قفزة نوعية .. "AlphaEvolve" يفك شيفرات رياضية أعجزت البشر لعقود
05-18-2025 12:40 مساءً
0
0
متابعة كشفت شركة Google DeepMind عن نظام يُدعى AlphaEvolve ، يمثل قفزة نوعية في توظيف الذكاء الاصطناعي لحل مشكلات رياضية وخوارزمية معقدة طالما حيّرت العلماء لعقود.
ما يميز AlphaEvolve ليس فقط قدرته على تسريع الحلول، بل ابتكاره لطرق جديدة بالكامل، عبر الدمج بين إبداع نماذج اللغة الكبيرة (LLMs) وخوارزميات تقييم تفاعلية تُنقّح وتُطوّر الأفكار بشكل ذاتي ومتدرج.
AlphaEvolve يختلف عن الأدوات السابقة التي اعتمدت على ذكاء اصطناعي مصمّم خصيصًا لمهام محددة. فهو نموذج عام متعدد الاستخدامات، قادر على معالجة قضايا علمية في مجالات متعددة، عبر ما يشبه دورة تطورية للأفكار. تبدأ العملية من إدخال مسألة علمية ومعايير للحل، ثم يقترح النموذج مئات التعديلات، تقوم خوارزمية داخلية بتقييمها وفرز الأنسب منها، لتولد عنها حلول جديدة أكثر تطورًا. هكذا، يتطور النظام بشكل ذاتي، ويُنتج أفكارًا مبتكرة تمامًا دون تدخّل بشري مباشر.
ووفقًا لما نشره موقع Scientific American، لم يبقَ AlphaEvolve مجرد تجربة نظرية في المختبر، بل أثبت فعاليته في أرض الواقع داخل شركة Google نفسها. فقد ساهم في تحسين تصميم الجيل الجديد من معالجات الذكاء الاصطناعي (TPUs)، كما أعاد تنظيم طريقة توزيع المهام الحوسبية في مراكز بيانات جوجل حول العالم، ما أدى إلى توفير 0.7% من إجمالي موارد الشركة — وهي نسبة ضخمة عند الحديث عن بنية تحتية بحجم جوجل.
واحدة من أبرز مفاجآت AlphaEvolve كانت ابتكار خوارزمية جديدة لضرب المصفوفات تتفوق – في بعض الحالات – على الطريقة الأسرع المعروفة حتى اليوم، والتي ابتكرها الرياضي الألماني فولكر شتراسن عام 1969. مثل هذه العمليات أساسية في تدريب الشبكات العصبية، ما يعكس البعد الاستراتيجي لاكتشاف كهذا.
ورغم الإشادات، يقرّ علماء مثل سيمون فريدر من جامعة أوكسفورد أن إمكانات AlphaEvolve قد تظل محدودة بالمهام القابلة للتحويل إلى أكواد قابلة للتقييم. كما دعا باحثون مثل هوان صن إلى الحذر، مطالبين بتجارب مفتوحة ضمن المجتمع العلمي قبل الحكم النهائي على قدرات النظام.
ما يميز AlphaEvolve ليس فقط قدرته على تسريع الحلول، بل ابتكاره لطرق جديدة بالكامل، عبر الدمج بين إبداع نماذج اللغة الكبيرة (LLMs) وخوارزميات تقييم تفاعلية تُنقّح وتُطوّر الأفكار بشكل ذاتي ومتدرج.
AlphaEvolve يختلف عن الأدوات السابقة التي اعتمدت على ذكاء اصطناعي مصمّم خصيصًا لمهام محددة. فهو نموذج عام متعدد الاستخدامات، قادر على معالجة قضايا علمية في مجالات متعددة، عبر ما يشبه دورة تطورية للأفكار. تبدأ العملية من إدخال مسألة علمية ومعايير للحل، ثم يقترح النموذج مئات التعديلات، تقوم خوارزمية داخلية بتقييمها وفرز الأنسب منها، لتولد عنها حلول جديدة أكثر تطورًا. هكذا، يتطور النظام بشكل ذاتي، ويُنتج أفكارًا مبتكرة تمامًا دون تدخّل بشري مباشر.
ووفقًا لما نشره موقع Scientific American، لم يبقَ AlphaEvolve مجرد تجربة نظرية في المختبر، بل أثبت فعاليته في أرض الواقع داخل شركة Google نفسها. فقد ساهم في تحسين تصميم الجيل الجديد من معالجات الذكاء الاصطناعي (TPUs)، كما أعاد تنظيم طريقة توزيع المهام الحوسبية في مراكز بيانات جوجل حول العالم، ما أدى إلى توفير 0.7% من إجمالي موارد الشركة — وهي نسبة ضخمة عند الحديث عن بنية تحتية بحجم جوجل.
واحدة من أبرز مفاجآت AlphaEvolve كانت ابتكار خوارزمية جديدة لضرب المصفوفات تتفوق – في بعض الحالات – على الطريقة الأسرع المعروفة حتى اليوم، والتي ابتكرها الرياضي الألماني فولكر شتراسن عام 1969. مثل هذه العمليات أساسية في تدريب الشبكات العصبية، ما يعكس البعد الاستراتيجي لاكتشاف كهذا.
ورغم الإشادات، يقرّ علماء مثل سيمون فريدر من جامعة أوكسفورد أن إمكانات AlphaEvolve قد تظل محدودة بالمهام القابلة للتحويل إلى أكواد قابلة للتقييم. كما دعا باحثون مثل هوان صن إلى الحذر، مطالبين بتجارب مفتوحة ضمن المجتمع العلمي قبل الحكم النهائي على قدرات النظام.