الذكاء الاصطناعي
AlphaGeometry2: الذكاء الاصطناعي الذي يتفوق على أبطال الأولمبياد البشريين في الهندسة
لقد حاول الذكاء الاصطناعي منذ فترة طويلة تقليد التفكير المنطقي الشبيه بالإنسان. ورغم أنه حقق تقدماً هائلاً في التعرف على الأنماط، فإن التفكير المجرد والاستنتاج الرمزي ظلا يشكلان تحديين صعبين للذكاء الاصطناعي. ويصبح هذا القيد واضحاً بشكل خاص عندما يتم استخدام الذكاء الاصطناعي لحل المشكلات الرياضية، وهو التخصص الذي كان منذ فترة طويلة شهادة على القدرات المعرفية البشرية مثل التفكير المنطقي والإبداع والفهم العميق. وعلى عكس فروع الرياضيات الأخرى التي تعتمد على الصيغ والتلاعبات الجبرية، فإن الهندسة مختلفة. فهي لا تتطلب التفكير المنظم خطوة بخطوة فحسب، بل تتطلب أيضاً القدرة على التعرف على العلاقات الخفية والمهارة لبناء عناصر إضافية لحل المشكلات.
لفترة طويلة، كان يُعتقد أن هذه القدرات فريدة من نوعها بالنسبة للبشر. ومع ذلك، تعمل شركة Google DeepMind على تطوير الذكاء الاصطناعي الذي يمكنه حل مهام التفكير المعقدة هذه. في العام الماضي، قدمت هندسة ألفا، وهو نظام ذكاء اصطناعي يجمع بين القوة التنبؤية للشبكات العصبية والمنطق المنظم للاستدلال الرمزي لمعالجة مشاكل الهندسة المعقدة. وقد أحدث هذا النظام تأثيرًا كبيرًا من خلال حل 54% من مشاكل الهندسة في أولمبياد الرياضيات الدولي (IMO) لتحقيق أداء على قدم المساواة مع الحاصلين على الميدالية الفضية. ومؤخرًا، ذهبوا إلى أبعد من ذلك مع ألفا جيومتري 2، والتي حققت معدل حل مذهل بنسبة 84% لتتفوق على متوسط الحائزين على الميدالية الذهبية في المنظمة البحرية الدولية.
في هذه المقالة، سنستكشف الابتكارات الرئيسية التي ساعدت AlphaGeometry2 على تحقيق هذا المستوى من الأداء وما يعنيه هذا التطور لمستقبل الذكاء الاصطناعي في حل مشكلات التفكير المعقدة. ولكن قبل الخوض في ما يجعل AlphaGeometry2 مميزًا، من الضروري أولاً فهم ماهية AlphaGeometry وكيف تعمل.
AlphaGeometry: الذكاء الاصطناعي الرائد في حل المشكلات الهندسية
هندسة ألفا هو نظام ذكاء اصطناعي مصمم لحل مشاكل الهندسة المعقدة على مستوى IMOإنه في الأساس نظام رمزي عصبي يجمع بين نموذج اللغة العصبية ومحرك الاستنتاج الرمزي. يساعد نموذج اللغة العصبية النظام على التنبؤ بالهياكل الهندسية الجديدة، بينما يطبق الذكاء الاصطناعي الرمزي المنطق الرسمي لتوليد الأدلة. يسمح هذا الإعداد لـ AlphaGeometry بالتفكير بشكل أكثر شبهاً بالإنسان من خلال الجمع بين قدرات التعرف على الأنماط للشبكات العصبية، والتي تحاكي التفكير البشري البديهي، مع التفكير المنظم للمنطق الرسمي، الذي يحاكي قدرات الاستنتاج البشري. كان أحد الابتكارات الرئيسية في AlphaGeometry هو كيفية توليد بيانات التدريب. بدلاً من الاعتماد على المظاهرات البشرية، أنشأ مليار مخطط هندسي عشوائي وعلاقات مشتقة بشكل منهجي بين النقاط والخطوط. خلقت هذه العملية مجموعة بيانات ضخمة من 100 مليون مثال فريد، مما يساعد النموذج العصبي على التنبؤ بالهياكل الهندسية الوظيفية وتوجيه المحرك الرمزي نحو حلول دقيقة. مكّن هذا النهج الهجين AlphaGeometry من حل 25 من أصل 30 مشكلة هندسية في الأولمبياد في غضون وقت المنافسة القياسي، وهو ما يطابق بشكل وثيق أداء أفضل المنافسين من البشر.
كيف يحقق AlphaGeometry2 أداءً أفضل
في حين كان AlphaGeometry بمثابة اختراق في التفكير الرياضي القائم على الذكاء الاصطناعي، إلا أنه كان يعاني من بعض القيود. فقد عانى من حل المشكلات المعقدة، وافتقر إلى الكفاءة في التعامل مع مجموعة واسعة من تحديات الهندسة، وكان يعاني من قيود في تغطية المشكلات. وللتغلب على هذه العقبات، ألفا جيومتري 2 يقدم سلسلة من التحسينات الهامة:
- توسيع قدرة الذكاء الاصطناعي على فهم مشاكل الهندسة الأكثر تعقيدًا
أحد أهم التحسينات في AlphaGeometry2 هو قدرته على العمل مع مجموعة أوسع من مشاكل الهندسة. كان برنامج AlphaGeometry السابق يعاني من مشاكل تتعلق بالمعادلات الخطية للزوايا والنسب والمسافات، فضلاً عن تلك التي تتطلب التفكير في النقاط المتحركة والخطوط والدوائر. يتغلب برنامج AlphaGeometry2 على هذه القيود من خلال تقديم نموذج لغوي أكثر تقدمًا يسمح له بوصف وتحليل هذه المشاكل المعقدة. ونتيجة لذلك، يمكنه الآن معالجة 88% من جميع مشاكل الهندسة في IMO خلال العقدين الماضيين، وهي زيادة كبيرة عن 66% السابقة.
- محرك حل المشكلات أسرع وأكثر كفاءة
هناك سبب رئيسي آخر يجعل AlphaGeometry2 يعمل بشكل جيد للغاية وهو محركه الرمزي المحسن. تم تحسين هذا المحرك، الذي يعمل كنواة منطقية لهذا النظام، بعدة طرق. أولاً، تم تحسينه للعمل مع مجموعة أكثر دقة من قواعد حل المشكلات مما يجعله أكثر فعالية وأسرع. ثانيًا، يمكنه الآن التعرف على متى تمثل التراكيب الهندسية المختلفة نفس النقطة في المشكلة، مما يسمح له بالتفكير بشكل أكثر مرونة. أخيرًا، تمت إعادة كتابة المحرك بلغة C++ بدلاً من Python، مما يجعله أسرع بأكثر من 300 مرة من ذي قبل. تسمح هذه الزيادة في السرعة لـ AlphaGeometry2 بإنشاء حلول بشكل أسرع وأكثر كفاءة.
- تدريب الذكاء الاصطناعي على حل مشاكل هندسية أكثر تعقيدًا وتنوعًا
إن فعالية النموذج العصبي لبرنامج AlphaGeometry2 تأتي من التدريب المكثف الذي يتلقاه في مسائل الهندسة الاصطناعية. ففي البداية، قام برنامج AlphaGeometry بإنشاء مليار رسم هندسي عشوائي لإنشاء 100 مليون مثال تدريبي فريد. ثم يخطو برنامج AlphaGeometry2 خطوة أبعد من خلال إنشاء رسوم بيانية أكثر شمولاً وتعقيدًا تتضمن علاقات هندسية معقدة. بالإضافة إلى ذلك، فهو الآن يدمج مسائل تتطلب إدخال هياكل مساعدة - نقاط أو خطوط جديدة محددة تساعد في حل المشكلة، مما يسمح له بالتنبؤ وتوليد حلول أكثر تعقيدًا.
- العثور على أفضل مسار للحل باستخدام استراتيجيات بحث أكثر ذكاءً
ومن بين الابتكارات الرئيسية التي طرأت على برنامج AlphaGeometry2 هو نهج البحث الجديد الذي يطلق عليه اسم مجموعة المعرفة المشتركة لأشجار البحث (SKEST). فعلى عكس البرنامج السابق الذي اعتمد على طريقة بحث أساسية، يقوم برنامج AlphaGeometry2 بإجراء عمليات بحث متعددة بالتوازي، حيث يتعلم كل بحث من الآخرين. وتسمح هذه التقنية للبرنامج باستكشاف مجموعة أوسع من الحلول الممكنة وتحسن بشكل كبير قدرة الذكاء الاصطناعي على حل المشكلات المعقدة في فترة زمنية أقصر.
- التعلم من نموذج لغوي أكثر تقدمًا
هناك عامل رئيسي آخر وراء نجاح AlphaGeometry2 وهو اعتماده لـ نموذج جوجل الجوزاء، وهو نموذج ذكاء اصطناعي متطور تم تدريبه على مجموعة أكثر شمولاً وتنوعًا من المشكلات الرياضية. يعمل نموذج اللغة الجديد هذا على تحسين قدرة AlphaGeometry2 على توليد حلول خطوة بخطوة بسبب تحسين التفكير المتسلسل. الآن، يمكن لـ AlphaGeometry2 التعامل مع المشكلات بطريقة أكثر تنظيماً. من خلال ضبط تنبؤاته والتعلم من أنواع مختلفة من المشكلات، يمكن للنظام الآن حل نسبة أكبر بكثير من أسئلة الهندسة على مستوى الأولمبياد.
تحقيق نتائج تفوق نتائج أبطال الأولمبياد البشري
بفضل التطورات المذكورة أعلاه، يحل AlphaGeometry2 42 من أصل 50 مشكلة هندسية من IMO من عام 2000 إلى عام 2024، محققًا معدل نجاح 84%. وتتفوق هذه النتائج على أداء متوسط الميدالية الذهبية في المنظمة البحرية الدولية ووضعت معيارًا جديدًا للتفكير الرياضي الذي يعتمد على الذكاء الاصطناعي. وبخلاف أدائها المذهل، فإن AlphaGeometry2 تحرز تقدمًا كبيرًا في أتمتة إثبات النظريات، مما يقربنا من أنظمة الذكاء الاصطناعي التي لا تستطيع حل المشكلات الهندسية فحسب، بل تشرح أيضًا تفكيرها بطريقة يمكن للبشر فهمها.
مستقبل الذكاء الاصطناعي في التفكير الرياضي
إن التقدم الذي أحرزته AlphaGeometry إلى AlphaGeometry2 يُظهِر كيف أصبحت الذكاء الاصطناعي أفضل في التعامل مع المشكلات الرياضية المعقدة التي تتطلب التفكير العميق والمنطق والاستراتيجية. كما يشير هذا إلى أن الذكاء الاصطناعي لم يعد يقتصر على التعرف على الأنماط فحسب، بل أصبح قادرًا على التفكير وإقامة الروابط وحل المشكلات بطرق تبدو أقرب إلى التفكير المنطقي الذي يستخدمه البشر.
كما يوضح لنا برنامج AlphaGeometry2 ما قد تكون الذكاء الاصطناعي قادرة على فعله في المستقبل. فبدلاً من مجرد اتباع التعليمات، يمكن للذكاء الاصطناعي أن يبدأ في استكشاف أفكار رياضية جديدة بمفرده، بل وحتى المساعدة في البحث العلمي. ومن خلال الجمع بين الشبكات العصبية والتفكير المنطقي، قد لا يكون الذكاء الاصطناعي مجرد أداة يمكنها أتمتة المهام البسيطة، بل قد يكون شريكًا مؤهلًا يساعد في توسيع المعرفة البشرية في المجالات التي تعتمد على التفكير النقدي.
هل ندخل عصرًا يثبت فيه الذكاء الاصطناعي النظريات ويتوصل إلى اكتشافات جديدة في الفيزياء والهندسة والبيولوجيا؟ ومع تحول الذكاء الاصطناعي من الحسابات القوية إلى حل المشكلات بطريقة أكثر تفكيرًا، فقد نكون على أعتاب مستقبل حيث يعمل البشر والذكاء الاصطناعي معًا لاكتشاف أفكار لم نكن نعتقد أنها ممكنة أبدًا.
