في عالم الذكاء الاصطناعي، يظل التقدم في معالجة اللغة الطبيعية (Natural Language Processing) رائعاً، لكن يبقى السؤال: ماذا عن القدرة على التفكير الرياضي؟ في ورقة بحثية جديدة، يركز الباحثون على الفجوة المعرفية بين ما يحققه الذكاء الاصطناعي في المهام الروتينية والتلقائية، وما ينقصه في مسارات التفكير الأكثر تعقيداً والمتمثل في التفكير الرياضي.

هذه الدراسة تعتمد على فرضية أن الأساليب الحالية للرعاية العميقة (Deep Learning) في حالات الذكاء الاصطناعي تحقق نجاحات في ما يُعرف بالقدرات من النوع الأول (System 1)، التي تمثل حدسنا وسلوكياتنا العادية. ولكن، هناك نقص ملحوظ في ما يتعلق بالقدرات من النوع الثاني (System 2)، والتي تشمل القدرة على التفكير العميق وتقدير الشكوك بشكل فعّال.

من خلال اعتماد موقف نظري معلوماتي (Information Theory)، تسعى هذه الدراسة للإجابة على أسئلة تتعلق بماذا يشكل بياناً رياضياً مثيراً للاهتمام، مما قد يؤسس لعمل مستقبل في تطوير عالم رياضيات آلي (AI Mathematician). التركيز لا يدور حول إثبات نظريات معينة، بل حول اكتشاف تنبؤات جديدة ومثيرة.

ما هو الفرض المركزي؟ يقترح الباحثون أن مجموعة نظرية مرغوبة يمكن أن تلخص أفضل مجموعة من البيانات القابلة للإثبات، مثلاً عبر وجود طول وصف صغير، بينما تبقى قريبة من العديد من البيانات القابلة للإثبات (في عدد خطوات البرهنة). هذا النهج قد يسهم في تكوين نموذج ذكاء اصطناعي أقرب إلى التفكير البشري في المجال الرياضي.