تقرير تحدي رامانوجان يختبر تقييم الذكاء الاصطناعي لرياضيات على مستوى البحث
تبحث ورقة أولية جديدة مساهمات الذكاء الاصطناعي والجبر الحاسوبي وLean في مسائل نظرية الأعداد، والمهمة الصعبة المتمثلة في فحص براهينها عبر صيغ متعددة.
فحص إجابة بحثية مسألة رياضية بحد ذاتها
يعرض تقرير أولي أُرسل في 29 أكتوبر نتائج «تحدي رامانوجان»، وهو معيار لمسائل في نظرية الأعداد يضم نتائج غير منشورة وتخمينات مفتوحة. طلب التحدي صيغاً صريحة لثوابت رياضية: يمكن اختبار الجواب عددياً، لكن إثبات صحته قد يحتاج إلى رياضيات غير بديهية. ويفحص المؤلفون مساهمات قُدمت بالاستعانة بنماذج لغوية وأنظمة جبر حاسوبي وأدوات صورية مثل Lean.
من صيغة مُدعاة إلى برهان قابل للتدقيق
تقول الورقة إن بعض المساهمات كانت صحيحة لكنها تختلف من حيث الفكرة عن الحلول الرسمية، وإن واحدة منها تناولت تخميناً مفتوحاً نُشر مع التحدي. ولهذا تصبح عملية الفحص مهمة على نحو خاص. فالتطابق العددي قد يكون دليلاً مفيداً، لكنه ليس برهاناً تلقائياً؛ وبالمثل يكشف الأثر الصوري والبرنامج المساند والشرح المكتوب أجزاء مختلفة من الحجة.
ولمراجعة هذا الخليط، يقدم المؤلفون مساراً مدعوماً بالذكاء الاصطناعي يقيّم البراهين النثرية وشيفرة الجبر الحاسوبي وصياغات Lean. وعلى تقييم الورقة، يذكرون خفض الأحكام الإيجابية الكاذبة على براهين اللغة الطبيعية من 23% إلى 6%، ورفع دقة الحكم على الشيفرة المساندة من 46% إلى 58% مقارنة بخط أساس يعتمد على حكم نموذج لغوي في محاولة واحدة. وهذه نتائج يوردها المؤلفون في ورقة أولية غير محكمة، وترتبط ببياناتهم وتسمياتهم ومسارهم وطريقة المقارنة. ولم تتحقق MathsAI بصورة مستقلة من الحلول المقدمة أو تُعد إنتاج هذه الأرقام.
لماذا تهم الصيغ المتعددة؟
يمكن لنواة Lean فحص برهان Lean مقابل عبارته المشفرة، في حين يمكن إعادة تشغيل حساب جبري حاسوبي وفحص البرهان المكتوب من أجل أفكاره الرياضية. لكن أياً من هذه المسارات لا يضمن وحده أن كل تمثيل يقول الشيء نفسه تماماً الذي يقصده الادعاء الأصلي. والإسهام العملي للورقة هو التعامل مع الاتساق بينها بوصفه أمراً يحتاج مراجعة منظمة، بدلاً من سؤال نموذج واحد عن حكم واثق.
لا يثبت التقرير أن الأنظمة الآلية تستطيع التصديق على رياضيات جديدة من دون تدقيق الخبراء. لكنه يقدم ميدان اختبار مفيداً لعقبة متنامية في الذكاء الاصطناعي الرياضي: فمع ازدياد الأنظمة التي تنتج نتائج مرشحة، يجب أن تواكبها أدوات تقييم موثوقة.