يتفوق البشر على الذكاء الاصطناعي في هذا الاختبار الرياضي الصارم للغاية

لقد خضع الذكاء الاصطناعي لاختبار الرياضيات الأكثر دقة حتى الآن. لقد ظهرت النتائج، ولم ترقى نماذج الذكاء الاصطناعي التي شاركت إلى مستوى مهارات حل المشكلات التي يتمتع بها كبار علماء الرياضيات.

الاختبار – جزء من مشروع يسمى First Proof، والذي يهدف إلى تقييم قدرة الذكاء الاصطناعي على حل الأسئلة المعقدة في الرياضيات – طرح عشر مسائل رياضية على مستوى البحث لأربعة أنظمة ذكاء اصطناعي. ثم قامت هيئة محلفين من المتخصصين البشريين المجهولين في المجالات الرياضية ذات الصلة بتقييم إجابات النماذج. كان هذا الاختبار هو الأول من نوعه الذي يستوفي ثلاثة شروط رئيسية في وقت واحد: أولاً، يتكون من أسئلة رياضية على مستوى البحث؛ ثانياً، كانت تنطوي على مشاكل لم تظهر في بيانات التدريب؛ وثالثًا، تم تصنيفها رسميًا من قبل علماء الرياضيات. وتم الكشف عن النتائج على موقع البرهان الأول في 10 يونيو.

تتبع هذه النتائج الإنجازات الحديثة التي حققها الذكاء الاصطناعي في حل المسائل الرياضية. في الشهر الماضي، على سبيل المثال، قام روبوت الدردشة الذي صنعته شركة التكنولوجيا OpenAI، في سان فرانسيسكو، كاليفورنيا، حل تحدي الرياضيات عمره 80 عاما وضعها عالم الرياضيات الراحل بول إردوس. يقول فريق First Proof أن التكرارات المستقبلية للاختبار يمكن أن تساعد الباحثين على الحكم على مدى فائدة نماذج الذكاء الاصطناعي لعلماء الرياضيات؛ على سبيل المثال، في حل المشكلات بشكل مستقل، أو التحقق من البراهين أو العمل كمساعدين باحثين.

اثبات هذا

كان أحد الابتكارات المهمة في اختبار First Proof هو أن الأسئلة لم يتم ذكرها من قبل في أي مكان في المنشورات المنشورة أو على الإنترنت، مما يقلل من خطر قيام النماذج ببساطة بترجيع المعلومات التي تعلموها أثناء تدريبهم. وبدلاً من ذلك، قدم عشرة باحثين من مجموعة واسعة من التخصصات الرياضية سؤالاً قاموا بحله أثناء بحثهم الخاص ولكنهم لم ينشروه بعد.

ركض الدليل الأول اختبار تجريبي في فبراير مع مجموعة مختلفة من المشاكل الجديدة. في تلك الجولة، كان بإمكان أي شخص تجربة أنظمة الذكاء الاصطناعي المفضلة لديه لحل المشكلات، وقد فعلت ذلك العديد من المجموعات، ولكن لم يتم التحقق من النتائج رسميًا من قبل فريق First Proof. ولم تكن هناك أيضًا طريقة للتحقق بشكل مستقل من أن أنظمة الذكاء الاصطناعي لم تتلق أي مساعدة من البشر.

الذكاء الاصطناعي يتغلب على تحدي الرياضيات المستمر منذ 80 عامًا، وقد أذهل الباحثون

هذه المرة، أجرى First Proof الاختبار نفسه: طلب الفريق من النماذج حل المشكلات بطريقة مستقلة تمامًا، وكان لدى مجموعة مكونة من 30 عالم رياضيات فحص الإجابات. يقول عالم الرياضيات جيريمي أفيجاد، الذي يرأس معهد الاستدلال بمساعدة الكمبيوتر في الرياضيات بجامعة كارنيجي ميلون في بيتسبيرج، بنسلفانيا: “من الواضح أن المنظمين فكروا خلال الدفعة الثانية بعناية أكبر لجعلها أكثر تنظيمًا ومنهجية”.

وكانت القاعدة الأخرى هي أن النماذج المشاركة يجب أن تكون متاحة للجمهور. وهذا يعني أنه لا يمكن استخدام نظام Aletheia من Google – وهو نظام مصمم خصيصًا لحل المسائل الرياضية – والنسخة الكاملة التي لم يتم طرحها بعد من Claude Mythos، وهو نموذج صنعته شركة Anthropic في سان فرانسيسكو، كاليفورنيا. وكانت OpenAI هي الشركة الكبيرة الوحيدة التي شاركت بنموذجها ChatGPT 5.5 Pro.

أما الأنظمة الأخرى فقد تم توفيرها من قبل ثلاث مجموعات أكاديمية من جامعة كاليفورنيا، لوس أنجلوس (UCLA)؛ جامعة برينستون في نيوجيرسي؛ والمعهد الفيدرالي السويسري للتكنولوجيا (ETH) في زيورخ. قامت الثلاثة ببناء “أدوات” فوق روبوتات الدردشة الموجودة، مثل ChatGPT، وGemini من Google، والنسخة المتاحة للعامة من Anthropic’s Claude. (الأداة هي نظام آلي يطرح سؤالاً على برنامج الدردشة الآلي ويتحقق من الإجابة بواسطة برنامج دردشة آخر، وغالبًا ما يكون ذلك بتكرار ذهابًا وإيابًا.)

نتائج الرياضيات

كان أداء نموذج فريق ETH هو الأفضل، حيث قام بحل ستة من أصل عشرة مشاكل باستخدام نظام تم فيه فحص إجابات ChatGPT أو تحسينها من قبل “مجلس استشاري” يتكون من روبوتات الدردشة الثلاثة الرئيسية. كان فريق UCLA، الذي قام ببناء أداة مساعدة على ChatGPT، هو ثاني أفضل فريق، يليه فريق OpenAI (ChatGPT بدون أداة مساعدة) وPrinston (أداة تستخدم بشكل أساسي Gemini 3.1 Pro كواجهة خلفية له).