إعادة اكتشاف ثوابت المنحنيات الرياضية: تجربة تختبر حدود وكلاء الذكاء الاصطناعي أمام الخوارزميات التقليدية

في ورقة بحثية قُبلت للعرض ضمن ورشة الاستدلال الرياضي والذكاء الاصطناعي في مؤتمر نيريبس 2026، اختبر الباحث يونس زيتونكو فرضية جوهرية تشغل مختبرات التطوير اليوم: هل يستطيع وكيل ذكاء اصطناعي إعادة اكتشاف مبرهنة رياضية بمفرده داخل بيئة مضبوطة؟ اعتمدت التجربة على منحنيات بلاشكه المعممة كبيئة اختبار مغلقة، حيث تم استخدام جداء بلاشكه من الدرجة الرابعة. قُدمت للوكيل الإحداثيات العددية لستة أزواج من الخطوط المحددة بواسطة ثمانين تشكيلة من الشروط الحدية، مع حجب نص المبرهنة المستهدفة بالكامل عن تعليمات المهمة، لاختبار قدرته على التوصل إليها انطلاقاً من البيانات الخام.

أظهر سجل البحث المحفوظ للوكيل مساراً اعتمد فيه على استبعاد فرضيات هندسية متتالية قبل الاستقرار على معادلة تكعيبية متجانسة. هذه المعادلة كُيفت لتطابق أضلاع المضلعات، وعند تجميد معاملاتها الرياضية واختبارها على ثمانين قيمة جديدة من المعاملات غير المرئية مسبقاً، نجحت في التنبؤ بمواقع 480 خطاً بهامش خطأ معياري مقياسي بلغ 8.88 في عشرة أس سالب 17. ومع أن أقطار مجموعة الاكتشاف وفرت فحصاً للاتساق خارج نطاق المطابقة، إلا أن الباحث أوضح أن ذلك لا يمثل اختباراً مستقلاً تماماً على بيانات معزولة بالكامل.

النتيجة الأكثر دلالة في هذه الورقة تمثلت في كشف الحدود التجريبية الصارمة للوكيل، إذ أظهر تشغيل اختباري منفصل لتشكيلة واحدة عدم كفاية الأدلة الرياضية لإثبات الثبات. والأهم من ذلك أن مقارنة مرجعية لاحقة باستخدام خوارزمية حتمية بسيطة تبحث في درجات الحدود تمكنت من استعادة المعادلة التكعيبية ذاتها. ترتب على ذلك أن التجربة لم تثبت أي تفوق نوعي لوكيل الذكاء الاصطناعي على أساليب مطابقة كثيرات الحدود التقليدية، مما دعا صاحب البحث إلى تقديم هذه الحالة كبروتوكول علمي يفصل بوضوح بين التخمين والتحقق العددي والإثبات البرهاني النهائي، مسلطاً الضوء على قيود معلنة تخص البيانات الوصفية للوكيل ومعرفته المسبقة وقابلية تكرار النتائج.

تحمل هذه النتائج بعداً نقدياً جوهرياً للباحثين وفرق الهندسة ومسؤولي التمويل في الجامعات ومراكز البحث في الخليج ومصر والشام. إن الإنفاق على تشغيل وكلاء ذكاء اصطناعي معقدين يتطلب موارد حوسبة وتكاليف مرتفعة، بينما تثبت التجربة أن أدوات المطابقة الرياضية والحتمية التقليدية تحقق نفس النتيجة بدقة حاسمة. عندما تخطط لتأسيس مختبر لأبحاث الذكاء الاصطناعي أو توجيه استثمارات مؤسستك نحو الاكتشاف العلمي، فإن قرارك الرشيد يتطلب إلزام فرق البحث بوضع خطوط مقارنة حتمية قبل افتراض تفوق الوكلاء، والتفريق الدقيق بين مطابقة المنحنيات العددية وبين إنتاج براهين رياضية حقيقية، لتفادي إهدار موارد الحوسبة المحلية في مهام تنجزها الخوارزميات الكلاسيكية بأقل تكلفة ممكنة.