بعد كسر الرياضيات غير قابلة للحل مشكلة العام الماضي، عاد الذكاء الاصطناعي للتعامل مع الهندسة.
تم تطوير خوارزمية AlphaGeometry الجديدة بواسطة Google DeepMind، والتي يمكنها سحق المسائل من الأولمبياد الدولي للرياضيات السابقة - وهي منافسة عالية المستوى لطلاب المدارس الثانوية - وتطابق أداء الفائزين السابقين بالميداليات الذهبية.
عند مواجهة 30 مشكلة هندسية صعبة، نجح الذكاء الاصطناعي في حل 25 منها خلال الوقت القياسي المخصص، متغلبًا على الخوارزميات الحديثة السابقة بـ 15 إجابة.
على الرغم من أنها تعتبر في كثير من الأحيان لعنة دروس الرياضيات في المدرسة الثانوية، إلا أن الهندسة جزء لا يتجزأ من حياتنا اليومية. يعتمد الفن وعلم الفلك والتصميم الداخلي والهندسة المعمارية على الهندسة. وكذلك الأمر بالنسبة للملاحة والخرائط وتخطيط الطريق. الهندسة في جوهرها هي وسيلة لوصف الفضاء والأشكال والمسافات باستخدام التفكير المنطقي.
بطريقة ما، حل المسائل الهندسية يشبه إلى حد ما لعب الشطرنج. في ضوء بعض القواعد - التي تسمى النظريات والبراهين - هناك عدد محدود من الحلول لكل خطوة، ولكن العثور على أي منها منطقي يعتمد على التفكير المرن الذي يتوافق مع القواعد الرياضية الصارمة.
بمعنى آخر، يتطلب التعامل مع الهندسة كلا من الإبداع والبنية. في حين أن البشر يطورون هذه المهارات البهلوانية العقلية من خلال سنوات من الممارسة، إلا أن الذكاء الاصطناعي كان يعاني دائمًا.
تجمع AlphaGeometry بذكاء بين الميزتين في نظام واحد. وهو يتألف من عنصرين رئيسيين: نموذج منطقي مرتبط بقواعد يحاول العثور على إجابة، ونموذج لغوي كبير لتوليد أفكار خارج الصندوق. إذا فشل الذكاء الاصطناعي في إيجاد حل يعتمد على التفكير المنطقي وحده، فسيبدأ نموذج اللغة في تقديم زوايا جديدة. والنتيجة هي ذكاء اصطناعي يتمتع بمهارات الإبداع والتفكير التي يمكنها تفسير حلها.
يعد هذا النظام أحدث غزوة DeepMind لحل المشكلات الرياضية باستخدام الذكاء الآلي. ولكن عيونهم على جائزة أكبر. تم تصميم AlphaGeometry للتفكير المنطقي في البيئات المعقدة، مثل عالمنا اليومي الفوضوي. وبعيدًا عن الرياضيات، يمكن للتكرارات المستقبلية أن تساعد العلماء على إيجاد حلول في أنظمة معقدة أخرى، مثل فك رموز اتصالات الدماغ أو كشف الشبكات الجينية التي تؤدي إلى المرض.
يقول مؤلف الدراسة الدكتور تريو ترينه: "إننا نحقق قفزة كبيرة، وهو إنجاز كبير من حيث النتيجة". قال ال نيويورك تايمز.
فريق مزدوج
سؤال هندسي سريع: تصور مثلثًا طول ضلعيه متساويان. كيف تثبت أن الزاويتين السفليتين متماثلتان تمامًا؟
يعد هذا أحد التحديات الأولى التي واجهتها شركة AlphaGeometry. لحلها، تحتاج إلى فهم القواعد في الهندسة بشكل كامل، ولكن يجب عليك أيضًا أن تتمتع بالإبداع للتقدم نحو الإجابة.
"يُظهر إثبات النظريات التمكن من التفكير المنطقي... مما يدل على مهارة رائعة في حل المشكلات"، كما يقول الفريق. كتب في بحث نشر اليوم في الطبيعة.
هذا هو المكان الذي تتفوق فيه بنية AlphaGeometry. مدبلجة نظام رمزي عصبي، فهو يعالج أولاً مشكلة محرك الاستنباط الرمزي الخاص به. تخيل هذه الخوارزميات كطالب في الصف الأول يدرس بدقة كتب الرياضيات المدرسية ويتبع القواعد. إنهم يسترشدون بالمنطق ويمكنهم بسهولة تحديد كل خطوة تؤدي إلى الحل، مثل شرح سلسلة من الاستدلالات في اختبار الرياضيات.
تعتبر هذه الأنظمة قديمة ولكنها قوية بشكل لا يصدق، حيث أنها لا تعاني من مشكلة "الصندوق الأسود" التي تطارد الكثير من خوارزميات التعلم العميق الحديثة.
لقد أعاد التعلم العميق تشكيل عالمنا. ولكن نظرًا لكيفية عمل هذه الخوارزميات، فإنها غالبًا لا تستطيع تفسير مخرجاتها. وهذا لن ينجح عندما يتعلق الأمر بالرياضيات، التي تعتمد على تفكير منطقي صارم يمكن تدوينه.
تتصدى محركات الاستنتاج الرمزية لمشكلة الصندوق الأسود من حيث أنها عقلانية وقابلة للتفسير. لكن في مواجهة مشاكل معقدة، فإنهم بطيئون ويكافحون من أجل التكيف بمرونة.
هنا يأتي دور النماذج اللغوية الكبيرة. القوة الدافعة وراء ChatGPT، هذه الخوارزميات ممتازة في العثور على أنماط في البيانات المعقدة وتوليد حلول جديدة، إذا كانت هناك بيانات تدريب كافية. لكنهم غالبًا ما يفتقرون إلى القدرة على شرح أنفسهم، مما يجعل من الضروري التحقق مرة أخرى من نتائجهم.
تجمع AlphaGeometry بين أفضل ما في العالمين.
عندما تواجه مشكلة هندسية، فإن محرك الاستدلال الرمزي يعطيها الأولوية أولاً. خذ مشكلة المثلث. "تفهم" الخوارزمية فرضية السؤال، حيث تحتاج إلى إثبات أن الزاويتين السفليتين متماثلتان. يقترح نموذج اللغة بعد ذلك رسم خط جديد من أعلى المثلث إلى الأسفل مباشرة للمساعدة في حل المشكلة. يُطلق على كل عنصر جديد يحرك الذكاء الاصطناعي نحو الحل اسم "الإنشاء".
يأخذ محرك الاستنباط الرمزي النصيحة ويكتب المنطق الكامن وراء تفكيره. إذا لم ينجح البناء، يمر النظامان بجولات متعددة من المداولات حتى تصل AlphaGeometry إلى الحل.
إن الإعداد برمته "أشبه بفكرة "التفكير السريع والبطيء"." كتب الفريق على مدونة DeepMind. "يوفر أحد النظامين أفكارًا سريعة و"بديهية"، بينما يوفر الآخر عملية صنع قرار أكثر تعمدًا وعقلانية.
نحن الأبطال
على عكس الملفات النصية أو الصوتية، هناك ندرة في الأمثلة التي تركز على الهندسة، مما يجعل من الصعب تدريب AlphaGeometry.
كحل بديل، قام الفريق بإنشاء مجموعة بيانات خاصة به تضم 100 مليون مثال تركيبي لأشكال هندسية عشوائية وعلاقات محددة بين النقاط والخطوط، على غرار الطريقة التي تحل بها الهندسة في فصل الرياضيات، ولكن على نطاق أوسع بكثير.
ومن هناك، استوعب الذكاء الاصطناعي قواعد الهندسة وتعلم العمل بشكل عكسي من الحل لمعرفة ما إذا كان بحاجة إلى إضافة أي بنيات. سمحت هذه الدورة للذكاء الاصطناعي بالتعلم من الصفر دون أي تدخل بشري.
ومن خلال اختبار الذكاء الاصطناعي، قام الفريق بتحديه بـ 30 مشكلة أولمبياد من أكثر من عقد من المسابقات السابقة. تم تقييم النتائج الناتجة من قبل الفائز السابق بالميدالية الذهبية في الأولمبياد، إيفان تشين، لضمان جودتها.
بشكل عام، ضاهى الذكاء الاصطناعي أداء الفائزين السابقين بالميداليات الذهبية، حيث أكمل 25 مسألة في الوقت المحدد. ال النتيجة السابقة للدولة من بين الفن كان 10 الإجابات الصحيحة.
"إن إنتاج AlphaGeometry مثير للإعجاب لأنه يمكن التحقق منه ونظيف على حد سواء،" قال تشين محمد. "إنه يستخدم قواعد الهندسة الكلاسيكية مع الزوايا والمثلثات المماثلة تمامًا كما يفعل الطلاب."
ما وراء الرياضيات
AlphaGeometry هو أحدث غزوة DeepMind في الرياضيات. في 2021لقد نجح الذكاء الاصطناعي الخاص بهم في حل الألغاز الرياضية التي حيرت البشر لعقود من الزمن. في الآونة الأخيرة، استعملوا نماذج لغوية كبيرة لتفسير مشكلات العلوم والتكنولوجيا والهندسة والرياضيات (STEM) على مستوى الكلية مشقوق مشكلة رياضية "غير قابلة للحل" سابقًا تعتمد على لعبة ورق باستخدام الخوارزمية بحث ممتع.
في الوقت الحالي، تم تصميم AlphaGeometry ليناسب الهندسة، مع وجود بعض التحذيرات. معظم الأشكال الهندسية مرئية، لكن النظام لا يستطيع "رؤية" الرسومات، مما قد يؤدي إلى تسريع حل المشكلات. إضافة الصور، ربما مع جوجل الجوزاء الذكاء الاصطناعي، الذي تم إطلاقه في أواخر العام الماضي، قد يعزز ذكائه الهندسي.
يمكن لاستراتيجية مماثلة أيضًا توسيع نطاق AlphaGeometry ليشمل مجموعة واسعة من المجالات العلمية التي تتطلب تفكيرًا صارمًا مع لمسة من الإبداع. (لنكن واقعيين – كلهم.)
وكتب الفريق: "بالنظر إلى الإمكانات الأوسع لتدريب أنظمة الذكاء الاصطناعي من الصفر باستخدام بيانات تركيبية واسعة النطاق، فإن هذا النهج يمكن أن يشكل كيفية اكتشاف أنظمة الذكاء الاصطناعي في المستقبل للمعرفة الجديدة، في الرياضيات وخارجها".
الصورة الائتمان: جويل فيليب / Unsplash
- محتوى مدعوم من تحسين محركات البحث وتوزيع العلاقات العامة. تضخيم اليوم.
- PlatoData.Network Vertical Generative Ai. تمكين نفسك. الوصول هنا.
- أفلاطونايستريم. ذكاء Web3. تضخيم المعرفة. الوصول هنا.
- أفلاطون كربون، كلينتك ، الطاقة، بيئة، شمسي، إدارة المخلفات. الوصول هنا.
- أفلاطون هيلث. التكنولوجيا الحيوية وذكاء التجارب السريرية. الوصول هنا.
- المصدر https://singularityhub.com/2024/01/17/google-deepminds-new-ai-matches-gold-medal-performance-in-math-olympics/
