مدل هوش مصنوعی شرکت چینی ردنوت برای نخستین بار در تاریخ توانست در المپیاد جهانی ریاضی (IMO) امتیاز کامل را کسب کند.
به گزارش سرویس هوش مصنوعی تکناک، مدل dots-note-3.0 با کسب ۴۲ امتیاز از ۴۲ امتیاز ممکن، رکوردی جدید برای سامانههای هوش مصنوعی در حل مسائل پیچیده ریاضی به ثبت رساند.
این مدل در المپیاد بینالمللی ریاضی امسال که روز دوشنبه در شانگهای چین به پایان رسید، توانست تمام هر شش مسئله مطرحشده را حل کند و به نخستین هوش مصنوعی جهان تبدیل شود که به نمره کامل این رقابت دست پیدا میکند. شرکت ردنوت اعلام کرد که این دستاورد نشاندهنده پیشرفت چشمگیر مدلهای هوش مصنوعی در استدلال ریاضی و حل مسئله است.
این شرکت که در شانگهای مستقر است، بیشتر به دلیل شبکه اجتماعی تصویری خود با نام «شیائوهونگشو» (Xiaohongshu) شناخته میشود؛ پلتفرمی که شباهت زیادی به اینستاگرام دارد. شرکت ردنوت توسعه مدلهای هوش مصنوعی خود را در خانواده dots3 دنبال میکند. مدل dots-note-3.0 کوچکترین عضو این خانواده محسوب میشود و در کنار دو مدل بزرگتر با نامهای jazz و aria قرار دارد که برای کاربردهای متفاوت و هزینههای پردازشی مختلف طراحی شدهاند.
این شرکت اعلام کرده است که مدل dots-note-3.0 را در آینده نزدیک به صورت متنباز منتشر خواهد کرد، اما تاکنون جزئیات بیشتری درباره زمان انتشار یا نحوه دسترسی عمومی به این مدل ارائه نکرده است.
المپیاد بینالمللی ریاضی که از سال ۱۹۵۹ هر سال برگزار میشود، یکی از معتبرترین رقابتهای ریاضی جهان محسوب میشود و در سالهای اخیر به معیاری مهم برای ارزیابی توانایی هوش مصنوعی در استدلال منطقی تبدیل شده است. برخلاف آزمونهایی که فقط پاسخ نهایی را بررسی میکنند، در IMO شرکتکنندگان باید راهحلهای خود را با اثباتهای دقیق ارائه دهند. هرگونه خطای منطقی، حذف یک شرط یا نقص در استدلال میتواند باعث رد شدن پاسخ شود.
پیش از این نیز مدلهای هوش مصنوعی توانسته بودند عملکرد قابل توجهی در این رقابت داشته باشند. در المپیاد سال گذشته، مدلهای هوش مصنوعی شرکت گوگل دیپمایند و شرکت OpenAI توانستند عملکردی در سطح مدال طلا ثبت کنند و هرکدام ۳۵ امتیاز از ۴۲ امتیاز ممکن را به دست آوردند.
در المپیاد جهانی ریاضی ۲۰۲۴، مدلهای AlphaProof و AlphaGeometry 2 شرکت گوگل دیپمایند نیز توانستند ۲۸ امتیاز کسب کنند که معادل سطح مدال نقره بود. هرچند، این سامانهها برای پردازش مسائل به کمک متخصصان انسانی نیاز داشتند، چرا که کارشناسان باید متن مسائل را به زبان منطقی قابل فهم برای هوش مصنوعی تبدیل میکردند.
اما مدل dots-note-3.0 ردنوت توانست مسائل اصلی مسابقه را بدون تبدیل انسانی به زبانهای برنامهنویسی یا قالبهای منطقی تخصصی پردازش کند. این سامانه در شرایطی مشابه قوانین رسمی مسابقه فعالیت کرد و هیچگونه دخالت انسانی مانند ارائه راهنمایی، اصلاح مراحل استدلال یا تکمیل بخشهایی از منطق پاسخها در روند حل مسائل انجام نشد.
شرکت ردنوت برای توسعه این مدل از یک چارچوب موسوم به «عاملمحور» یا Agentic Framework استفاده کرده است. این ساختار، توانایی استدلال زبانی طبیعی را با اجرای کدهای پایتون ترکیب میکند تا مدل بتواند راهحلهای خود را ایجاد، آزمایش و اصلاح کند.
بر اساس توضیحات ردنوت، یکی از عوامل اصلی موفقیت dots-note-3.0 توانایی آن در بررسی دوباره فرایند تفکر خود بوده است. این مدل میتواند فرضیات خود را زیر سؤال ببرد، خطاهای منطقی را شناسایی کند و با استفاده از یک چرخه چندمرحلهای بازبینی پیش از ارائه پاسخ نهایی، استدلالهای ناقص خود را اصلاح کند.
دستیابی یک مدل هوش مصنوعی به امتیاز کامل در المپیاد جهانی ریاضی، نقطه عطف مهمی در مسیر توسعه سیستمهای هوشمند محسوب میشود، چرا که نشان میدهد مدلهای جدید تنها به تولید پاسخهای سریع محدود نیستند و میتوانند در حوزههایی که نیازمند استدلال عمیق، اثبات منطقی و بررسی چندمرحلهای هستند نیز عملکردی نزدیک به سطح انسانی ارائه دهند.
