Google DeepMind تطور نظامًا رياضيًا شبيهًا بالمساعد البحثي
شهدت Google DeepMind تقدمًا جديدًا في مجال الذكاء الاصطناعي الرياضي عبر تطوير نظام “المساعد الرياضي” الذي يعتمد على نموذج Gemini 3.1، بهدف دعم الباحثين في حل مسائل رياضية معقدة وغير محلولة.
تفاصيل الخبر
يعتمد النظام الجديد من DeepMind على أسلوب عمل مشابه لبيئات البرمجة الحديثة، حيث يتم تقسيم المشكلة إلى مهام متعددة تعمل عليها وكلاء ذكاء اصطناعي بشكل متوازٍ، مع وجود دورة مراجعة داخلية لتحسين النتائج قبل تقديمها للباحثين.
النقاط الأساسية:
- نظام متعدد الوكلاء لتقسيم الأبحاث الرياضية إلى مهام فرعية.
- وكلاء متخصصون في كتابة الأكواد والبحث العلمي وإثبات النظريات.
- وجود وكيل منسق لإدارة العمل بين الفرق الذكية.
- تحقيق 48% على معيار FrontierMath Tier 4 وهو الأعلى في التقييم.
- مساهمة النظام في اكتشاف حلول لمسائل رياضية مفتوحة.
أحد أبرز الأمثلة هو تمكن الباحث في جامعة أوكسفورد “مارك لاكنبي” من حل مشكلة رياضية مفتوحة بعد مراجعته لاستراتيجية إثبات ظهرت داخل مخرجات النظام، رغم أنها كانت مرفوضة في البداية من الذكاء الاصطناعي.
الأهداف المستقبلية
تسعى Google DeepMind إلى توسيع استخدام هذا النوع من الأنظمة ليصبح جزءًا أساسيًا من البحث العلمي، مع التركيز على:
- تسريع اكتشاف النظريات الرياضية الجديدة.
- دعم الباحثين بدل استبدالهم.
- تطوير أنظمة تفكير متعددة المراحل أكثر دقة.
- دمج الذكاء الاصطناعي في الأبحاث الأكاديمية المتقدمة.
- رفع كفاءة حل المسائل غير القابلة للحل التقليدي.
يمثل هذا التطور خطوة مهمة نحو دمج الذكاء الاصطناعي في البحث الرياضي المتقدم، حيث لم يعد دوره مجرد أداة مساعدة، بل أصبح شريكًا في التفكير والاكتشاف العلمي.
