في عالم الذكاء الاصطناعي، تبرز الحاجة إلى حلول عملية لمشكلات الهندسة الصلبة، وهو ما تم تسليط الضوء عليه من خلال مشروع هيلبرت-جيو (Hilbert-Geo). يهدف هذا المشروع إلى سد الفجوة الموجودة بين الهندسة المسطحة والهندسة الصلبة، حيث تختلف المشكلات الهندسية في البعد الثالث وتعقيد التفكير.

هذا الإطار الجديد يعتمد على لغة رسمية موحدة تحتوي على مكتبة واسعة من المعادلات الهندسية ومكتبة للثيorem، ما يجعل من الممكن استخدام نموذج استخراج (Parse2Reason) الذي يتكون من مرحلتين:
1. **مرحلة التحليل**، حيث يتم استخدام لغة وصف الشرط (CDL)، وهي لغة رسمية مصممة خصيصًا لتمثيل الشروط الهندسية.
2. **مرحلة التفكير**، التي تتضمن استخدام المعادلات الرسمية للقيام بعمليات استدلال والعوامل الجبرية، مما يضمن أن نتائجنا قابلة للتحقق وسهلة القراءة من قبل البشر.

علاوة على ذلك، تم تصميم هيلبرت-جيو أيضًا ليكون قابلاً للتطبيق على الهندسة المسطحة، مما يزيد من نطاق استخدامه. لتطوير هذا النوع من التفكير الهندسي، تم إعداد مجموعتين من البيانات المتخصصة: SolidFGeo2k وPlaneFGeo3k، التي تأتي مع تسميات بلغات هندسية رسمية وحلول.

أكملت التجارب التي أجريت باستخدام هذه الطريقة إلى تحقيق أهداف غير مسبوقة، حيث سجلت دقة وصلت إلى 77.3% في مجموعة بيانات SolidFGeo2k و84.1% في مجموعة MathVerse-Solid. كما أظهرت النتائج تفوق هيلبرت-جيو على نماذج التعلم الآلي الرائدة مثل Gemini-2.5-pro وGPT-5.

هذا التطور يجعل هيلبرت-جيو محط أنظار الباحثين والمطورين في مجال الهندسة وعلوم الكمبيوتر. هل ستمهد هذه الطريقة الطريق لمزيد من الابتكارات في الذكاء الاصطناعي؟ شاركونا آراءكم في التعليقات!