يشهد عالم الذكاء الاصطناعي طفرة جديدة في مجال حل مسائل الهندسة مع ظهور إطار SD-GPS (Solver-Driven Geometry Problem Solving). هذا الإطار لا يعد مجرد تطوير تقني، بل تمثل خطوة نوعية تجمع بين الذكاء الرمزي (Symbolic Intelligence) والتقنيات العصبية (Neural Techniques) لتحسين القدرة على حل المشكلات بشكل جذري.

يعاني العديد من الأنظمة الحالية من اختناقات خطيرة في مرحلتين أساسيتين: الأولى هي التلقائية في التشكيل (Autoformalization) التي تتعامل مع الترجمة المتعددة الأنماط كعملية ثابتة وغير مرتبطة بكفاءة الحلول النهائية، والثانية تتعلق بالتنبؤ بالنظريات (Theorem Prediction)، حيث يواجه المحللون عقبات استنتاجية بسبب مكتبات القواعد الثابتة.

لكن الإطار الجديد SD-GPS يقدم حلاً مبتكراً، حيث يعتبر المحلّل الرمزي (Symbolic Solver) بمثابة "Oracle" تنفيذي خلال كل من عملية التشكيل والاستنتاج.

تبدأ الخطوات بإدماج عملية التشكيل المدفوعة بالمحلّل التي توحد بين تعديل اللغة الرسمية تحت الإشراف وتعلم التعزيز الموجه نحو القابلية للحل - مُبنًى على نموذج QwenVL3-2B، مما يجعل القابلية للتنفيذ العنصر المركزي في التدريب.

ومن ثم، يتم تقديم مفهوم التنبؤ بالنظريات المُعتمد على التحقق، حيث يقترح وكيلًا مدركًا للعقبات ليمينا المساعدات المحلية من حالات البرهان الحالية، مما يضمن المتانة من خلال تصفية جميع المقترحات عبر التحقق الرمزي.

في تقييمات تجريبية أجريت على مجموعتين بيانات Geometry3K وPGPS9K، أثبت SD-GPS تفوقًا مستمرًا على الأساليب الحالية مثل نماذج اللغات الضخمة (MLLM) والطرق العصبية والنموذج الرمزي العصبي، مما يجعل ربط الإدراك المتعدد الأنماط بالتنفيذ الرمزي مفتاحًا لتحسين التفكير الهندسي وتوفير رؤى عميقة حول كيفية دمج الأنظمة الرسمية لتعزيز قدرات الحل القابلة للتحقق.

هل تعتقد أن هذا الإطار يمكن أن يحدث ثورة في طرق التعليم والتوجيه؟ شاركونا آراءكم في التعليقات!