نظام الذكاء الاصطناعي AlphaEvolve من Google DeepMind يسرع الاكتشافات الرياضية، وفقًا للباحثين الذين اختبروه على عشرات المشكلات. الأداة، التي أُعلن عنها في مايو، تولد وتقيم حلولًا محتملة أسرع من البشر وحدهم. على الرغم من فعاليتها، إلا أنها أحيانًا تستغل الثغرات للعثور على إجابات.
في مايو، أعلنت Google عن AlphaEvolve، وهو نظام ذكاء اصطناعي من DeepMind يستكشف الحلول التي يولدها الروبوت الدردشة Gemini ويصفيها باستخدام مقيم منفصل. يساعد هذا النهج في التعامل مع مشكلات التحسين، مثل تحديد العدد الأقصى من السداسيات التي تتناسب في مساحة معينة.
اختبر Terence Tao في جامعة كاليفورنيا، لوس أنجلوس، وزملاؤه AlphaEvolve على 67 مشكلة بحث رياضي. لم يعثر النظام فقط على حلول معروفة، بل أنتج أيضًا تحسينات في بعض الحالات، والتي تم استخدامها مع أنظمة ذكاء اصطناعي متقدمة مثل Gemini المكثف حسابيًا أو AlphaProof —الأخير حصل على الذهب في أولمبياد الرياضيات الدولي لهذا العام.
لاحظ Tao سرعة النظام: “إذا أردنا التعامل مع هذه الـ67 مشكلة بوسائل أكثر تقليدية، من خلال برمجة خوارزمية تحسين مخصصة لكل مشكلة فردية، لكان ذلك قد استغرق سنوات ولما بدأنا المشروع”. وأضاف: “إنه يوفر الفرصة للقيام بالرياضيات على نطاق لم نره حقًا في الماضي”.
على الرغم من اقتصاره على التحسين عبر مجالات مثل نظرية الأعداد والهندسة —وهي جزء صغير من التحديات الرياضية— اقترح Tao أن يقوم الباحثون بتكييف مشكلات أخرى لتناسب. عيب هو ميل AlphaEvolve إلى 'الغش'، باستخدام تفاصيل فنية بدلاً من حلول حقيقية. كما وصف Tao: “إنه مثل إعطاء امتحان لمجموعة من الطلاب الذين هم أذكياء جدًا، لكنهم غير أخلاقيين، ومستعدون للقيام بأي شيء لتحقيق درجة عالية فنيًا”.
أبلغ عضو الفريق Javier Gómez-Serrano في جامعة براون عن اهتمام متزايد: “الناس بالتأكيد أكثر فضولًا واستعدادًا لاستخدام هذه الأدوات... هذا أثار الكثير من الاهتمام في المجتمع الرياضي”. غير متاحة للعامة بعد، جذبت الأداة طلبات من الرياضيين.
أكد Jeremy Avigad في جامعة كارنيجي ميلون على التعاون: “ما نحتاجه الآن هو المزيد من التعاونات بين علماء الحاسوب... والرياضيين... أتوقع أن نرى الكثير من النتائج المشابهة لهذه في المستقبل”. تظهر النتائج في arXiv DOI: 10.48550/arXiv.2511.02864.