قبل عدة سنوات من بدء ChatGPT في الثرثرة، طورت Google برنامج ذكاء اصطناعي مختلف تمامًا يسمى AlphaGo والذي تعلم لعب لعبة Go بمهارة خارقة من خلال الممارسة الدؤوبة.
وقد نشر الباحثون في الشركة الآن بحثًا يجمع بين قدرات نموذج لغوي كبير (الذكاء الاصطناعي وراء برامج الدردشة اليوم) مع قدرات AlphaZero، وهو خليفة AlphaGo القادر أيضًا على لعب الشطرنج، لحل البراهين الرياضية المعقدة للغاية.
وقد أثبت ابتكارهم الجديد الشبيه بفرانكشتاين، والذي أطلقوا عليه اسم AlphaProof، براعته من خلال معالجة العديد من المشكلات من أولمبياد الرياضيات الدولي لعام 2024 (IMO)، وهي مسابقة مرموقة لطلاب المدارس الثانوية.
يستخدم AlphaProof نموذج اللغة الكبير Gemini لتحويل أسئلة الرياضيات ذات الصياغة الطبيعية إلى لغة برمجة تسمى Lean. يوفر هذا مادة تدريبية لخوارزمية ثانية لتتعلم، من خلال التجربة والخطأ، كيفية العثور على أدلة يمكن تأكيد صحتها.
في وقت سابق من هذا العام، كشفت شركة Google DeepMind عن خوارزمية رياضية أخرى تسمى AlphaGeometry والتي تجمع أيضًا بين نموذج لغوي ونهج مختلف للذكاء الاصطناعي. تستخدم AlphaGeometry برنامج Gemini لتحويل مسائل الهندسة إلى نموذج يمكن معالجته واختباره بواسطة برنامج يتعامل مع العناصر الهندسية. كما أعلنت Google اليوم عن إصدار جديد ومحسن من AlphaGeometry.
وجد الباحثون أن برنامجي الرياضيات اللذين ابتكروهما قادران على تقديم أدلة على ألغاز IMO بنفس الكفاءة التي يتمتع بها الفائز بالميدالية الفضية. فقد نجح البرنامجان في حل مشكلتين في الجبر ومشكلة واحدة في نظرية الأعداد من بين ست مشاكل. وقد تمكن البرنامجان من حل مشكلة واحدة في دقائق، ولكنهما استغرقا عدة أيام لحل مشاكل أخرى. ولم يكشف برنامج Google DeepMind عن مقدار الطاقة الحاسوبية التي استخدمها لحل المشاكل.
وتسمي شركة جوجل ديب مايند النهج المستخدم لكل من AlphaProof وAlphaGeometry بـ “الرمزي العصبي” لأنهما يجمعان بين التعلم الآلي الخالص للشبكة العصبية الاصطناعية، وهي التكنولوجيا التي تدعم معظم التقدم في الذكاء الاصطناعي في الآونة الأخيرة، مع لغة البرمجة التقليدية.
يقول ديفيد سيلفر، الباحث في برنامج جوجل ديب مايند الذي قاد العمل على برنامج ألفا زيرو: “لقد رأينا هنا أنه يمكنك الجمع بين النهج الذي حقق نجاحاً كبيراً، وأشياء مثل ألفا جو، مع نماذج لغوية ضخمة وإنتاج شيء يتمتع بقدرات هائلة”. ويقول سيلفر إن التقنيات التي تم عرضها باستخدام برنامج ألفا برووف من المفترض أن تمتد نظرياً إلى مجالات أخرى من الرياضيات.
والواقع أن هذا البحث يثير احتمالات معالجة أسوأ الاتجاهات التي تتسم بها نماذج اللغة الكبيرة من خلال تطبيق المنطق والاستدلال بطريقة أكثر واقعية. وبقدر ما قد تكون نماذج اللغة الكبيرة معجزة، فإنها كثيراً ما تكافح من أجل فهم حتى الرياضيات الأساسية أو حل المشكلات بطريقة منطقية.
في المستقبل، قد توفر الطريقة الرمزية العصبية وسيلة لأنظمة الذكاء الاصطناعي لتحويل الأسئلة أو المهام إلى شكل يمكن التفكير فيه بطريقة تنتج نتائج موثوقة. كما يُشاع أن شركة OpenAI تعمل على مثل هذا النظام، والذي يحمل الاسم الرمزي “Strawberry”.
ولكن هناك قيد رئيسي في الأنظمة التي تم الكشف عنها اليوم، كما يعترف سيلفر. فالحلول الرياضية إما أن تكون صحيحة أو غير صحيحة، مما يسمح لبرنامجي AlphaProof وAlphaGeometry بالعمل على إيجاد الإجابة الصحيحة. فالعديد من المشاكل في العالم الحقيقي ــ التوصل إلى المسار المثالي لرحلة على سبيل المثال ــ لها العديد من الحلول الممكنة، وقد يكون الحل المثالي غير واضح. ويقول سيلفر إن الحل للأسئلة الأكثر غموضاً قد يكون في محاولة نموذج لغوي لتحديد ما يشكل إجابة “صحيحة” أثناء التدريب. ويقول: “هناك مجموعة من الأشياء المختلفة التي يمكن تجربتها”.
ويحرص سيلفر أيضًا على الإشارة إلى أن برنامج Google DeepMind لن يتسبب في حرمان علماء الرياضيات من وظائفهم. ويقول: “نحن نهدف إلى توفير نظام يمكنه إثبات أي شيء، لكن هذا ليس نهاية ما يفعله علماء الرياضيات. إن جزءًا كبيرًا من الرياضيات يتلخص في طرح المشكلات والعثور على الأسئلة المثيرة للاهتمام التي يمكن طرحها. قد تفكر في هذا باعتباره أداة أخرى على غرار المسطرة الحاسبة أو الآلة الحاسبة أو الأدوات الحسابية”.
