«إنيك إيجنت» يحسم براهين المتراجحات الرياضية بدمج النماذج اللغوية مع الحساب الرمزي في «لين 4»

ظل الإثبات الصوري للمتراجحات الرياضية يمثل معضلة مزدوجة أمام أنظمة الذكاء الاصطناعي التوليدي، إذ يتطلب هذا المسار الجمع بين التفكير الاستدلالي عالي المستوى والحساب الجبري الدقيق، وهما متطلبان يصعب التوفيق بينهما عبر النماذج اللغوية المنفردة. تكشف ورقة بحثية أعدها الباحثون غاولي هي، وجينهوي لي، ورووبينغ زو، وشيا زنغ، وتشنغفنغ يانغ، عن إطار عمل وكيل متقدم يحمل اسم «إنيك إيجنت» (IneqAgent)، صُمم لربط قدرات النماذج اللغوية الكبيرة بأدوات الحساب الرمزي للبرهنة الرياضية الصورية داخل بيئة «لين 4» (Lean4).

يقوم الإطار على بنية مهيكلة تعالج العجز التاريخي للنماذج عن تنفيذ العمليات الجبرية المعقدة دون أخطاء حسابية. يعتمد النظام على خوارزمية البحث في شجرة مونت كارلو على مستوى المبرهنات المساعدة لتنسيق صياغة المبرهنات المرحلية، وإعادة تشكيل الأهداف الرياضية، واختيار المحرك الرمزي الأنسب لكل خطوة. وتتكامل هذه المنظومة مع ثلاثة محركات حسابية رمزية متخصصة: محرك مجموع المربعات، ومحرك برنشتاين، ومحرك التعويض بالفرق المتتالي. تُنتج هذه المحركات شهادات برهانية دقيقة تتيح توليد براهين محلية يقبلها نظام «لين 4»، بينما يتولى الوكيل دمج هذه النتائج مع الخطوات التي يقترحها النموذج اللغوي، مستعينًا بالتغذية الراجعة الفورية من مترجم «لين» لبناء برهان كامل وموثق وفق نص النظرية الأصلي.

أظهرت النتائج التجريبية عبر أربعة مقاييس معيارية تفوقًا عمليًا واضحًا، حيث نجح إطار «إنيك إيجنت» عند تشغيله بنموذج «ديب سيك في 4 فلاش» (DeepSeek-V4-Flash) في حل 175 مسألة من أصل 186 مسألة رياضية، محققًا نسبة نجاح بلغت 94.09 بالمئة، وهي النسبة الإجمالية الأعلى بين كافة الطرق التي خضعت للتقييم. ولم تقتصر هذه الميزة على نموذج واحد، بل أثبتت التجارب عبر أربعة نماذج أساسية مختلفة قدرة النظام على تحقيق نسب نجاح أعلى عند مستويات منخفضة من تكلفة الاستدلال مقارنة بالوكلاء المباشرين الذين يعتمدون على النماذج نفسها بصورة منفردة، مع تسجيل متوسط تكلفة استدلال أدنى في المحاولات الناجحة.

امتدت إنجازات هذا الإطار إلى ما وراء حل المسائل المعيارية نحو تقديم مساهمات رياضية خضعت لتدقيق كامل، إذ نجح النظام في صياغة تدعيمات موثقة ومحققة داخل «لين» لحدسية ديترت في البعدين الرابع والخامس، إلى جانب توثيق متراجحة هولينز ودجوكوفيتش في البعد (4،4)، وهو ما يثبت صحة حدسية ميريس في البعد الرابع. يوضح هذا التطور كيف يمكن لأدوات الحساب الرمزي أن تحول النماذج اللغوية من أدوات اقتراح احتمالية إلى شركاء قادرين على إنتاج معرفة رياضية منضبطة صورياً.

أرى في هذا التحول دلالة استراتيجية وتشغيلية مباشرة لمن يعمل في مراكز الأبحاث الحوسبية وفرق التطوير التقني في الخليج ومصر والشام. تعتمد المنظومات التقنية في المؤسسات المصرفية ومختبرات البحث الإقليمية على نماذج لغوية ضخمة تستهلك ميزانيات تشغيلية مرتفعة في مهام الاستدلال، وتظل مع ذلك محاصرة باحتمالات الخطأ وغياب الضمانات الصورية. تكشف تجارب «إنيك إيجنت» أن خفض تكلفة الاستدلال ورفع دقة النتائج لا يتحققان عبر ملاحقة النماذج الأضخم حجمًا، بل بالتحول نحو الأنظمة الهجينة التي تفصل التفكير الاستكشفي عن الحساب الرمزي الدقيق، حيث يمكن لنموذج اقتصادي وسريع مقترن بمحركات تحقق رمزية أن يتفوق على النماذج الأكبر في المهام الحساسة للخطأ.

يتطلب هذا المسار إعادة توجيه واضحة للمهارات المطلوبة في الأسواق التقنية الإقليمية، إذ لم يعد مهندس النماذج بحاجة إلى حصر خبرته في هندسة الأوامر أو استدعاء الواجهات البرمجية، بل بات ملزمًا بالإلمام ببيئات التحقق الصوري وتصميم وكلاء قادرين على استدعاء المحركات الرياضية المتخصصة. إن هذا النموذج يقدم لمطوري البرمجيات الحساسة في المنطقة، سواء في بنية الأمن السيبراني أو العقود الذكية والخدمات المالية، مسارًا عمليًا لبناء حلول تعتمد شهادات إثبات قطعية بدلاً من الاعتماد على التخمين الإحصائي، مما يقلل تكاليف التشغيل ويضمن حماية الأنظمة من العثرات المنطقية.