وكيل ذكاء اصطناعى يثبت أكثر من 30 نظرية جديدة فى التحسين الرياضى

نجح برنامج الذكاء الاصطناعى LongTails، التابع لمعهد AIRI، فى إثبات صحة أكثر من 30 نظرية جديدة فى مجال التحسين الرياضى، بعد التحقق من كل برهان باستخدام مدقق رسمى، ويفتح هذا الإنجاز آفاقا جديدة لتطوير أساليب تدريب الشبكات العصبية، وتحسين الخدمات اللوجستية، وتصميم هياكل تجمع بين خفة الوزن والمتانة.

وطور علماء معهد AIRI، بالتعاون مع زميل لهم من فيتنام، إطار العمل مفتوح المصدر LongTails، وهو وكيل ذكاء اصطناعى يستطيع صياغة مسائل جديدة فى التحسين الرياضى، واقتراح طرق لحلها، ثم إثبات فاعلية هذه الطرق بصورة دقيقة، وفقا لما ذكرته الخدمة الصحفية للمعهد، بحسب ما ذكر موقع science.mail.

30 نظرية جديدة في مجال التحسين الرياضي

نحو 100 نظرية جديدة فى التحسين الرياضى

باستخدام إطار العمل الجديد، تمكن الباحثون من الوصول إلى ما يقارب 100 نظرية وصياغتها بصورة رسمية، من بينها 50 نظرية تعمل على تحسين الضمانات المعروفة فى دراسات سابقة، كما يعتزم الفريق نشر 35 نظرية أخرى باعتبارها نتائج رياضية مستقلة تستحق النشر الدولى، فيما يستغرق البرنامج ما بين 3 و7 ساعات فى المتوسط لإثبات نظرية واحدة.

وتتمثل الميزة الرئيسية لنظام "LongTails" فى اعتماده على التحقق التلقائى من كل برهان باستخدام لغة التحقق الرسمى "Lean 4"، وتوفر هذه الخطوة ضمانة مهمة لمواجهة مشكلة معروفة فى استخدام الذكاء الاصطناعى بالرياضيات، إذ قد ينتج النموذج استدلالا يبدو مقنعا، لكنه يتضمن خطأ أو يتناول مسألة مختلفة عن المطلوب.

ويعمل النظام انطلاقا من وصف رسمى للشروط والهدف، ثم يتحقق من توافق البرهان معهما، وهو ما يعنى أن كل نتيجة يقدمها النظام تخضع لفحص رسمى يؤكد صحتها، بدلا من الاكتفاء باستدلال يبدو صحيحا من الناحية الظاهرية.

كيف يخدم التحسين الرياضى تطبيقات الذكاء الاصطناعى؟

يقوم التحسين الرياضى على البحث عن الخيار الأمثل من بين مجموعة كبيرة من الاحتمالات، سواء كان الهدف الوصول إلى أسرع طريقة أو أقل تكلفة أو أعلى دقة أو أكبر قدر من الموثوقية، وتوضح النظريات التى يثبتها النظام مدى سرعة تنفيذ طريقة معينة، والشروط التى يمكن أن تعمل فى ظلها، بما يساعد على تحديد عدد العمليات الحسابية المطلوبة مسبقا، بدلا من اختبار الخوارزميات بصورة عشوائية.

وتستند عمليات تدريب الشبكات العصبية، بدءا من أنظمة التوصية وصولا إلى نماذج اللغة الضخمة، إلى طرق التحسين الرياضى، ولذلك، فإن تطوير خوارزميات أكثر كفاءة يمكن أن يقلل وقت التدريب والتكاليف الحسابية واستهلاك الطاقة داخل مراكز البيانات، مع تحسين أداء الأنظمة التى تعتمد على هذه التقنيات.

ولا تقتصر تطبيقات هذه الطرق على الذكاء الاصطناعى، إذ يمكن الاستفادة منها فى تصميم هياكل قوية وخفيفة الوزن، وتخطيط مسارات التوصيل، وتوزيع أحمال شبكات الطاقة، والبحث عن جزيئات ومواد جديدة، ومعالجة التجارب الفيزيائية، إلى جانب إدارة مخاطر الاستثمار.

إطار مفتوح المصدر لمواصلة إثبات النظريات

أصبحت شفرة "LongTails" متاحة كمصدر مفتوح، بما يسمح لمجموعات بحثية أخرى باستخدامها والاستفادة من إمكاناتها فى دراسة مسائل التحسين الرياضى وإثبات النظريات الجديدة، ويتيح ذلك توسيع نطاق التجارب وتطوير أساليب أكثر تعقيدا للتحقق من كفاءة الخوارزميات.

وقال أحد المشاركين فى المشروع أن الإطار حقق خلال أيام قليلة نتائج تفوق ما تمكن من تحقيقه طوال مسيرته المهنية، مضيفا أنه يجد صعوبة فى تحديد شعوره تجاه هذا التطور، لكنه يراه أمرا مثيرا للغاية، وأكد أن الفريق سيواصل العمل على إثبات نظريات جديدة، وزيادة تعقيد المسائل وتنظيمها، إلى جانب التحقق من فاعلية الخوارزميات التى يتوصل إليها فى التطبيقات العملية.