موفقیت خیره‌کننده دیپ‌مایند گوگل در حل سوالات المپیاد ریاضی

هندسه یکی از کهن‌ترین شاخه‌های ریاضیات است اما مشخص شده که کار با آن برای سیستم‌های هوش مصنوعی دشوار است. آموزش آن‌ها به دلیل کمبود داده‌ها دشوار بوده و موفقیت در این کار مستلزم ساختن سیستمی است که بتواند از پس چالش‌های منطقی دشوار برآید. 

به طور معمول، مهندسان چنین سیستم‌هایی را با استفاده از یادگیری ماشینی آموزش می‌دهند که عبارت است از ارائه داده‌هایی در خصوص نحوه اجرای موفقیت‌آمیز یک دستورالعمل تا بیاموزند چگونه این کار را انجام دهند، اما چنین استدلال‌‌ها و برهان‌های انسانی برای اثبات قضایا، به‌ویژه در هندسه، کم است.

پژوهشگران می‌گویند که در عوض، برای ساختن سیستم جدید به نام آلفاجئومتری از رویکرد متفاوتی استفاده کردند. آن‌ها در مقابل، از یک مدل زبانی استفاده کردند که قادر بود خود را با ترکیب میلیون‌ها قضیه و برهان‌های آن‌ قضایا آموزش دهد و سپس آن را با سیستمی ترکیب کردند که می‌تواند در مسائل چالش‌برانگیز نقاط شاخگی را جست‌وجو کند.

سازندگان آن ادعا می‌کنند که این سیستم در مجموع، بدون دخالت انسان قادر به یادگیری و سپس حل مسائل پیچیده هندسی است.

آلفاجئومتری با ۳۰ مسئله المپیاد جهانی ریاضی آزمایش شد؛ مسابقه‌ای‌ که در آن از دانش‌آموزان برگزیده دبیرستانی خواسته می‌شود قضایای ریاضی را اثبات کنند. آلفاجئومتری توانست ۲۵ مورد از آن‌ها را حل کند.

این به مراتب بهتر از بهترین روش پیشین است که تنها قادر به حل ۱۰ مسئله بود و آن را به میانگین امتیاز مدال‌آور طلا که ۲۵.۹ قضیه را حل کرد، نزدیک می‌کند.

به گفته پژوهشگران، این سیستم همچنین می‌توانست به روش‌هایی که انسان‌ها آن را درک می‌کردند، اثبات کند‌ــ و حتی نسخه جدیدی از یک قضیه را پیدا کرد.

در حال حاضر، این سیستم فقط در انواع خاصی از هندسه قابل‌استفاده است اما به گفته پژوهشگران، در نهایت می توان از آن در شاخه‌های مختلف ریاضیات استفاده کرد.

در حالی که بیشتر تمرکز هیجان‌های اخیر هوش مصنوعی روی مدل‌های زبانی بزرگ مانند چت‌جی‌پی‌تی بوده است، دیپ‌مایند در درجه اول بر استفاده‌های عملی‌تر از هوش مصنوعی تمرکز کرده است. این پیشرفت‌های اخیر در پیش‌بینی آب‌وهوا و سایر بخش‌های ریاضیات را شامل می‌شود.

این پژوهش در مقاله جدیدی با عنوان «حل هندسه المپیاد بدون استدلال و برهان انسانی» که در نیچر منتشر شد، شرح داده شده است.