في خطوة رائدة يمهد بها الطريق لمستقبل الذكاء الاصطناعي في الرياضيات، تم تقديم نموذج لغة جديد يحمل اسم 'InternGeometry'، والذي أظهر قدرة ملفتة في حل مشاكل الهندسة التي تطرح في الأولمبياد الرياضي الدولي. يعتمد هذا النموذج المتقدم على تقنيات التعلم المعزز المعقد (Complexity-Boosting Reinforcement Learning) لتحسين أداء وكيل اللغة الكبير (Large Language Model)، من خلال استراتيجية تتضمن الاقتراحات التكرارية والتحقق من صحة البناءات المساعدة باستخدام محرك رمزي.

على الرغم من تقدم الذكاء الاصطناعي، كانت الجهود السابقة في حل مشاكل الهندسة تعاني من ضعف في الاستخدامات الخوارزمية التكميلية. ومع ذلك، يتمكن 'InternGeometry' من تحسين النتائج من خلال تفاعل ديناميكي مستمر مع المحرك الرمزي، مما يسمح بنحو مئتين من التفاعلات مع كل مشكلة.

ما يميز 'InternGeometry' هو استخدامه لمجموعة بيانات تدريب محدودة من 13 ألف مثال، أي 0.004% فقط من البيانات التي استخدمها النموذج السابق 'AlphaGeometry 2'، ومع ذلك استطاع تجاوز المتوسط العام للنتائج المحصلة من حاملي الميداليات الذهبية، حيث حل 44 مشكلة من أصل 50 مشكلة هندسية أولمبية (2000-2024)، مسجلاً أعلى من المعدل البالغ 40.9.

تقدم 'InternGeometry' أيضاً اقتراحات جديدة لبناءات مساعدة لم تظهر في الحلول البشرية، مما يفتح باباً جديداً للإبداع في مشكلات الرياضيات. إن هذا النموذج لا يقدم فقط حلولاً، بل يرتقي بتفكير الذكاء الاصطناعي إلى مستويات تستحق الملاحظة.

هل أنتم مستعدون لاكتشاف المزيد عن تقنيات الذكاء الاصطناعي في الرياضيات؟ شاركونا آرائكم في التعليقات!