تُعد جاذبية المشاكل الرياضية (Interestingness) عاملاً حاسمًا في تطور الرياضيات، حيث تؤثر في اختيار الباحثين للمشاكل التي يسعون لحلها، واختيار الطلاب للمشاكل التي يرغبون في الانغماس فيها. ومع تطور أنظمة الذكاء الاصطناعي، لا سيما نماذج اللغة الكبيرة (Large Language Models - LLMs)، ودورها المتزايد في مجالات الرياضيات والبحث العلمي، يصبح من المهم فهم مدى توافق أحكام هذه النماذج مع أحكام البشر بمستوياتهم المختلفة من المعرفة الرياضية.

تشير دراسة جديدة إلى أنه حينما تمت مقارنة تقييمات نماذج اللغة مع تقييمات مجموعتين من المشاركين: أولئك الذين لديهم خبرة كلية في الرياضيات ومتسابقو أولمبياد الرياضيات الدولي، لوحظ أن العديد من نماذج اللغة تتفق بشكل عام مع مفهوم الجاذبية لدى البشر. ومع ذلك، فإن هذه النماذج تُظهر عجزاً في التوافق مع توزيع أحكام البشر، وتفتقر إلى الارتباط القوي بالأسباب التي تجعل المشاكل الرياضية مثيرة للاهتمام بالنسبة للبشر.

عند تقييم قدرة نماذج اللغة على توليد مشاكل رياضية مثيرة، وُجد أنه بعد تصفية النتائج للتحقق من صحتها، يمكن لهذه النماذج إنتاج مشاكل جذابة، مما يعكس إمكانية عملها كشركاء في التفكير الرياضي. نُختم هنا بأن أهمية التعاون بين البشر ونماذج اللغة، مثل نموذج LLMs، توضح كل من الوعد والقيود الحالية لهذه الأنظمة الذكية في مجال التفكير الرياضي.

هل تعتقد أن الذكاء الاصطناعي يمكن أن يصبح شريكًا فعالًا في تعلم الرياضيات؟