Assessing LLMs' mathematical abilities requires understanding the various mechanisms of mathematical creativity
تجادل الورقة بأن تقييم القدرات الرياضية للنماذج اللغوية الكبيرة يتطلب تجاوز المعايير التجميعية نحو تصنيف دقيق لآليات إبداعية متميزة وغير قابلة للاستبدال، مما يشير إلى أنه في حين تتفوق النماذج الحالية في إعادة دمج المعرفة الموجودة، إلا أنها قد تفتقر جوهرياً إلى القدرة على أشكال أخرى من الابتكار الرياضي التي تزداد قيمتها مع تحسن توليد البراهين الآلي.
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
لطالما نُظر إلى الرياضيات باعتبارها الاختبار الأسمى للمنطق البشري، فهي مجال تكون فيه الإجابات إما صحيحة أو خاطئة، وحيث يُعبَّد الطريق نحو الحقيقة بالبراهين الصارمة. لقرون مضت، اعتمد هذا المجال على اقتصاد بسيط: أن يلمح الحدس البشري نمطاً أو إمكانية ما، ثم يتبع ذلك العمل الشاق للتحقق لتأكيدها. واليوم، بدأ الذكاء الاصطناعي في إتقان النصف الثاني من هذه المعادلة؛ إذ يمكن لأنظمة الكمبيوتر الحديثة الآن توليد وفحص البراهٍ الرياضية بسرعة ونطاق يفوقان القدرة البشرية بمراحل، مما حوّل مورد التحقق، الذي كان نادراً فيما مضى، إلى وفرة مفرطة. هذا التحول يفرض سؤالاً جديداً وأكثر صعوبة: إذا كانت الآلات تستطيع إثبات الأشياء بهذه السهولة، فأين تكمن القيمة الحقيقية للرياضيات؟ تكمن الإجابة ليس في البرهان نفسه، بل في الشرارة التي تبدأ العملية برمتها—تلك اللحظة التي يبتكر فيها عالم الرياضيات فكرة جديدة، أو مفهوماً جديداً، أو طريقة جديدة لرؤية العالم.
تتقصى ورقة بحثية حديثة لـ "سيلفير غانغلوف" هذه الشرارة تحديداً، متسائلة عما إذا كان الذكاء الاصطناعي يمكنه حقاً ابتكار أفكار رياضية أم أنه يكتفي بمجرد إعادة ترتيب الأفكار القديمة. يجادل المؤلف بأننا نطرح السؤال الخطأ؛ فبدلاً من معاملة "الإبداع الرياضي" كمهارة واحدة يمتلكها الحاسوب أو يفتقر إليها، تقترح الورقة أنه هو في الواقع مجموعة من الآليات المتميزة وغير المترابطة. تتضمن بعض هذه الآليات مراقبة كيفية عمل الرياضيين وتحويل تلك العادات إلى قواعد رسمية. وتتضمن أخرى أخذ بنية تم اكتشافها في العالم المادي، مثل طريقة تدفق الحرارة، وإعادة توظيفها لحل ألغاز مجردة. وهناك أيضاً العمل على حل مشكلة محددة ومستعصية عبر ابتكار أداة جديدة لمجرد كسرها، والعمل النادر رفيع المستوى المتمثل في الربط بين مجالين رياضيين لم يتحدثا مع بعضهما البعض من قبل. تقترح الورقة أن هذه ليست مجرد نكهات مختلفة للشيء نفسه، بل هي أنواع جوهرية مختلفة من التفكير تتطلب أنواعاً مختلفة من الآليات.
إن النتيجة المركزية لهذا البحث هي أن أنظمة الذكاء الاصطناعي الحالية بارعة للغاية في بعض هذه الأنماط، لكنها على الأرجح غير قادرة على أنماط أخرى، مهما بلغت قوتها. الأنظمة التي نمتلكها اليوم تعمل من خلال إعادة دمج القطع الموجودة؛ فهي تشبه أمناء المكتبات المهرة الذين يمكنهم فوراً العثور على أي حقيقتين قرآهما سابقاً ودمجهما معاً. وهذا يجعلها بارعة في إيجاد حل محدد لنوع معروف من المشكلات، أو في التحقق مما إذا كان البرهان يتبع القواعد. ومع ذلك، تشير الورقة إلى أنها تصطدم بحائط صلب عندما تُطلب منها ابتكار نوع جديد تماماً من الكائنات أو طريقة تفكير جديدة ليس لها سابقة في بيانات تدريبها. فعلى سبيل المثال، يمكن للحاسوب البحث عبر ملايين البنى الرياضية الموجودة للعثور على بنية تناسب قيداً معيناً، لكنه لا يستطيع أن ينظر إلى ممارسة الحساب البشري ويقرر، من تلقاء نفسه، أن هذه الممارسة نفسها يجب أن تصبح موضوعاً رياضياً جديداً للدراسة. هذا فرق في النوع وليس في السرعة؛ فالآلة ليست فقط أبطأ في ابتكار العناصر الأولية الجديدة، بل هي عاجزة بنيوياً عن فعل ذلك لأنها تفتقر إلى الآلية التي تحدد ما يستحق الابتكار في المقام الأول.
يدعم المؤلف وجهة النظر هذه من خلال النظر في كيفية تقدم الرياضيات فعلياً عبر التاريخ. في إحدى الحالات الشهيرة، لم يقم عالم رياضيات يدعى "آلان تورينج" بحل مشكلة فحسب، بل نظر إلى فعل اتباع الإنسان لكتاب قواعد وقرر جعل هذا الفعل موضوعاً لنظرية جديدة. وفي حالة أخرى، أخذ الفيزيائي "كولموغوروف" مفهوماً من الديناميكا الحرارية، التي تتعامل مع الحرارة والطاقة، وطبقه على الرياضيات البحتة لحل مسألة تتعلق بالأشكال المجردة. لم تكن هذه عمليات بحث عن قطعة مفقودة في أحجية معروفة، بل كانت أعمالاً لخلق الأحجية نفسها. تجادل الورقة بأن الذكبة الاصطناعية الحالية، التي تعتمد على البحث عبر مكتبة ثابتة من الحركات المعروفة، لا يمكنها محاكاة ذلك. يمكنها العثور على القطعة المفقودة إذا كان شكل القطعة محدداً بالفعل، لكنها لا تستطيع تخيل شكل جديد لم يوجد من قبل.
لهذا التمييز تداعيات عميقة على كيفية حكمنا على مستقبل الذكاء الاصطناعي في العلوم. إذا استمررنا في قياس نجاح الذكاء الاصطناعي بمدى قدرته على توليد البراهين أو مدى جودة حله للمسائل الاختبارية القياسية، فإننا نقيس الشيء الخطأ؛ فنحن نكافئ الآلة على القيام بالعمل الذي تبرع فيه بالفعل، بينما نتجاهل العمل الذي يدفع التقدم البشري في الواقع. تحذر الورقة من أنه مع تحول توليد البراهين إلى عملية رخيصة وتلقائية، ستنتقل القيمة الحقيقية للرياضيات نحو هذه الأنماط الأصعب من الابتكار: الفعل التأملي لصياغة ممارسات جديدة رسمياً، والقفزة التناظرية لاستيراد الأفكار من مجالات أخرى، والابتكار العميق الموجه بالأهداف لمفاهيم جديدة كلياً. إذا لم نغير طريقة تقييمنا لهذه الأنظمة، فإننا نخاطر بخلق فيض من النتائج الصحيحة ولكن غير المثيرة للاهتمام، بينما تظل القفزات الحقيقية والتحويلية في الفهم بعيدة المنال.
لا تدعي الورقة البحثية أن الذكاء الاصطناعي لن يتمكن أبداً من أداء هذه الأفعال الإبداعية، بل تشير إلى أنه لكي تحدث، يجب أن تتغير التكنولوجيا الأساسية، ربما من خلال تطوير أنظمة يمكنها التفاعل مع العالم لتكوين فهمات راسخة، بدلاً من مجرد التنبؤ بالكلمة التالية في الجملة. وحتى ذلك الحين، تخلص الورقة إلى أنه يجب علينا ألا نخلط بين القدرة على إعادة دمج الأفكار القديمة والقدرة على خلق أفكار جديدة. إن مستقبل الاكتشاف الرياضي قد يعتمد ليس على مدى سرعة حواسيبنا في الحساب، بل على ما إذا كان بإمكاننا بناء آلات تعرف ما الذي يستحق الابتكار.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.