يعالج الذكاء الاصطناعي لتشغيل الألعاب من Google DeepMind نقطة Chatbot العمياء
![](https://i0.wp.com/www.alwahah.net/wp-content/uploads/2024/07/FastForward-Go-Business-1252323471.jpg?fit=1280%2C670&ssl=1)
قبل عدة سنوات من بدء ChatGPT في الثرثرة، طورت Google نوعًا مختلفًا تمامًا من برامج الذكاء الاصطناعي تسمى AlphaGo والتي تعلمت لعب لعبة اللوحة Go بمهارة خارقة من خلال التدريب الدؤوب.
وقد نشر الباحثون في الشركة الآن بحثًا يجمع بين قدرات نموذج لغوي كبير (الذكاء الاصطناعي وراء روبوتات الدردشة اليوم) وقدرات AlphaZero، وهو خليفة AlphaGo القادر أيضًا على لعب الشطرنج، لحل البراهين الرياضية الصعبة للغاية.
لقد أثبت ابتكارهم الفرانكنشتايني الجديد، الذي أطلق عليه اسم AlphaProof، براعته من خلال معالجة العديد من المشكلات من أولمبياد الرياضيات الدولي (IMO) لعام 2024، وهي مسابقة مرموقة لطلاب المدارس الثانوية.
يستخدم AlphaProof نموذج اللغة الكبير Gemini لتحويل أسئلة الرياضيات ذات الصياغة الطبيعية إلى لغة برمجة تسمى Lean. وهذا يوفر مادة تدريبية لخوارزمية ثانية لتتعلم، من خلال التجربة والخطأ، كيفية العثور على البراهين التي يمكن التأكد من صحتها.
في وقت سابق من هذا العام، كشف Google DeepMind عن خوارزمية رياضية أخرى تسمى AlphaGeometry والتي تجمع أيضًا بين نموذج اللغة ونهج مختلف للذكاء الاصطناعي. يستخدم AlphaGeometry برنامج Gemini لتحويل المسائل الهندسية إلى نموذج يمكن معالجته واختباره بواسطة برنامج يتعامل مع العناصر الهندسية. أعلنت Google اليوم أيضًا عن إصدار جديد ومحسّن من AlphaGeometry.
وجد الباحثون أن برنامجي الرياضيات الخاصين بهم يمكن أن يوفرا أدلة على ألغاز المنظمة البحرية الدولية (IMO) مثلما يستطيع الحائز على الميدالية الفضية. قامت البرامج بحل مسألتين في الجبر ومسألة نظرية الأعداد واحدة من أصل ستة في المجموع. لقد تم حل مشكلة واحدة في دقائق، لكن اكتشاف المشكلات الأخرى استغرق عدة أيام. ولم يكشف Google DeepMind عن مقدار قوة الكمبيوتر التي استخدمها في حل المشكلات.
يطلق Google DeepMind على النهج المستخدم في كل من AlphaProof وAlphaGeometry وصف “الرمز العصبي” لأنه يجمع بين التعلم الآلي الخالص للشبكة العصبية الاصطناعية، وهي التكنولوجيا التي تدعم معظم التقدم في الذكاء الاصطناعي في الآونة الأخيرة، مع لغة البرمجة التقليدية.
يقول ديفيد سيلفر، الباحث في Google DeepMind الذي قاد العمل على AlphaZero: “ما رأيناه هنا هو أنه يمكنك الجمع بين النهج الذي كان ناجحًا للغاية، وأشياء مثل AlphaGo، مع نماذج لغوية كبيرة وإنتاج شيء قادر للغاية”. . يقول سيلفر إن التقنيات الموضحة باستخدام AlphaProof يجب، من الناحية النظرية، أن تمتد إلى مجالات أخرى من الرياضيات.
في الواقع، يثير البحث احتمال معالجة أسوأ الاتجاهات في نماذج اللغات الكبيرة من خلال تطبيق المنطق والتفكير بطريقة أكثر ثباتًا. على الرغم من أن النماذج اللغوية الكبيرة يمكن أن تكون معجزة، إلا أنها غالبًا ما تكافح من أجل فهم حتى الرياضيات الأساسية أو التفكير في المشكلات بشكل منطقي.
في المستقبل، يمكن أن توفر الطريقة الرمزية العصبية وسيلة لأنظمة الذكاء الاصطناعي لتحويل الأسئلة أو المهام إلى نموذج يمكن التفكير فيه بطريقة تنتج نتائج موثوقة. ويشاع أيضًا أن شركة OpenAI تعمل على مثل هذا النظام الذي يحمل الاسم الرمزي “الفراولة”.
ومع ذلك، هناك قيود رئيسية في الأنظمة التي تم الكشف عنها اليوم، كما يعترف سيلفر. تكون الحلول الرياضية إما صحيحة أو غير صحيحة، مما يسمح لـ AlphaProof وAlphaGeometry بالعمل نحو الإجابة الصحيحة. العديد من مشاكل العالم الحقيقي – مثل تحديد خط سير الرحلة المثالي لرحلة ما – لها العديد من الحلول الممكنة، وقد يكون من غير الواضح أي منها هو الحل الأمثل. يقول سيلفر إن الحل لمزيد من الأسئلة الغامضة قد يكون في نموذج اللغة الذي يحاول تحديد ما يشكل الإجابة “الصحيحة” أثناء التدريب. ويقول: “هناك نطاق واسع من الأشياء المختلفة التي يمكن تجربتها”.
يحرص سيلفر أيضًا على ملاحظة أن Google DeepMind لن يطرد علماء الرياضيات من وظائفهم. ويقول: «إننا نهدف إلى توفير نظام يمكنه إثبات أي شيء، لكن هذه ليست نهاية ما يفعله علماء الرياضيات». “جزء كبير من الرياضيات هو طرح المشكلات والعثور على الأسئلة المثيرة للاهتمام التي يجب طرحها. قد تفكر في هذا كأداة أخرى على غرار مسطرة الشريحة أو الآلة الحاسبة أو الأدوات الحسابية.