من الفضة إلى الذهب: كيف حقق الذكاء الاصطناعي لشركة DeepMind ذهبية الأولمبياد الرياضي

حقق الذكاء الاصطناعي لشركة DeepMind تقدمًا ملحوظًا في التفكير الرياضي خلال فترة زمنية قصيرة بلغت عامًا واحدًا. بعد حصوله على ميدالية فضية في الأولمبياد الرياضي الدولي (IMO) في عام 2024، حصل نظام الذكاء الاصطناعي على ميدالية ذهبية في عام 2025. يبرز هذا التقدم السريع القدرات المتزايدة للذكاء الاصطناعي في التعامل مع مشاكل معقدة ومجردة تتطلب إبداعًا وتنبؤًا مثل الإنسان. سوف يشرح هذا المقال كيف حقق DeepMind هذا التحول، والاختيارات الفنية والاستراتيجية وراءه، والآثار الأوسع لهذه التطورات.

أهمية الأولمبياد الرياضي

يُعتبر الأولمبياد الرياضي الدولي، الذي تأسس في عام 1959، على نطاق واسع كأهم مسابقة رياضية للطلاب في المدارس الثانوية. كل عام، يواجه الطلاب المتميزون من جميع أنحاء العالم ستة مشاكل صعبة عبر الجبر، الهندسة، نظرية الأعداد، والتركيبات. يتطلب حل هذه المشاكل أكثر من الحساب؛ يجب على المشاركين إظهار إبداع رياضي حقيقي، تفكير منطقي صارم، وقدرة على بناء براهين أنيقة.

يُعتبر الأولمبياد الرياضي الدولي تحديًا فريدًا للذكاء الاصطناعي. بينما أتقن الذكاء الاصطناعي التعرف على الأنماط، وتحليل البيانات، وألعاب معقدة مثل غو وشطرنج، يتطلب رياضيات الأولمبياد إبداعًا وتنبؤًا مجردًا، ودمج أفكار جديدة، وهي مهارات تُعتبر تقليديًا علامات بارزة للذكاء البشري. ونتيجة لذلك، أصبح الأولمبياد الرياضي الدولي اختبارًا طبيعيًا لتقييم مدى قرب الذكاء الاصطناعي من تحقيق تفكير بشري حقيقي.

انطلاقة الميدالية الفضية في عام 2024

في عام 2024، قدمت شركة DeepMind نظامي الذكاء الاصطناعي لتackle مشاكل الأولمبياد الرياضي الدولي: AlphaProof وAlphaGeometry 2. كلا النظامين هما أمثلة على “الذكاء الاصطناعي العصبوني الرمزي، الذي يجمع بين نقاط القوة للنماذج اللغوية الكبيرة (LLM) وصرامة المنطق الرمزي.

AlphaProof تم تصميمه ليثبت Statements الرياضية باستخدام Lean، لغة رياضية رسمية. تم الجمع بين Gemini، نموذج اللغة الكبيرة لشركة DeepMind، وAlphaZero، وهو محرك تعلم تعزيزي معروف بنجاحه في ألعاب اللوحة. في هذا السياق، كان دور Gemini هو ترجمة مشاكل اللغة الطبيعية إلى Lean ومحاولة البراهين من خلال توليد خطوات منطقية. تم تدريب AlphaProof على ملايين الأمثلة على المشاكل التي تغطي مختلف التخصصات الرياضية والصعوبات. تحسنت النظام نفسه من خلال محاولة إثبات العبارات المتزايدة التعقيد، مشابهة لطريقة تعلم AlphaZero من خلال اللعب ضد نفسها.

AlphaGeometry 2 تم تصميمه لحل مشاكل الهندسة. هنا،enabled Gemini’s فهم اللغة الطبيعية للذكاء الاصطناعي لتوقع البنايات المساعدة، في حين قام محرك التفكير الرمزي بإدارة الاستدلال المنطقي. سمح هذا النهج الهجين لـ AlphaGeometry بمواجهة مشاكل هندسية تتجاوز نطاق التفكير الآلي التقليدية.

معًا، حل هذه الأنظمة أربعة من ستة مشاكل الأولمبياد الرياضي الدولي: مشكلتان في الجبر، واحدة في نظرية الأعداد، وواحدة في الهندسة، وحصلت على درجة 28 من 42. كان هذا الأداء إنجازًا كبيرًا، لأنه كان المرة الأولى التي حصل نظام الذكاء الاصطناعي على مستوى الميدالية الفضية في الأولمبياد الرياضي الدولي. ومع ذلك، اعتمد هذا النجاح بشكل كبير على خبراء بشريين لترجمة المشاكل إلى لغات رياضية رسمية. كما تطلبوا موارد حسابية ضخمة، والتي استغرق حل كل مشكلة منها أيامًا من وقت المعالجة.

الابتكارات الفنية وراء الميدالية الذهبية

تم دفع انتقال شركة DeepMind من أداء الميدالية الفضية إلى أداء الميدالية الذهبية بواسطة عدة تحسينات فنية كبيرة.

1. اللغة الطبيعية كوسيلة للبراهين

كان التغيير الأكثر أهمية هو التحول من الأنظمة التي تتطلب ترجمات خبيرة إلى لغات رسمية إلى معاملة اللغة الطبيعية كوسيلة للبراهين. يتم تحقيق هذا التحول من خلال إصدار محسّن من Gemini مجهز بتقنيات Deep Think. بدلاً من تحويل المشاكل إلى Lean، يعالج النموذج النص مباشرة، ويولّد مسودات غير رسمية، ويعمل على صياغة خطوات حاسمة داخليًا، ويُنتج براهين إنجليزية متطورة. تم استخدام تعلم التعزيز من خلال ملاحظات بشرية (RLHF) لمكافأة الحلول التي كانت منطقية وconcise ومقدمة.

يختلف Gemini Deep Think عن الإصدار العام من Gemini في两个 جوانب رئيسيين. أولًا، يخصص نافذة سياق أطول وأكثر رموز حسابية لكل استعلام، مما يسمح للنموذج بالاحتفاظ بسلاسل فكرية متعددة الصفحات. ثانيًا، يستخدم التفكير الموازي، حيث يتم توليد مئات من الخيوط التخمينية المختلفة لمحاولات حل مختلفة. ثم يُصنّف مشرف خفيف هذه الخيوط ويعزز المسارات الأكثر وعدًا، مستخدمًا مفاهيم من مونت كارلو للبحث الشجري ولكن تطبيقها على النص. هذا النهج يقلد كيفية عمل فرق بشرية في توليد الأفكار، وإلغاء الأفكار غير المنتجة، والتوصل إلى حلول أنيقة.

2. التدريب والتعلم بالتعزيز

شمل تدريب Gemini Deep Think تعديل النموذج لتوقعات الخطوات التالية بدلاً من الإجابات النهائية. لهذا الغرض، تم تجميع مجموعة من 100,000 حل رياضي عالي الجودة من مسابقات الأولمبياد ومراحل ما قبل الجامعة. تم جمع هذه المجموعة بشكل رئيسي من مناقشات الرياضيات العامة، ومقالات arXiv، ومجموعات مشاكل الكلية. قام مدربون بشريون بمراجعة أمثلة التدريب لfiltration البراهين غير المنطقية أو غير الكاملة. ساعد التعلم بالتعزيز على تعديل النموذج، مما دفعه إلى إنتاج براهين موجزة ودقيقة. كانت الإصدارات المبكرة تنتج براهين冗长، ولكن الجزاءات على العبارات الزائدة ساعدت في تقليص الإخراج.

على عكس التعديل التقليدي، الذي يصعب عليه في كثير من الأحيان التعامل مع مكافآت نادرة حيث تكون الملاحظة ثنائية، إما البرهان صحيح أو لا. قامت شركة DeepMind بتنفيذ نظام مكافأة خطوي، حيث ساهم كل لمحة مؤكدة في الدرجة الكلية. يوجه هذا آلية المكافأة Gemini حتى عندما يكون البرهان الكامل نادرًا. استمرت عملية التدريب ثلاثة أشهر واستخدمت حوالي 25 مليون ساعة TPU.

3. التمويل المتوازي الكبير

لعب التمويل المتوازي أيضًا دورًا حاسمًا في تقدم شركة DeepMind من الميدالية الفضية إلى الذهبية. تم توليد فروع عديدة من التفكير في وقت واحد لكل مشكلة، مع تحويل الموارد ديناميكيًا إلى طرق واعدة أكثر عندما تعثرت الأخرى. كان هذا الجدول الزمني الديناميكي مفيدًا بشكل خاص لمشاكل التوليف، التي تتميز بمساحات حل كبيرة. هذا النهج يشبه كيفية اختبار البشر للتفاوتات المساعدة قبل الالتزام بالاستقراء الكامل. على الرغم من أن هذه التقنية كانت مكلفة حسابيًا، إلا أنها كانت قابلة للإدارة باستخدام مجموعات TPU v5 لشركة DeepMind.

شركة DeepMind في الأولمبياد الرياضي الدولي 2025

为了 الحفاظ على سلامة المسابقة، قامت شركة DeepMind بتجميد أوزان النموذج قبل ثلاثة أسابيع من الأولمبياد الرياضي الدولي لمنع تسرب المشاكل الرسمية إلى مجموعة التدريب. كما قامت بfiltration البيانات التي تحتوي على حلول لمسائل الأولمبياد غير المنشورة.

خلال المسابقة، تم تزويد Gemini Deep Think بالمشاكل الست الرسمية في صيغة نصية عادية، دون إتاحة الوصول إلى الإنترنت. تم تشغيل النظام على مجموعة معدة لتمثيل قوة الحوسبة لمحطة العمل القياسية. تم إكمال عملية حل المشكلة بأكملها في أقل من ثلاث ساعات، داخل حدود الوقت المحددة. تم تقديم البراهين التي تم توليدها إلى منسقي الأولمبياد الرياضي الدولي دون تعديلات.

حصل Gemini Deep Think على درجات مثالية في أول خمس مشاكل. ومع ذلك، فإن السؤال الأخير، الذي كان لغزًا معقدًا في التوليف، أربك كلاً من الذكاء الاصطناعي و94% من المشاركين البشر. على الرغم من ذلك، أنهى الذكاء الاصطناعي بدرجة إجمالية قدرها 35/42، مما مكنه من الفوز بالميدالية الذهبية. كانت هذه الدرجة أعلى بسبع نقاط من أداء الميدالية الفضية في العام السابق. وصف المراقبون فيما بعد براهين الذكاء الاصطناعي بأنها “مُجهدة” و”كاملة”، مشيرين إلى أنها اتبعت التبريرات الصارمة المتوقعة من المتنافسين البشر.

الآثار على الذكاء الاصطناعي والرياضيات

يُعتبر إنجاز شركة DeepMind حدثًا مهمًا للغاية لكل من الذكاء الاصطناعي والرياضيات. بالنسبة للذكاء الاصطناعي، فإن التغلب على الأولمبياد الرياضي الدولي هو خطوة نحو الذكاء الاصطناعي العام (AGI)، حيث يمكن للأنظمة أداء أي مهمة فكرية يمكن للبشر أداؤها. يتطلب حل المشاكل الرياضية المعقدة التفكير والفهم، وهما مكونان أساسيان للذكاء العام. يشير هذا النجاح إلى أن الذكاء الاصطناعي يحرز خطوات نحو القدرات المعرفية البشرية.

بالنسبة للرياضيات، يمكن أن تصبح أنظمة الذكاء الاصطناعي مثل Gemini Deep Think أدوات قيمة للمатемاتيين. يمكنهم المساعدة في استكشاف مجالات جديدة، وverification التخمينات، واكتشاف نظريات جديدة. من خلال توفير الجوانب الأكثر تedium من بناء البراهين، يحرر الذكاء الاصطناعي الرياضيين البشر للتركيز على العمل المفاهيمي على مستوى أعلى. بالإضافة إلى ذلك، يمكن أن يلهم التقنيات المطورة لأنظمة الذكاء الاصطناعي هذه أساليب جديدة في البحث الرياضي التي قد لا تكون ممكنة من خلال الجهود البشرية وحدها.

然而، يثير تقدم الذكاء الاصطناعي في الرياضيات أيضًا أسئلة حول دور الذكاء الاصطناعي في الإعدادات التعليمية والمنافسات. مع استمرار نمو قدرات الذكاء الاصطناعي، سوف تكون هناك مناقشات حول كيفية تأثير مشاركة الذكاء الاصطناعي على طبيعة التعليم والمنافسة الرياضية.

النظر إلى المستقبل

فوز الميدالية الذهبية في الأولمبياد الرياضي الدولي هو حدث مهم، ولكن لا تزال هناك تحديات رياضية كثيرة خارج نطاق الأنظمة الحالية للذكاء الاصطناعي. ومع ذلك، يبرز التقدم السريع من الميدالية الفضية إلى الذهبية في غضون عام واحد فقط وتسارع وتيرة الابتكارات والتنميات في الذكاء الاصطناعي. إذا استمر هذا الوتيرة، قد يعالج أنظمة الذكاء الاصطناعي بعضًا من أكثر المشاكل الرياضية شهرة التي لم تحل بعد. بينما لا يزال السؤال حول ما إذا كان الذكاء الاصطناعي سوف يُستبدل أو يعزز الإبداع البشري بدون حل، يشير الأولمبياد الرياضي الدولي 2025 إلى أن الذكاء الاصطناعي قد حقق خطوات كبيرة في التفكير المنطقي.