا، والآثار الأخلاقية لأنظمة الذكاء الاصطناعي في الرياضيات.
في حين أن AlphaGeometry يقتصر حاليًا على البراهين الهندسية، يعتقد الباحثون أن منهجية البيانات الاصطناعية الخاصة بهم يمكن أن تسمح لتفكير الذكاء الاصطناعي بالازدهار في مجالات الرياضيات والعلوم حيث تكون بيانات التدريب التي يولدها الإنسان نادرة. ومن خلال أتمتة اكتشاف المعرفة الجديدة والتحقق منها، قد يؤدي التعلم الآلي قريبًا إلى تسريع الفهم البشري عبر العديد من التخصصات.
مهمة VentureBeat هو أن تكون ساحة مدينة رقمية لصانعي القرار التقنيين لاكتساب المعرفة حول تكنولوجيا المؤسسات التحويلية والمعاملات. اكتشف ملخصاتنا.