این روزها دنیای هوش مصنوعی پر از خبرهای جورواجوره و یکی از داغترین اونها، موفقیت مدلهای زبانی در المپیاد جهانی ریاضی یا همون IMO بوده. به تازگی گوگل دیپمایند اعلام کرد که یه نسخه پیشرفته از مدل هوش مصنوعی جمنای (Gemini) که با حالت دیپ ثینک (Deep Think) کار میکنه، تونسته در این رقابت عملکردی در سطح مدال طلا داشته باشه. این مدل تونست پنج تا از شش مسئله فوقالعاده سخت المپیاد رو به درستی حل کنه و امتیاز ۳۵ از ۴۲ رو به دست بیاره.
این خبر از اونجایی جالبتر میشه که کمی قبلتر، شرکت اوپنایآی هم ادعای مشابهی رو مطرح کرده بود و همین موضوع باعث شده بحثهای زیادی در مورد این دستاوردها، روش انجام اونها و رقابت بین این غولهای فناوری شکل بگیره.
برای اینکه بزرگی این اتفاق رو بهتر درک کنیم، خوبه بدونیم المپیاد جهانی ریاضی معتبرترین رقابت برای ریاضیدانهای جوون در سراسر دنیاست که از سال ۱۹۵۹ هر سال برگزار میشه. هر کشور با یه تیم شش نفره از دانشآموزان نخبه پیشدانشگاهی در این رقابت شرکت میکنه. این دانشآموزها باید شش مسئله خیلی سخت در زمینههای جبر، ترکیبیات، هندسه و نظریه اعداد رو حل کنن. فقط به نصف شرکتکنندهها مدال داده میشه و از این بین، حدود ۸ درصد موفق به کسب مدال معتبر طلا میشن.
گوگل دیپمایند امسال جزو اولین گروهی بود که نتایج مدلش به طور رسمی توسط هماهنگکنندههای المپیاد و با همون معیارهای داوری دانشآموزها، ارزیابی و تایید شد. پروفسور گرگور دولینار، رئیس المپیاد، این موفقیت رو تایید کرده و گفته:
«میتونیم تایید کنیم که گوگل دیپمایند به این نقطه عطف مورد انتظار رسیده و ۳۵ امتیاز از ۴۲ امتیاز ممکن رو کسب کرده که امتیازی در سطح مدال طلاست. راهحلهای اونها از خیلی جهات شگفتانگیز بود. داوران المپیاد اونها رو واضح، دقیق و در بیشتر موارد، قابل فهم دیدن.»
این دستاورد یه جهش بزرگ نسبت به سال گذشته به حساب میاد. در المپیاد ۲۰۲۴، مدلهای گوگل به اسم آلفاپروف (AlphaProof) و آلفاژئومتری ۲ (AlphaGeometry 2) تونستن مدال نقره بگیرن. اونها چهار تا از شش مسئله رو حل کردن و ۲۸ امتیاز گرفتن. اما یه نکته مهم وجود داشت: اون سیستمها برای حل مسائل نیاز داشتن که متخصصها اول سوالات رو از زبان عادی به زبانهای تخصصی مثل Lean ترجمه کنن و بعد جوابها رو برگردونن. کل این فرایند هم دو تا سه روز طول میکشید.
اما امسال، مدل پیشرفته جمنای تونست کل فرایند رو به صورت «سرتاسری به زبان طبیعی» (end-to-end in natural language) انجام بده. یعنی سوالات رسمی رو مستقیما دریافت کرد و راهحلهای دقیق ریاضی رو به زبان عادی و در محدوده زمانی ۴.۵ ساعته مسابقه ارائه داد.
این نتیجه با استفاده از یه نسخه پیشرفته از حالت «دیپ ثینک» جمنای به دست اومده. دیپ ثینک یه حالت استدلال پیشرفته برای مسائل پیچیده است که از جدیدترین تکنیکهای تحقیقاتی مثل «تفکر موازی» استفاده میکنه. این قابلیت به مدل اجازه میده به جای دنبال کردن یه مسیر فکری خطی، به طور همزمان چندین راهحل ممکن رو بررسی و ترکیب کنه و بعد جواب نهایی رو بده.
برای اینکه از قابلیتهای دیپ ثینک بیشترین استفاده رو ببرن، این نسخه از جمنای با تکنیکهای جدید «یادگیری تقویتی» (reinforcement learning) آموزش داده شده. این تکنیکها روی دادههای مربوط به استدلال چند مرحلهای، حل مسئله و اثبات قضیه تمرکز داشتن. علاوه بر این، یه مجموعه از راهحلهای باکیفیت مسائل ریاضی در اختیار جمنای قرار داده شد و یه سری نکات و راهنماییهای کلی در مورد نحوه برخورد با مسائل المپیاد هم به دستورالعملهاش اضافه شد.