أعلنت شركة DeepMind، التابعة لجوجل والمتخصصة في تطوير تقنيات الذكاء الاصطناعي، عن ابتكار نظام جديد يحمل اسم AlphaEvolve، صُمم خصيصًا لمعالجة وحل المسائل المعقدة في مجالات الرياضيات وعلوم الحوسبة. ويأتي هذا النظام ضمن جهود الشركة الرامية إلى دفع حدود قدرات الذكاء الاصطناعي نحو مستويات أكثر تخصصًا وكفاءة.
آلية عمل AlphaEvolve: تقييم تلقائي للحد من "هلوسة النماذج"
من أبرز ما يميز AlphaEvolve هو اعتماده على آلية تقييم ذاتية تهدف إلى الحد من ظاهرة "الهلوسة" – وهي الأخطاء أو المعلومات غير الدقيقة التي تظهر أحيانًا في مخرجات النماذج اللغوية. ويقوم AlphaEvolve بإنتاج مجموعة متنوعة من الحلول المحتملة لأي مسألة تُقدَّم له، ثم يُجري تقييمًا داخليًا لهذه الحلول للتحقق من صحتها ودقتها قبل تقديمها للمستخدم.
النظام مبني على نماذج Gemini المتطورة، والتي ترى DeepMind أنها تمنحه أداءً متفوقًا مقارنةً بالأساليب والنماذج المستخدمة سابقًا في المجالات ذات الصلة، مثل تحليل الخوارزميات أو تحسين الأنظمة التقنية.
مدخلات النظام ومتطلبات الاستخدام
لاستخدام AlphaEvolve، يُطلب من المستخدمين إدخال مسألة محددة، مع إمكانية إرفاق تعليمات أو معادلات أو شيفرات برمجية، بالإضافة إلى مراجع علمية في حال توفرها. ويتيح النظام كذلك إمكانية تضمين آلية تقييم تلقائي على شكل صيغة أو معادلة رياضية قابلة للتنفيذ، تُستخدم للتحقق من دقة النتائج التي يُنتجها الذكاء الاصطناعي.
ومع أن AlphaEvolve يتمتع بإمكانيات تقنية متقدمة، إلا أنه غير مصمم لجميع أنواع المسائل. فهو يُركز بشكل خاص على المسائل القابلة للقياس والتقييم بشكل آلي، مثل مسائل علوم الحاسوب أو تحسين كفاءة الأنظمة، بينما لا يُناسب المهام التي تتطلب تفسيرات لغوية أو مفاهيم نظرية غير عددية، إذ تقتصر مخرجاته على حلول برمجية أو خوارزمية.
نتائج الاختبار والأداء العملي
كجزء من مرحلة الاختبار، جرى تقديم 50 مسألة رياضية متنوعة إلى AlphaEvolve، فتمكن النظام من إعادة اكتشاف أفضل الحلول المعروفة في 75% من الحالات. اللافت أن AlphaEvolve نجح أيضًا في ابتكار حلول محسّنة في 20% من تلك الحالات، ما يعكس دقة النظام وقدرته على الابتكار ضمن مجالات تخصصه.
ومن النتائج اللافتة أيضًا، قدرة AlphaEvolve على تحسين كفاءة مراكز البيانات الخاصة بجوجل. فقد ابتكر خوارزمية أسهمت في استرجاع ما يقارب 0.7% من الموارد الحاسوبية العالمية، كما اقترح تعديلات أسهمت في تقليل زمن تدريب نماذج Gemini بنسبة 1%، وهي نسبة تعتبر مؤثرة في بيئات الحوسبة على نطاق واسع.
تحسينات ملموسة لاكتشافات جزئية
ورغم أن AlphaEvolve لم يُحدث "اكتشافات علمية جذرية"، إلا أنه برع في تقديم تحسينات عملية، لا سيما في تصميم شريحة TPU – المستخدمة في مهام الذكاء الاصطناعي داخل جوجل – وهي تحسينات سبق أن أشارت إليها بعض الأدوات المتقدمة الأخرى، ما يعزز مصداقية نتائجه وجدواها التطبيقية.
أثر AlphaEvolve على مستقبل الذكاء الاصطناعي
وترى DeepMind أن AlphaEvolve يشكل خطوة مهمة ضمن توجهات تطوير الذكاء الاصطناعي، حيث يمكن لأنظمة مثل هذا النظام أن تساهم في تسريع سير العمل، وتوفير الوقت والخبرة للمختصين، مما يتيح لهم التركيز على المهام الأكثر تعقيدًا وإبداعًا. ومن المتوقع أن يكون لهذا النظام دور محوري في مجالات البحث العلمي والتعليم الأكاديمي المتقدم، خاصة عند طرحه للعموم مستقبلًا.
