في عالم الرياضيات، يعتبر axiom of choice أحد المفاهيم المحورية التي أحدثت جدلًا كبيرًا على مدى أكثر من مئة عام. تمثل هذه المصادرة نقطة تفرقة بين أنواع مختلفة من الإثباتات، إذ تلعب دورًا أساسيًا في الفلسفة والتقنيات المستخدمة في تطوير النماذج الرياضية.

في دراسة جديدة نُشرت على arXiv، تم التركيز على استخدام Lean 4، وهو نظام يعنى بتتبع الاعتماد على الaxiom في برمجيات البرهان، للكشف عن أن هناك علاقة هندسية ملحوظة في فضاء الإثباتات ترتبط بشدة بaxiom of choice. يتمثل أحد الجوانب المثيرة في هذه الدراسة في أن الأداء العملي لنماذج البرهان العصبي مرتبط بشكل مباشر بهذه العلاقات الهندسية.

من خلال تقسيم 471,260 تصريحًا في مجموعة Mathlib اعتمادًا على العلاقات النقلية مع axiom of choice، وتمثيل 42,355 نظرية تم تتبعها، تم جمع بيانات يمكن استخدامها لتدريب مشفر إثبات ذاتي. أظهرت النتائج أن ثلاث قياسات متكاملة (مثل مؤشر الشذوذ، وخسارة إعادة البناء، واحتواء مستوى الكثافة) تُظهر تراجعًا ملحوظًا كلما ابتعدت الإثباتات عن axiom في رسم الاعتماد.

علاوة على ذلك، تم إثبات أن التكتيك المعروف باسم aesop في Lean يمكنه حل الإثباتات المفاهيمية بمعدل أعلى بـ13 مرة مقارنة بالإثباتات التقليدية. كما أن استخدام مولد التكتيك ReProver يُقلص الفجوة إلى 5 مرات.

تظهر هذه الدراسة الرائعة كيف أن الأبعاد الهندسية تؤثر على الأداء العملي للنماذج العصبية، مما يفتح المجال أمام مزيد من البحث والابتكار في هذا المجال الحيوي.