طوّر مهندسون من جامعة بنسلفانيا طريقة جديدة لاستخدام الذكاء الاصطناعي في حل المعادلات التفاضلية الجزئية العكسية "PDEs"، وهي فئة من مسائل الرياضيات بالغة التعقيد، قد تُفيد في مجالات متنوعة مثل علم الوراثة والتنبؤ بالطقس.

وقد أطلق الباحثون على هذا التطور، الذي نُشرت تفاصيله في مجلة "Transactions on Machine Learning Research"، اسم "Mollifier Layers".

وقال فيفيك شينوي، المؤلف الرئيسي للدراسة: "حل هذه المسائل يشبه النظر إلى تموجات بركة ماء والعمل بشكل عكسي لمعرفة أين سقط الحجر. يمكنك رؤية التأثيرات بوضوح، لكن التحدي الحقيقي هو استنتاج السبب الخفي".

.. نموذج ذكاء اصطناعي يكشف اضطراباً خفياً يعاني منه ملايين الأطفال

أهمية المعادلات

المعادلات التفاضلية أدوات رياضيات تُساعد العلماء على نمذجة كيفية تطور الأنظمة، كنمو التعداد السكاني أو انتشار الحرارة أو تطور التفاعلات الكيميائية.

والمعادلات الجزئية منها تتناول أنظمة أكثر تعقيداً تصف التغير عبر المكان والزمان معاً، وتُستخدم في نمذجة ظواهر كأنظمة الطقس وتنظيم الحمض النووي داخل الخلايا.

والنوع العكسي من هذه المعادلات يطرح سؤالاً أصعب: بدلاً من استخدام قواعد معروفة للتنبؤ بسلوك نظام ما، يعمل العلماء بشكل عكسي انطلاقاً مما يُلاحَظ لاستنتاج القوى والعوامل الخفية التي أنتجته.

رياضيات الذكاء الاصطناعي

اعتمدت أنظمة الذكاء الاصطناعي تقليدياً على أساليب رياضيات متكررة لحل هذه المعادلات، وهو ما يشبه التكبير المتكرر على منحدر خط متعرج؛ كل خطوة إضافية تُضخّم الأخطاء في البيانات وتجعل النتيجة أقل موثوقية، فضلاً عن استنزاف هائل لطاقة الحوسبة.

وقال فيناياك فيناياك، مؤلف مشارك في البحث: "الذكاء الاصطناعي الحديث كثيراً ما يتقدم عبر توسيع نطاق الحوسبة، لكن بعض التحديات العلمية تستلزم رياضيات أفضل لا.....

لقراءة المقال بالكامل، يرجى الضغط على زر "إقرأ على الموقع الرسمي" أدناه

هذا المحتوى مقدم من صحيفة الاتحاد الإماراتية