نموذج صيني مفتوح المصدر DeepSeek-MathV2 يثير دهشة عالم الذكاء الاصطناعي بقدرات تفوق أبطال الأولمبياد الحسابي

نموذج DeepSeek-Math-V2: ثورة صينية تهزّ مشهد الذكاء الاصطناعي الرياضي بقدرات تتجاوز مستوى أبطال الأولمبياد الحسابي

في خطوة وُصِفت بأنها واحدة من أكثر التطورات إثارة في سباق الذكاء الاصطناعي خلال عام 2025، أعلنت شركة DeepSeek الصينية عن إطلاق نموذجها المتخصّص في الاستدلال الرياضي DeepSeek-Math-V2، وهو نموذج مفتوح المصدر استطاع بلوغ مستوى يُعادِل أداء الفائزين بالميداليات الذهبية في أهم مسابقات الرياضيات العالمية، وعلى رأسها الأولمبياد الدولي للرياضيات (IMO).

قدرات غير مسبوقة: من اللجان الجامعية إلى الأولمبياد الدولي

النتائج التي أعلنت عنها DeepSeek أثارت دهشة الباحثين؛ فالنموذج، وفقًا للاختبارات المنشورة، نجح في حل خمس مسائل من أصل ست في محاكاة حقيقية لمسائل أولمبياد الرياضيات لعام 2025، وهو إنجاز يعادل تصنيف “الميدالية الذهبية”، وهو أعلى درجات التميّز التي

يحصدها نخبة من أفضل الطلاب حول العالم.

ولم يقتصر تأثير النموذج على المسابقات الدولية، بل تم اختباره أيضًا على مسابقات جامعية مرموقة مثل مسابقة ويليام بوتنام الأمريكية، التي تُعد من أصعب اختبارات الطلاب الجامعيين في العالم. وتمكّن DeepSeek-Math-V2 من تسجيل 118 نقطة من أصل 120 نقطة، في نتيجة لم يسبق أن حقّقها أي متسابق بشري في العام ذاته، ما جعل كثيرًا من المراقبين يتساءلون عن ملامح المستقبل الذي ستصنعه هذه القفزة الحسابية.

وفي سياق مشابه، حقق النموذج أداءً يماثل المستوى الذهبي في النسخة الصينية من الأولمبياد الرياضي (CMO)، وهو ما عزز الانطباع بأن هذا النموذج لا يعتمد على “حظ التعميم” أو على قاعدة بيانات مألوفة، بل يمتلك قدرة حقيقية على الاستدلال المنطقي العميق.

آلية عمل مختلفة عن السائد: “التوليد + التحقق الذاتي”

بعكس معظم النماذج اللغوية التي تعتمد على التنبؤ

بالنص خطوة بعد خطوة، أضافت DeepSeek تقنية محورية ساهمت في دقة النموذج:
منهجية التوليد والتحقق الذاتي.

تقوم العملية على مرحلتين رئيسيتين:

توليد الحل أو البرهان
هنا ينتج النموذج مسارًا منطقيًا مفصلًا، وليس مجرد إجابة نهائية. يتعامل النموذج مع المسألة كما يفعل طالب متمرّس: تحليل، افتراضات، خطوات وسيطة، ثم نتيجة.

التحقق الداخلي من الحل
بعد التوليد، يدخل الحل في مرحلة فحص داخلية، حيث يقوم "مُدقّق" آلي بمراجعة كل خطوة بحثًا عن تناقضات أو ثغرات.
في حال وجود خطأ، يعيد النموذج توليد البرهان مع محاولة إصلاح الخطوات المثيرة للشك.

هندسة Mixture-of-Experts: بنية ضخمة بذكاء متخصص

استفاد DeepSeek-Math-V2 من بنية Mixture-of-Experts، وهي عمارة تقوم على تقسيم النموذج إلى وحدات داخلية متخصصة، حيث يُختار “الخبير” الأنسب لكل خطوة حسب طبيعة المسألة.
هذا الأسلوب يمنح النموذج:

كفاءة

أعلى في التعامل مع فرع محدد من الرياضيات (جبر، حساب، نظرية أعداد…)

مرونة في معالجة مسائل مركّبة تتجاوز نطاق خبير واحد

قدرة على توسيع النموذج دون تضخيم جميع أجزائه

وقد ساعدت هذه البنية على موازنة الحجم الفعلي مع القدرة الحسابية، بحيث يمكن تشغيل النموذج على موارد كبيرة لكن ليست خارقة، مما جعل إمكانية استخدامه في المختبرات والجامعات أمرًا واقعيًا وليس حلمًا نظريًا.

خاتمة: بداية مرحلة جديدة في الرياضيات الحاسوبية

يقدّم DeepSeek-Math-V2 تصورًا لعالم قد تتغير فيه طبيعة العمل الرياضي:
حيث يمكن للباحث أن يبدأ فكرة، ويترك للنموذج مهمة تطويرها، ثم يعود ليقارن ويدقق ويطوّر، في علاقة تشبه التعاون بين اثنين من الرياضيين الخبراء.

وإذا استمرت وتيرة التطوير على هذا النحو، فقد تصبح النماذج القادرة على الاستدلال العميق جزءًا دائمًا من أدوات البحث في العقد القادم ليس فقط لحل المسائل

التقليدية، بل لبناء معارف جديدة وتغيير الطريقة التي نُنتج بها الرياضيات.