DeepSeek يطور نموذجًا يمكنه التحقق من الاستدلالات الرياضية ذاتيًا

إن إطلاق DeepSeek لنموذج DeepSeekMath-V2 هو حدث بارز، وليس فقط فيما يتعلق بإنشاء ذكاء اصطناعي أفضل في الرياضيات.

لقد طورت شركة DeepSeak نموذج ذكاء اصطناعي لا يكتب التعليمات البرمجية فحسب، بل يتحقق منها ويثبت صحتها أيضًا.

حقق DeepSeekMath-V2 أرقامًا قياسية غير مسبوقة في الأداء، متجاوزًا الإنجازات البشرية في مسابقات أكاديمية صارمة. والجدير بالذكر أن النموذج فاز بالميدالية الذهبية في أولمبياد الرياضيات الدولي لعام ٢٠٢٥ (IMO)، وحقق نتيجة مذهلة بلغت ١١٨/١٢٠ في امتحان بوتنام، متجاوزًا الرقم القياسي لأعلى ٩٠ درجة حققها البشر على الإطلاق.

لكن ما يجعل هذا النموذج رائداً حقاً ليس النتيجة، بل ميزة "التحقق الذاتي" في DeepSeek.

آلية التحقق الذاتي وتصحيح الأخطاء في DeepSeek

لسنوات عديدة، واجهت نماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة ضعفًا خطيرًا عند حل المشكلات التي تتطلب المنطق المطلق مثل الرياضيات، وهي ظاهرة "التفكير الخاطئ ولكن الإجابة الصحيحة".

وهذا يعني أن النموذج قد ينتج الإجابة النهائية الصحيحة بشكل عشوائي، ولكن تسلسل خطوات الاستدلال، أو الصيغ، أو الخطوات المنطقية التي أدت إلى تلك النتيجة قد تكون غير صحيحة، أو غير كاملة، أو وهمية.

في مجالات العلوم والهندسة والرياضيات، لا قيمة للإجابة الصحيحة مع حل خاطئ، مما يُقلل بشكل كبير من موثوقية أنظمة الذكاء الاصطناعي. صُمم DeepSeekMath-V2 لإنهاء هذا العصر من انعدام الموثوقية.

تكمن قدرة DeepSeekMath-V2 على التحقق الذاتي في جوهر نجاحه. فهو بمثابة "مدقق داخلي" في عملية تفكير الذكاء الاصطناعي. فبدلاً من مجرد استنباط استنتاج واحد وإخراج إجابة، يتضمن نموذج DeepSeekMath-V2 آلية ثنائية الاتجاه.

الأول هو دور الإثبات، حيث يُولّد النموذج سلسلةً أوليةً من الحجج والحلول. ثم يُفعّل النموذج تلقائيًا نظامَ تدقيق داخليًا، يُراجع كل خطوة منطقية من سلسلة الحجج المُولّدة، باحثًا عن الأخطاء أو التناقضات أو التجاوزات غير المعقولة.

هذه العملية مشابهة جدًا لآلية عمل نظام التقييم IMO-ProofBench، حيث يُولّد نظام ذكاء اصطناعي وسيطة، ثم يتحقق منها نظام ذكاء اصطناعي آخر. بتكرار هذا التدقيق المتبادل حتى يتم التأكد من صحة سلسلة الوسطاء تمامًا، يضمن DeepSeekMath-V2 ليس فقط صحة الإجابة، بل أيضًا أن مسارها صحيح تمامًا وشفاف.

إطلاق العنان لمستقبل الذكاء الاصطناعي الجدير بالثقة

إن آثار طريقة الاستدلال الذاتي هذه قد تضع معيارًا جديدًا للشفافية والثقة لتطبيقات الذكاء الاصطناعي في العالم الحقيقي.

وفي المستقبل، يمكن تطبيق هذا النموذج في مجالات مهمة أخرى مثل: لا يقوم الذكاء الاصطناعي بكتابة التعليمات البرمجية فحسب، بل يقوم أيضًا بالتحقق من صحتها وإثباتها ذاتيًا، مما يقلل من الأخطاء الجسيمة.

بالإضافة إلى ذلك، يمكن للذكاء الاصطناعي التحقق تلقائيًا من سلاسل التفكير المعقدة عند تطوير الفرضيات أو إثبات النظريات الجديدة، وبالتالي ضمان عقلانية وسلامة القرارات المهمة التي يتخذها الذكاء الاصطناعي.

إن قرار DeepSeek بالإفصاح علنًا عن الكود المصدر للنموذج على منصات مثل Hugging Face وGitHub هو خطوة استراتيجية تسمح لمجتمع البحث العالمي بالوصول إلى مبدأ الاستدلال القابل للتحقق هذا والبناء عليه.

يمثل DeepSeekMath-V2 نقلة نوعية، فهو لا يُظهر فقط قدرة الذكاء الاصطناعي الفائقة على حل أصعب المشكلات، بل يضمن أيضًا بناء هذه القدرة على أساس من الثقة والمنطق الراسخ. وهذا دليل على أن الجيل القادم من الذكاء الاصطناعي لن يكون أكثر ذكاءً فحسب، بل سيكون أيضًا أكثر صدقًا وشفافية في عملية التفكير.

العودة إلى الموضوع

البحر الشرقي

المصدر: https://tuoitre.vn/deepseek-phat-trien-mo-hinh-co-kha-nang-tu-kiem-chung-cac-suy-luan-trong-toan-hoc-2025113016585069.htm