DeepSeek تطلق Math‑V2: الذكاء الاصطناعي الذي يحل ويثبت النظريات المعقدة

يبدو أن سباق تطوير الذكاء الاصطناعي دخل مرحلة مختلفة تماماً، فبدلاً من التركيز على إنتاج نصوص طويلة أو صور مبهرة، اتجهت شركة DeepSeek الصينية إلى مجال لطالما كان حكراً على العقول البشرية المتخصصة: إثبات النظريات الرياضية. ومع إعلانها عن نموذج Math‑V2، كشفت الشركة عن مشروع طموح يستطيع حل المسائل المعقدة والتحقق من صحة نتائجه خطوة بخطوة، في خطوة قد تغيّر شكل البحث العلمي.

أولى
النموذج الجديد الذي حمل اسم DeepSeek‑Math‑V2 يعتمد على قدرات متقدمة في الاستدلال الرياضي، فهو ليس مجرد نموذج لغوي بل منصة تفكير قادرة على توليد البراهين وفحصها ذاتياً عبر آلية تحقق دقيقة. وتقول الشركة إن هذا النموذج بُني فوق نسخة تجريبية سابقة تحمل اسم DeepSeek‑V3.2‑Exp، ما أتاح إضافة طبقات جديدة من المنطق، والتحليل، والمعالجة الرمزية. وهذا يوضح كيف تحاول DeepSeek نقل الذكاء الاصطناعي من مرحلة إنتاج الإجابات إلى مرحلة فهمها والتأكد من صحتها.

كيف يعمل النظام؟
يعتمد Math‑V2 على مكوّنين أساسيين: المكوّن الأول هو المتحقق، وهو أشبه بقاضٍ رياضي يتابع البرهان خطوة تلو الأخرى ليضمن صحة كل انتقال منطقي. أما المكوّن الثاني فهو مولد النظريات، وهو القسم الذي يصيغ البرهان ويحاول إصلاح أخطائه بنفسه عند اكتشاف خلل. هنا تؤكد DeepSeek أن هذا الأسلوب يتجاوز الحدود التقليدية لنماذج التعلم المعزّز التي تركز على صحة الإجابة النهائية دون الاهتمام بمسار التفكير. وهذا يربط بين رؤية الشركة الحالية وسعيها لبناء ذكاء قادر على التعامل مع مشكلات بلا حلول جاهزة.

النتائج الأولية التي أعلنتها الشركة لفتت الأنظار بقوة، إذ حقق النموذج درجات تعادل مستوى الميدالية الذهبية في مسائل الأولمبياد الدولي للرياضيات لعام 2025، كما حقق نتيجة شبه كاملة بلغت 118 من 120 في اختبار Putnam لعام 2024، وهو أحد أصعب الاختبارات الجامعية في العالم. ويوحي هذا الأداء بأن الذكاء الإصطناعي أصبح ينافس بالفعل نماذج كبرى مثل تلك المطوّرة لدى OpenAI وGoogle DeepMind. وهذا يربط بين أداء Math‑V2 الجديد واتجاه الصناعة نحو بناء نماذج متخصصة ذات مهارات فائقة.

ما يزيد من أهمية هذا الإنجاز أن نموذج Math‑V2 متاح للأبحاث تحت ترخيص مفتوح من نوع Apache 2.0 عبر منصات مثل GitHub وHugging Face. وهذه الخطوة تدعم النظام المفتوح الذي تتصدره حالياً نماذج من الصين، إذ أظهر تقرير مشترك بين MIT وHugging Face ارتفاع نسبة تحميل النماذج الصينية الجديدة إلى 17 في المئة خلال عام واحد فقط. وهذا يربط بين الانتشار المتزايد للنماذج المفتوحة وقدرة الشركات الصينية على اكتساب أفضلية في سوق الذكاء الاصطناعي العالمي.

ورغم أن هذه القفزة قد تنعكس على مجالات مثل التشفير واستكشاف الفضاء وحل المسائل العلمية المستعصية، إلا أن DeepSeek تؤكد أن الطريق ما يزال طويلاً قبل الوصول إلى ذكاء قادر على التعامل مع كامل الطيف الرياضي البشري. لكن ما تحقق يشير إلى اتجاه بحثي واعد يعتمد على الاستدلال القابل للتحقق، وهو مسار يمكن أن يفتح الباب أمام جيل جديد من الأنظمة القادرة على التفكير العلمي المتعمق.

في النهاية، يضع Math‑V2 DeepSeek في منافسة مباشرة مع أضخم المختبرات العالمية، لكنه يضيف شيئاً مختلفاً: نموذجاً مفتوح الوزن يجمع بين توليد البراهين وفحصها بإتقان. وإذا واصل هذا النهج تقدمه، فقد نشهد خلال سنوات قليلة أدوات ذكاء اصطناعي تشارك العلماء في حل مشكلات ظلّت عالقة لعقود، وربما تغير شكل البحث الرياضي من جذوره.