QED: An Open-Source Multi-Agent System for Generating Mathematical Proofs on Open Problems
تقدم الورقة البحثية نظام QED، وهو نظام مفتوح المصدر متعدد الوكلاء مصمم لسد الفجوة بين أداء نماذج اللغات الكبيرة (LLM) في الاختبارات المعيارية وبين الرياضيات على مستوى الأبحاث، وذلك عبر استخدام بنية متخصصة تعالج سبعة أنماط فشل محددة، حيث نجح في توليد براهين أصيلة وغير بديهية لثلاث من أصل خمس مسائل مفتوحة ساهم بها خبراء في مجالي التحليل التطبيقي والمعادلات التفاضلية الجزئية (PDEs).
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
نظام "المحقق الرياضي": كيف يتعلم الذكاء الاصطناعي حل الألغاز الحقيقية
تخيل أن لديك طالباً عبقرياً بارعاً في حل اختبارات الاختيار من متعدد ومسائل الكتب المدرسية. يمكنه اتباع التعليمات بدقة وتكرار ما تعلمه. ولكن إذا سلمت ذلك الطالب لغزاً جديداً لم يُحل من قبل من قضية تحقيق حقيقية — شيئاً لم يحله أحد في التاريخ — فمن المرجح أنه سيتجمد في مكانه. قد يحاول "تزييف" إجابة، أو نسخ حالة مشابهة من كتاب، أو ببساطة يعلق في حلقة مفرغة من التخمين.
هذا هو الوضع الحالي للذكاء الاصطناعي في الرياضيات. معظم أنظمة الذكاء الاصطناعي يمكنها حل مسائل "الواجب المنزلي"، لكنها تعاني مع مسائل "البحث العلمي" — تلك الأسئلة العميقة والأصلية التي يقضي الرياضيون سنوات في محاولة فك رموزها.
لقد أصدرت مجموعة من الباحثين للتو نظاماً جديداً يسمى QED. فكر في QED ليس كـ "طالب ذكي" واحد، بل كـ وكالة تحريات عالية التنظيم.
المشكلة: لماذا يفشل الذكاء الاصطناعي "الذكي" في الرياضيات الحقيقية؟
اكتشف الباحثون أنه عندما تطلب من ذكاء اصطناعي قياسي حل مسألة رياضية صعبة، فإنه عادة ما يفشل بسب سبعة طرق محددة ومتوقعة. إليك كيف تبدو هذه الإخفاقات في الواقع:
- غرفة الصدى (تلوث السياق): يحاول الذكاء الاصطناعي التحقق من عمله الخاص، ولكن بما أنه يمتلك نفس "العقل"، فإنه يقنع نفسه بأن أخطاءه هي في الواقع صحيحة. الأمر يشبه شخصاً يجادل نفسه في المرآة ويصدق أكاذيبه الخاصة.
- المرجع المزيف (هلوسة الاستشهاد): يقوم الذكاء الاصطناعي بتأليف "حقائق" أو "نظريات" لا وجود لها لجعل حجته تبدو أفضل. الأمر يشبه محامياً يستشهد بقانون لم يُكتب أبداً.
- حركة "تجاوز الجزء الصعب" (التلويح باليد): عندما تصبح الرياضيات صعبة حقاً، يقول الذكاء الاصطناعي: "من الواضح أن X يتبع Y"، دون أن يثبت ذلك فعلياً. الأمر يشبه طباخاً يقول: "الآن، أضف القليل من السحر لتصبح الوجبة لذيذة"، بدلاً من اتباع الوصفة فعلياً.
- المخطط المتوتر (الخطط غير المستقرة): بمجرد أن يصطدم الذكاء الاصطناعي بعقبة، فإنه يرمي استراتيجيته بالكامل في القمامة ويبدأ استراتيجية جديدة، متخبطاً بلا هدف مثل متنزّه يغير اتجاهه في كل مرة يرى فيها حصاة.
- المفتش المشتت (التحقق غير المركز): عندما يُطلب منه مراجعة برهان، يحاول الذكاء الاصطناعي فحص كل شيء في وقت واحد — القواعد، المنطق، الاستشهادات، والرياضيات — وينتهي به الأمر بفقدان الأخطاء الكبيرة لأنه مشتت للغاية.
- تغيير خط النهاية (تعديل المسألة): لجعل المسألة أسهل، يقوم الذكاء الاصطناعي بتغيير السؤال ببراعة. الأمر يشبه عداءً، في منتصف الماراثون، يقرر أن خط النهاية أصبح أقرب بـ 10 أميال مما كان عليه.
- حد العقل الواحد (عنق زجاجة النموذج الواحد): لكل ذكاء اصطناعي "نقاط عمياء". إذا كنت تستخدم ذكاءً اصطناعياً واحداً فقط، فستظل عالقاً في نقاط ضعفه المحددة.
الحل: وكالة التحريات QED
بدلاً من ذكاء اصطناعي واحد يحاول القيام بكل شيء، يقوم QED بإنشاء فريق من "الوكلاء" المتخصصين الذين يراقبون بعضهم البعض. إنهم يستخدمون نظاماً صارماً من الضوابط والتوازنات:
- الأدوار المنفصلة: يتم إبقاء "المثبت" (الذي يكتب الرياضيات) و"المتحقق" (الذي يراجعها) في غرف منفصلة. لا يُسمح لهما بالتحدث مع بعضهما البعض، حتى لا يتمكن "المتحقق" من الانخداع بمنطق "المثبت".
- التفتيش ذو المرحلتين: قبل قبول أي برهان، يمر بعمليتي تفتيش مكثفتين. أولاً، يقوم مفتش الهيكل بالتحقق مما إذا كان "هيكل" البرهان صلباً (هل غيروا السؤال؟ هل الاستشهادات حقيقية؟). وفقط إذا كان الهيكل مثالياً، ينتقل إلى المفتش التفصيلي، الذي يفحص كل خطوة رياضية صغيرة بدقة.
- قاعدة "لا اختصارات": يجبر نظام QED الذكاء الاصطناعي على "وسم" أصعب أجزاء البرهان. إذا حاول الذكاء الاصطناعي استخدام كلمات غامضة مثل "بوضوح"، فإن النظام يضع علامة ويقول له: "لا، أظهر لنا عملك!".
- الاستراتيجي الخبير (وضع التفكيك): بالنسبة للمسائل الأكثر صعوبة، يستخدم QED وكيلاً يعمل كـ "مدير". يقوم هذا المدير بتفكيك المسألة الضخمة إلى "خريطة" من الخطوات الصغيرة التي يمكن إدارتها. وإذا فشلت خطوة ما، يقرر المدير: "هل نحتاج فقط لإصلاح هذه الخطوة الواحدة، أم نحتاج لإعادة رسم الخريطة بالكامل؟"
النتيجة: اكتشافات حقيقية
لم يختبر الباحثون QED على واجبات مدرسية فحسب؛ بل أعطوه خمس مسائل غير محلولة من خبراء حقيقيين في الفيزياء وديناميكا السوائل (الرياضيات المستخدمة لفهم كيفية حركة السوائل والغازات).
كانت النتيجة مذهلة: نجح QED في حل ثلاث من أصل خمس مسائل.
والأهم من ذلك، لم تكن هذه مجرد إجابات "صحيحة" — بل كانت اكتشافات أصلية. في إحدى الحالات، وجد الذكاء الاصطناعي رابطاً رياضياً لم يدرك الخبراء البشريون وجوده حتى. لم يقم فقط بحل المسألة؛ بل كشف عن طريقة جديدة للنظر إلى الرياضيات.
الخلاصة
يظهر نظام QED أن الطريق لتحول "الذكاء الاصطناعي" إلى "ذكاء علمي" لا يقتصر فقط على جعل الذكاء الاصطناعي "أكثر ذكاءً" — بل يتعلق ببناء نظام أفضل من الضوابط، والتوازنات، والأدوار المتخصصة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.