سیستمهای جدید Google DeepMind اکنون قادر به حل مسائل پیچیده ریاضی با هوش مصنوعی هستند. این سیستمها که AlphaProof و AlphaGeometry 2 نام دارند، گامی بزرگ به سوی ساخت سیستمهایی برداشتهاند که میتوانند به استدلال بپردازند.
این موضوع میتواند به قابلیتهای جدید و هیجان انگیزی منجر شود.
چالش حل مسائل پیچیده ریاضی با هوش مصنوعی
مدلهای هوش مصنوعی به راحتی میتوانند مقالات و متنهای مختلفی تولید کنند. اما حل مسائل ریاضی که نیاز به استدلال پیشرفته دارند، برای سیستمهای هوش مصنوعی بسیار دشوار است. این نوع مسائل اغلب نیاز به انتزاع سازی، برنامه ریزی پیچیده، بازگشت به مراحل قبلی و امتحان کردن مسیرهای جدید دارند که برای هوش مصنوعی چالش برانگیز است.
اما این وضعیت در حال تغییر می باشد. Google DeepMind اعلام کرده است که دو سیستم هوش مصنوعی تخصصی را آموزش داده است تا بتوانند مسائل پیچیده ریاضی که نیاز به استدلال پیشرفته دارند، حل کنند.
این سیستمها که AlphaProof و AlphaGeometry 2 نامیده میشوند، با همکاری یکدیگر توانستند چهار مسئله از شش مسئله المپیاد جهانی ریاضی (IMO) امسال را حل کنند.
این المپیاد یکی از معتبرترین مسابقات برای دانش آموزان دبیرستانی است. این سیستمها موفق شدند معادل مدال نقره را کسب کنند.
مطالب مرتبط : پیش بینی آب و هوا با هوش مصنوعی و فیزیک
عملکرد سیستمهای AlphaProof و AlphaGeometry 2
این اولین باری است که یک سیستم هوش مصنوعی توانسته به چنین موفقیتی در حل این نوع مسائل دست یابد. حل مسائل پیچیده ریاضی با هوش مصنوعی یک پیشرفت بزرگ در زمینه یادگیری ماشین و هوش مصنوعی است.
هدف Google DeepMind در ایجاد AlphaProof ، یک سیستم مبتنی بر یادگیری تقویتی است. این سیستم خودش را برای اثبات عبارات ریاضی در زبان برنامه نویسی رسمی Lean آموزش میدهد.
AlphaProof با استفاده از مدل Gemini DeepMind ، مسائل ریاضی به زبان طبیعی و غیررسمی را به عبارات رسمی که برای پردازش توسط هوش مصنوعی مناسبتر هستند، ترجمه میکند.
این کار یک کتابخانه بزرگ از مسائل ریاضی رسمی با درجات مختلفی از دشواری ایجاد کرده است. اتوماسیون فرآیند ترجمه دادهها به زبان رسمی یک گام بزرگ برای جامعه ریاضی محسوب میشود.
AlphaZero مدلی است که Google DeepMind برای تسلط بر بازیهایی مانند شطرنج و Go آموزش داده بود. مدل Gemini در کنار AlphaZero، کار میکند تا میلیونها مسئله ریاضی را اثبات یا رد کند. هر چه تعداد بیشتری از این مسائل به درستی حل میشود، AlphaProof نیز در برخورد با مسائل پیچیدهتر بهتر میشود.
AlphaProof برای مقابله با مسائل در گستره وسیعی از موضوعات ریاضی آموزش دیده است. AlphaGeometry 2 به طور خاص برای مقابله با مسائلی که به حرکات اشیا و معادلات مربوط به زوایا، نسبتها و فواصل مربوط میشوند، بهینه سازی شده است.
این سیستم با دادههای مصنوعی بسیار بیشتری نسبت به نسخه قبلی خود، آموزش دیده است و به همین دلیل توانست به مسائل هندسی چالش برانگیزتری پاسخ دهد.
برای آزمودن قابلیتهای این سیستمها، پژوهشگران آنها خواستند که شش مسئله مطرح شده در المپیاد جهانی ریاضی امسال را حل کنند. همچنین اثبات کنند که پاسخهایشان درست است.
AlphaProof توانست دو مسئله جبر و یک مسئله نظریه اعداد را حل کند که یکی از آنها سخت ترین مسئله این مسابقات بود. AlphaGeometry 2 نیز موفق شد یک مسئله هندسه را حل کند. اما دو مسائل مربوط به شاخهای از ریاضیات که بر شمارش و ترتیب دهی اشیا متمرکز است، بی پاسخ باقی ماند.
دو ریاضیدان برجسته ، پاسخهای ارائه شده توسط این سیستمها را بررسی کردند. آنها به هر چهار پاسخ صحیح این سیستمها نمره کامل دادند. اگر یک شرکت کننده انسانی به این امتیاز دست مییافت، مدال نقره کسب میکرد .
این اولین باری است که یک سیستم هوش مصنوعی موفق به کسب عملکردی در سطح مدال در پرسشهای المپیاد جهانی ریاضی شده است . این دستاورد، بسیار چشمگیر و نشان دهنده یک جهش بزرگ است.
آینده همکاری انسان و هوش مصنوعی در ریاضیات
سیستمهایی که توانایی حل مسائل پیچیده ریاضی با هوش مصنوعی را دارند، میتواند راه را برای همکاریهای هیجان انگیز بین انسان و هوش مصنوعی هموار کند.
این همکاریها میتواند به ریاضیدانان کمک کند تا هم مسائل جدیدی را حل کنند و هم نوع جدیدی از مسائل را ابداع کنند. این سیستمها با توانایی حل و ابداع مسائل جدید، میتوانند به ریاضیدانان کمک کنند تا به درک بهتری از نحوه حل مسائل ریاضی توسط انسانها برسند.
پیشرفت در این زمینه، نشان دهنده یک جهش بزرگ در تواناییهای هوش مصنوعی در حل مسائل پیچیده ریاضی است و میتواند مسیرهای جدیدی را برای تحقیقات آینده باز کند.
جالب خواهد بود که ببینیم این سیستمها چگونه در مقیاس بزرگتر عمل میکنند . آیا میتوان آنها را سریعتر کرد و به دیگر شاخههای ریاضیات نیز گسترش یابند یا خیر.