في عالم الرياضيات الآلية، يُعتبر إثبات عدم المساواة متعددة الحدود (Polynomial Inequalities) من التحديات الأساسية التي تواجه الباحثين. يشمل الأمر تعقيداً في الهيكل الجبري وسرعة نمو مساحة البحث عن الشهادات، مما يُعيق التوسع الفعّال. رغم أن الطرق الرمزية البحتة تُعطي ضمانات قوية، إلا أنها غالباً ما تواجه صعوبة في التوسع عندما يزداد عدد المتغيرات أو الدرجات، بسبب التعقيدات الجبرية المرتفعة.

في الجهة المقابلة، حققت الأساليب المعتمدة على نماذج اللغة الكبيرة (Large Language Models، اختصاراً LLM) تقدماً ملحوظاً، خاصة في معالجة حالات عدم المساواة البسيطة. ولحل مسألة التوسع المتبقية، تم تقديم نظام NSPI، وهو إطار عمل عصبي-رمزي يجمع بين نقاط القوة التكميلية لنماذج اللغة الكبيرة والحساب الرمزي.

تعمل هذه التقنية بحيث يقترح نموذج اللغة الكبيرة تخميناً على شكل تحليل تقريبي لمجموعات مربعات (Sum-Of-Squares، SOS) متعددة الحدود. نقوم بعد ذلك بتطوير هذا الخمين عبر الحساب الرمزي لنحصل على تمثيل دقيق لـ SOS، والذي يثبت مباشرة عدم المساواة المستهدفة. علاوة على ذلك، يتم اعتماد هذا الإثبات في Lean، مما يُحقق تدفق عمل كامل من الاكتشافات الفطرية إلى الإثباتات المدعومة آليًا.

أظهرت التجارب على معايير صعبة تشمل بولينوميات تصل إلى 10 متغيرات فعالية الطريقة المقترحة وقابليتها للتوسع. يُعتبر هذا الإنجاز دليلاً على أن التقنيات الجديدة في الدمج بين الذكاء الاصطناعي والحسابات الرمزية تُمكن أن تُحدث ثورة في مجال الرياضيات، مُقدمةً أدوات أكثر قوة في مواجهة التحديات المعقدة.