← أحدث الأبحاث
💻 computer science

Mathematical Scientific Discovery Using Large Language Models: A Systematic Literature Review

تُحلل هذه المراجعة المنهجية للأدبيات، الملتزمة بإرشادات PRISMA 2020، 32 دراسة حول استخدام النماذج اللغوية الكبيرة في الاكتشاف الرياضي لتحديد سبعة نماذج تقنية، وتسليط الضوء على الفعالية المتفوقة للبحث التطوري المقترن بالتحقق الرسمي، وتقديم تصنيف لتوجيه الأبحاث المستقبلية في هذا المجال.

المؤلفون الأصليون: Vinita Gangaram Jansari, Carlos Toxtli Hernandez, Michael Burr, Austin LaHue, Ben Nye, Luis David Garcia Puente

نُشر 2026-08-03
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Vinita Gangaram Jansari, Carlos Toxtli Hernandez, Michael Burr, Austin LaHue, Ben Nye, Luis David Garcia Puente

البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://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

تخيل عالماً لا تقتصر فيه الرياضيات على مجرد حل الألغاز التي كتبها شخص آخر، بل تتعلق بابتكار تلك الألغاز نفسها. لقرون مضت، كان الجزء الأكثر إثارة في الرياضيات — لحظة "وجدتها!" المتمثلة في اكتشاف حقيقة جديدة تماماً، أو نمط غريب جديد، أو قاعدة لم يسبق لأحد رؤيتها من قبل — يُعتبر قوة خارقة فريدة من نوعها للبشر. لقد تطلب الأمر نوعاً خاصاً من الحدس، شرارة من الإبداع لا يمكن للحواسيب امتلاكها. ولكن مؤخراً، بدأ نوع جديد من الذكاء الاصطناعي يسمى "النماذج اللغوية الكبيرة" (أو LLM) في تغيير قواعد اللعبة. فكر في النموذج اللغوي الكبير ليس كآلة حاسبة، بل كآلة قراءة فائقة ابتلعت كل كتاب رياضيات، ودليل برمجي، وورقة علمية كُتبت على الإطلاق. إنها لا تحفظها فحسب؛ بل تتعلم "قواعد" الرياضيات والبرمجة بشكل جيد لدرجة أنها تستطيع البدء في كتابة جملها الخاصة. والسؤال الكبير الذي يطرحه الباحثون هو: هل يمكن لهذا العقل الخارق القارئ للآلات أن يفعل أكثر من مجرد الإجابة على الأسئلة؟ هل يمكنه حقاً اكتشاف رياضيات جديدة لم يجدها البشر بعد؟

هذا هو بالضبط ما سعى فريق من الباحثين من جامعة كليمسون وكلية كولورادو للتحقيق فيه في دراسة جديدة ضخمة. لم يكتفوا بالنظر في تجربة واحدة رائعة؛ بل انطلقوا في رحلة بحث عن كنز رقمي، حيث فحصوا مئات الأوراق البحثية المنشورة حتى نهاية عام 2025 للعثح على الأوراق التي كان الذكاء الاصطناعي فيها يخلق فعلياً معرفة رياضية جديدة. استخدموا قائمة مراجعة علمية صارمة (تسمى PRISMA) للتأكد من أنهم لم يغفلوا أي شيء مهم ولتصفية الدراسات التي كانت تتعلق فقط بحل مشكلات قديمة. وبعد أن استقرت النتائج، وجدوا 32 دراسة أظهرت شيئاً مذهلاً حقاً: الذكاء الاصطناعي بدأ يصبح شريكاً في الاكتشاف الرياضي، وليس مجرد آلة حاسبة.

وجد الباحثون أن "علماء الرياضيات" الأكثر نجاحاً من الذكاء الاصطناعي لا يقومون بمجرد التخمين العشوائي. بدلاً من ذلك، يستخدمون بعض الحيل الذكية. إحدى أقوى الطرق هي نسخة رقمية من التطور. تخيل حاسوباً ينشئ الآلاف من البرامج الرياضية الصغيرة والبسيطة. إنه يختبرها، ويحتفظ بالأفضل منها، ثم يستخدم الذكال الاصطناعي لـ "تحويرها" — إجراء تغييرات إبداعية صغيرة ليرى ما إذا كانت ستصبح أفضل. بمرور الوقت، تطور هذه العملية حلولاً جيدة جداً لدرجة أنها تهزم الأرقام القياسية التي احتفظ بها البشر لعقود. على سبيل المثال، تسلط الدراسة الضوء على كيفية عثور هذه الأنظمة مؤخًا على طريقة أسرع لضرب المصفوفات (نوع محدد من الشبكات الرياضية) مما حسن خوارزمية شهيرة من عام 1969، وهو أمر لم يتمكن أي بشري من القيام به لأكثر من 50 عاماً.

طريقة أخرى شائعة تشبه لعبة الفيديو حيث يلعب الذكاء الاصطناعي ضد نفسه. يحاول جزء من الذكاء الاصطناعي إنشاء مسألة رياضية صعبة ("حدسية")، بينما يحاول جزء آخر حلها. ومع تحسن "الحلال"، يجب على "صانع المسائل" أن يصبح أكثر ذكاءً، مما يخلق حلقة حيث يرتفع مستواهما معاً. وقد ساعد هذا الذكاء الاصطناعي في توليد الآلاف من النظريات والتمهيدات (الاستنتاجات الرياضية الصغيرة التي تعمل كخطوات تمهيدية للإثبات) الجديدة والمحققة التي تُضاف الآن إلى المكتبات الرقمية. ومع ذلك، فإن الورقة البحثية واضحة جداً في أن أنظمة الذكاء الاصطنا هذه ليست عصياً سحرياً بعد. فهي لا تزال متعطشة جداً لقوة الحوسبة، وغالباً ما تحتاج إلى ملايين المحاولات للعث/ على إجابة واحدة جيدة. أيضاً، بينما هي بارعة في إيجاد الأنماط، فإنها أحياناً تنتج إجابات صحيحة تقنياً ولكنها مملة أو عديمة الفائدة لعلماء الرياضيات البشر.

تشير الدراسة أيضاً إلى أنه لكي تكون هذه الاكتشافات موثوقة، فإنها تحتاج إلى "حكم". في عالم الرياضيات، لا يمكنك مجرد قول "أعتقد أن هذا صحيح". عليك أن تثبت ذلك. الحكم الأكثر شيوعاً في تجارب الذكاء الاصطنا هذه هو أداة تسمى "Lean"، وهي أداة رقمية للتحقق من البراهين تعمل مثل "شرطة القواعد" الصارمة للرياضيات. إذا قال الذكاء الاصطناعي إنه وجد نظرية جديدة، فإن "Lean" يفحص كل خطوة للتأكد من أنها منطقية بنسبة 100%. ووجد الباحثون أن المشاريع الأكثر نجاحاً كانت تلك التي يعمل فيها الذكاء الاصطناعي والحكم معاً في حلقة محكمة، حيث يقدم الحكم ملاحظات فورية للذكاء الاصطناعي ليتمكن من إصلاح أخطائه في اللحظة ذاتها.

إذن، ما هي الخلاصة؟ تشير الورقة البحثية إلى أننا نقف على حافة عصر جديد. الذكاء الاصطناعي لا يستبدل علماء الرياضيات، ولكنه يصبح "صندوق رمال للأفكار" قوياً. يمكنه إنتاج ملايين الاحتمالات، ورصد الأنماط في كميات هائلة من البيانات التي قد يغفل عنها البشر، وحتى حل المشكلات التي ظلت عالقة لنصف قرن. لكن الخطوة الأخيرة — تحويل قطعة برمجية مولدة آلياً إلى رؤية رياضية جميلة ومفهومة — لا تزال تتطلب لمسة بشرية. يبدو المستقبل كرياضة جماعية: يقوم الذكاء الاصطناعي بالعمل الشاق المتمثل في البحث والاختبار، بينما يوفر عالم الرياضيات الحدس لتحديد ما هو مثير للاهتمام حقاً. إنها شراكة يجلب فيها الآلة السرعة والنطاق، ويجلب فيها الإنسان الروح.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف 💻 cs →