في تطور جديد يعكس اتساع دور الذكاء الاصطناعي في الأبحاث العلمية،
تمكن نظام ذكي يحمل اسم «LongTails» من إثبات أكثر من 30 نظرية رياضية جديدة في مجال التحسين الرياضي،
بعد تطويره بواسطة باحثين في معهد الذكاء الاصطناعي AIRI بالتعاون مع باحث من فيتنام،
في خطوة قد تفتح آفاقًا واسعة أمام تطوير الخوارزميات وتحسين أداء أنظمة الذكاء الاصطناعي الحديثة.
ويتميز النظام بقدرته على التعامل مع المسائل الرياضية بصورة مستقلة،
بداية من صياغة المشكلات وتحديد الأهداف، مرورًا باقتراح طرق الحل،
وصولًا إلى تقديم براهين رياضية تخضع للفحص الرسمي للتأكد من صحتها،
بدلًا من الاعتماد على إجابات قد تبدو منطقية لكنها تحتوي على أخطاء حسابية أو استنتاجات غير دقيقة.
نظام LongTails ينجح في إثبات عشرات النظريات
ووفقًا للمعلومات التي نشرها الباحثون،
تمكن إطار العمل الجديد من صياغة نحو 100 نظرية رياضية بصورة رسمية،
نجح في إثبات أكثر من 30 منها،
بينما ساعد في تحسين الضمانات الرياضية المرتبطة بنحو 50 نتيجة معروفة في دراسات سابقة.
ويعتزم الفريق البحثي تقديم 35 نتيجة إضافية للنشر باعتبارها مساهمات رياضية مستقلة،
في حين يحتاج النظام إلى فترة تتراوح بين ثلاث وسبع ساعات في المتوسط لإثبات النظرية الواحدة،
وهو ما يعكس قدرته على التعامل مع مسائل رياضية معقدة خلال وقت محدود نسبيًا.
ولا تقتصر أهمية هذه النتائج على عدد النظريات التي جرى إثباتها،
بل تمتد إلى إمكانية استخدام الذكاء الاصطناعي في اكتشاف طرق جديدة للحل وتطوير أساليب حسابية أكثر كفاءة،
بما يساعد الباحثين على استكشاف مسائل قد تتطلب وقتًا طويلًا من العمل الرياضي التقليدي.
تقنية Lean 4 تضمن التحقق من صحة البراهين
وتعتمد إحدى أبرز نقاط القوة في نظام LongTails على استخدام لغة التحقق الرياضي الرسمية «Lean 4»،
وهي تقنية متخصصة تسمح بفحص البراهين خطوة بخطوة،
والتأكد من توافقها مع الشروط والافتراضات المحددة للمسألة.
وتعالج هذه الآلية مشكلة مهمة تواجه استخدام الذكاء الاصطناعي في الرياضيات،
حيث تستطيع بعض النماذج إنتاج استدلالات تبدو صحيحة ومقنعة، لكنها قد تتضمن ثغرات منطقية أو تقدم حلًا لمسألة مختلفة عن المطلوب.
ومن خلال التحقق الرسمي،
لا يُقبل البرهان لمجرد أن صياغته تبدو سليمة،
بل يجب أن يجتاز الفحص التقني الذي يؤكد صحة خطواته وفق القواعد الرياضية المحددة،
وهو ما يمنح النتائج مستوى أعلى من الموثوقية.
كيف يخدم الاكتشاف تطوير الذكاء الاصطناعي؟
وتكتسب هذه الخطوة أهمية خاصة لأن التحسين الرياضي يمثل عنصرًا أساسيًا في تدريب الشبكات العصبية وتطوير نماذج الذكاء الاصطناعي،
بما في ذلك أنظمة التوصية والنماذج اللغوية الكبيرة.
وتساعد خوارزميات التحسين على الوصول إلى أفضل النتائج بأقل قدر ممكن من العمليات الحسابية،
سواء كان الهدف تقليل وقت التدريب أو خفض التكلفة أو تحسين دقة النماذج،
وهو ما قد ينعكس على كفاءة مراكز البيانات واستهلاكها للطاقة.
كما يمكن أن تمتد الاستفادة إلى قطاعات أخرى، مثل تخطيط مسارات الشحن والتوصيل،
وتوزيع الأحمال الكهربائية، وتصميم الهياكل الهندسية التي تجمع بين القوة وخفة الوزن،
فضلًا عن المساعدة في أبحاث اكتشاف المواد والجزيئات الجديدة وتحليل التجارب العلمية.
المشروع مفتوح المصدر والباحثون يخططون لمزيد من الاكتشافات
وأتاح الفريق المطور الشيفرة البرمجية الخاصة بإطار LongTails بصورة مفتوحة المصدر،
بما يسمح للباحثين والمجموعات العلمية الأخرى بالاستفادة منه واختبار إمكاناته في التعامل مع مسائل رياضية جديدة.
ويخطط المشاركون في المشروع لمواصلة تطوير النظام من خلال زيادة مستوى تعقيد المسائل التي يتعامل معها،
والعمل على تنظيم النتائج الرياضية التي يتوصل إليها،
إلى جانب اختبار مدى فاعلية الخوارزميات المقترحة عند تطبيقها في مشكلات واقعية.
ويمثل هذا الإنجاز مؤشرًا على مرحلة جديدة من التعاون بين العلماء والأنظمة الذكية،
حيث لم يعد دور الذكاء الاصطناعي مقتصرًا على تحليل البيانات أو تنفيذ العمليات الحسابية،
بل أصبح يمتد إلى المساهمة في إنتاج معرفة رياضية جديدة يمكن التحقق من صحتها بصورة رسمية.
ومع استمرار تطوير أدوات الإثبات الآلي،
قد تشهد السنوات المقبلة توسعًا أكبر في استخدام الذكاء الاصطناعي داخل المختبرات والجامعات ومراكز الأبحاث،
بما يساعد العلماء على تسريع الاكتشافات وتطوير حلول أكثر كفاءة للتحديات العلمية والهندسية.
