هوش مصنوعی در حال حل مسائل ریاضی است که انسان ها را سرگردان کرده است. بعد چه می آید؟

ویرایش شده توسط Swati Mestri، بررسی توسط Robert Egan

این مقاله با توجه به روند و سیاست های ویرایشی Science X بررسی شده است. ویراستاران ضمن اطمینان از اعتبار محتوا، ویژگی های زیر را برجسته کرده اند:

چند سال پیش، درخواست از هوش مصنوعی برای جمع کردن دو عدد چهار رقمی برای یک تکلیف ریاضی کلاس سوم ایده بدی بود. مطالعات نشان داده اند که بیش از نیمی از زمان ها، پاسخ اشتباه خواهد بود. تقسیم طولانی یا مشکل "مخزن نشتی"، جزء اصلی کلاس جبر؟ فراموشش کن

اگرچه هوش مصنوعی هنوز با محاسبات دست و پنجه نرم می‌کند، اما در سال 2024، سیستم‌های هوش مصنوعی Google DeepMind به اندازه کافی برای کسب مدال نقره در مسابقات دبیرستانی نخبه‌ای که استدلال ریاضی را به جای محاسبات پایه آزمایش می‌کند، امتیاز کسب کرد. یک سال بعد، OpenAI طلا را تصاحب کرد.

در ماه مه 2026، هوش مصنوعی در مورد سوالی که ریاضیدان پل اردوس در سال 1946 مطرح کرد، پیشرفت کرد. با توجه به تعداد ثابتی از نقاط روی یک سطح صاف، چند جفت می‌توانند دقیقا در یک واحد از هم بنشینند؟ کارشناسان یک پیش بینی طولانی مدت داشتند، اما ربات آن را یک بار برای همیشه لغو کرد.

در نقطه‌ای مهم در ماه سپتامبر، OpenAI اعلام کرد که عوامل آن راه‌حلی برای مشکل Navier-Stokes پیدا کرده‌اند که نحوه حرکت مایعات را توصیف می‌کند. پاسخ می تواند به دانشمندان کمک کند تا بفهمند چه زمانی پیش بینی های رایانه ای از هوا یا جریان خون غیرقابل اعتماد می شوند.

88 ساعتی که طبق گزارش ها طول کشید، ممکن است زیاد به نظر برسد. با این حال، در مقایسه با تقریبا 90 سالی که مردم برای حل این سوال صرف کردند، چیزی نیست.

کن دافی، پروفسور ریاضیات شمال شرقی، به Northeastern Global News گفت که این مسائل به خوبی تعریف شده، موارد آزمایشی مفیدی را ایجاد می کنند.

بنابراین آیا ریاضیدانان در آستانه خروج از معادله هستند؟

کارشناسان در ریاضیات و محاسبات پیشرفت ها را در چشم انداز قرار می دهند. در اینجا پنج نکته از این مکالمات آورده شده است.

مدارس و دانشگاه ها قصد دارند متخصصان آینده را به ابزارهای تجارت مجهز کنند.

دافی گفت: "ما چیزهایی را به مردم آموزش می دهیم که از قبل می دانیم درست هستند."

با این حال، این زمینه بسیار بیشتر از تسلط بر مواد است. ریاضی تحقیق یک بازی توپ متفاوت است.

دافی گفت: «ارز تحقیق (پیدا کردن) سؤال خوبی برای پرسیدن است. نتیجه ممکن است فناوری جدید یا صرفا یک اثبات زیبا باشد.

به گفته محققان، در ریاضیات تحقیقاتی، هوش مصنوعی در فرآیندهایی که به نیروی بی رحمانه نیاز دارند، مانند جمع آوری هزاران داده، برتری می یابد. همچنین در پیوند دادن حقایق به یکدیگر با سرعت سرسام آور مهارت دارد.

برای مقابله با مشکل Erdős، هوش مصنوعی از تکنیک‌های مورد استفاده برای مطالعه اعداد تا هندسه استفاده کرد و متوجه شد که متخصصان اتصال غیرمنتظره‌ای را از دست داده‌اند.

طبق اعلامیه ماه گذشته OpenAI، حل معادله Navier-Stokes حدود 10000 ربات طول کشید تا دانش چندین دهه را در ساعت بررسی کنند.

دافی گفت که ریاضیدانان به دلیل توضیح چگونگی رسیدن به یک راه حل و توسعه روش ها در طول مسیر، به رسمیت شناخته می شوند. یک مدرک خوب استدلال را بیان می کند، مسیری را به دیگران می دهد که می توانند از آن بیاموزند و قلمرو جدیدی را برای اکتشاف باز می کند.

با این حال، هوش مصنوعی در نشان دادن کار خود بسیار کوتاه است. شواهدی که ارائه می دهد اغلب باعث می شود که ریاضیدانان سر خود را بخارانند.

دافی گفت: «وقتی امتحانات دانش‌آموزان را نمره می‌دهیم، اگر توضیح ندهند که چگونه به آن رسیده‌اند، به آنها امتیاز کاملی برای دریافت پاسخ صحیح نمی‌دهیم.

او افزود که راه‌حل‌های هوش مصنوعی را می‌توان در Lean، یک سیستم بررسی اثبات، آزمایش کرد. برخی از آنها پس از انتشار اولیه پس از عدم موفقیت پس گرفته شده اند.

گذشته از معایب، قدرت محاسباتی هوش مصنوعی بسیاری از زمینه ها را متحول کرده است. در زیست شناسی، شکل بیش از 200 میلیون پروتئین را پیش بینی کرد و به دانشمندان در تعیین عملکرد آنها کمک کرد.

دافی گفت که نقشه برداری از سلول ها در مغز استخوان برای مطالعه تغییرات ناشی از لوسمی کار پر زحمتی بود. این امر خواستار رنگ آمیزی قطعات کوچک با پروتئین های فلورسنت و گرفتن بارهای تصویر بود.

او گفت: «شما 60 یا 100 میلیون سلول در آنجا دارید. "و سپس یک دانشجوی فقیر فارغ التحصیل نابینا می شود و به هر تصویر نگاه می کند و دایره هایی را در اطراف (آنها) می کشد."

تیم دافی با صرفه‌جویی در زمان و بینایی دانشجویان فارغ‌التحصیل، این وظیفه را به هوش مصنوعی واگذار کردند.

دافی گفت که هوش مصنوعی به دقت سلول های منفرد را در تصاویر انتخاب کرد و مغز استخوان را با کسری از تلاش انسان ترسیم کرد.

جیمز بوید، یکی از بنیانگذاران موسسه Wolfram، یک موسسه تحقیقاتی غیرانتفاعی که به کاوش در جهان محاسباتی اختصاص دارد، به Northeastern Global News گفت که هوش مصنوعی مفروضات مربوط به ریاضیات را به عنوان یک کل به چالش می کشد.

او گفت: «بسیار سالم است که این حوزه فراتر از اثبات قضایا به تنهایی گسترش یابد.

یکی از جهت هایی که بوید مطرح کرد، ریاضیات تجربی است. این روش بر نتیجه‌گیری از الگوها تمرکز می‌کند، مانند زیست‌شناسی که پروانه‌های پادشاه را ردیابی می‌کند یا تقسیم سلولی را زیر میکروسکوپ تماشا می‌کند. رایانه ها نیز به نوبه خود، وزنه برداری عددی را انجام می دهند و هوش مصنوعی آزمایش می کند که آیا الگوها پایدار هستند یا خیر.

بوید گفت: «من دوست دارم اسم این را «ریاضیات انسانی با عملکرد بالا» بگذارم. او افزود که این توانایی محاسباتی ماشین‌ها را دارد، اما «بر اساس روش‌شناسی انسانی باقی می‌ماند».

نکته کلیدی این است که روند گام به گام رسیدن به پاسخ و مرکز را حفظ کنید. او افزود، با توجه به اینکه انسان‌ها مسئول این مراحل هستند، بعید است که به نفع نتایج کنار گذاشته شوند.

دافی یک بار شنید که مشتری کافی شاپ تصمیم یکی از بستگانش برای مطالعه ریاضی را زیر سوال می برد. آیا او قرار نبود معلم مدرسه شود؟

خلاصه داستان: این مرد در Capital One، یکی از 10 بانک بزرگ ایالات متحده، شغلی با درآمد خوب پیدا کرد.

دافی گفت که تدریس و تحصیلات عالی شغل‌های افتخاری هستند، اما رشته‌های ریاضی گزینه‌های زیادی دارند. شرکت های مالی و مهندسی، فارغ التحصیلان را به دلیل توانایی آنها در شکستن پازل های سخت می بلعند.

علاوه بر این، ربات‌ها هنوز تفکر انتقادی را از تجارت خارج نکرده‌اند.

دافی گفت: هوش مصنوعی همچنان توهم دارد. "این هنوز هم گوبلدگوک تولید می کند."

سواتی مستری دارای مدرک لیسانس در مهندسی الکترونیک است و از سال 2019 به عنوان ویرایشگر محتوا کار کرده است. او ویرایش اسناد تحقیقاتی در زمینه فناوری، مراقبت های بهداشتی و علم مواد را تجربه کرده است و علاقه خاصی به فناوری و فضا دارد. نمایه کامل →

لیسانس زیست شناسی ریاضی، کارشناسی ارشد در نوشتن خلاق. خوش سفر با دیدگاه های منحصر به فرد در علم و زبان. نمایه کامل →

این داستان با حسن نیت ارائه شده توسط Northeastern Global News.northeastern.edu بازنشر شده است.