Google DeepMindin uusi tekoäly vastaa kultamitaliin matematiikan olympialaisissa

Julkaissut Platon

seuraajia: 0

$Google DeepMindin uusi tekoäly vastaa kultamitaliin matematiikan olympialaisten PlatoBlockchain Data Intelligencessä. Pystysuuntainen haku. Ai.$

Jälkeen murtamaan ratkaisemattoman matematiikan Ongelmana viime vuonna, tekoäly on palannut käsittelemään geometriaa.

Google DeepMindin kehittämä uusi AlphaGeometry-algoritmi voi murskata aiempien kansainvälisten matemaattisten olympialaisten – lukiolaisten huipputason kilpailun – ongelmia ja vastaa aikaisempien kultamitalinsaajien suorituskykyä.

Kun AI haastettiin 30 vaikealla geometriatehtävällä, tekoäly ratkaisi onnistuneesti 25 standardin varatun ajan kuluessa ja päihitti aiemmat huippuluokan algoritmit 15 vastauksella.

Vaikka geometriaa pidetään usein lukion matematiikan haittana, se on sisällytetty jokapäiväiseen elämäämme. Taide, tähtitiede, sisustussuunnittelu ja arkkitehtuuri perustuvat kaikki geometriaan. Samoin navigointi, kartat ja reittisuunnittelu. Geometria on pohjimmiltaan tapa kuvata tilaa, muotoja ja etäisyyksiä loogisen päättelyn avulla.

Geometriatehtävien ratkaiseminen on tavallaan vähän kuin shakin pelaamista. Tietyt säännöt, joita kutsutaan lauseiksi ja todisteiksi, on rajallinen määrä jokaiseen vaiheeseen, mutta järkevän ratkaisun löytäminen perustuu joustavaan päättelyyn, joka noudattaa tiukkoja matemaattisia sääntöjä.

Toisin sanoen geometrian käsitteleminen vaatii sekä luovuutta että rakennetta. Vaikka ihmiset kehittävät näitä henkisiä akrobaattisia taitoja vuosien harjoittelun kautta, tekoäly on aina kamppaillut.

AlphaGeometry yhdistää nerokkaasti molemmat ominaisuudet yhdeksi järjestelmäksi. Siinä on kaksi pääosaa: sääntöihin sidottu looginen malli, joka yrittää löytää vastauksen, ja suuri kielimalli, joka tuottaa valmiita ideoita. Jos tekoäly ei löydä ratkaisua pelkästään loogiseen päättelyyn perustuen, kielimalli ottaa käyttöön uusia näkökulmia. Tuloksena on tekoäly, jossa on sekä luovuutta että päättelykykyjä, jotka voivat selittää sen ratkaisun.

Järjestelmä on DeepMindin uusin tutkimus matemaattisten ongelmien ratkaisemiseen koneälyn avulla. Mutta heidän katseensa ovat suuressa palkinnossa. AlphaGeometry on rakennettu loogiseen päättelyyn monimutkaisissa ympäristöissä – kuten kaoottisessa jokapäiväisessä maailmassamme. Matematiikan lisäksi tulevat iteraatiot voivat mahdollisesti auttaa tutkijoita löytämään ratkaisuja muihin monimutkaisiin järjestelmiin, kuten aivoyhteyksien purkamiseen tai sairauksiin johtavien geneettisten verkkojen purkamiseen.

"Olemme tekemässä suurta hyppyä, suuren läpimurron tuloksen kannalta", tutkimuksen kirjoittaja tohtori Trieu Trinh kertoi Ishayoiden opettaman New York Times.

Double Team

Nopea geometriakysymys: Kuvittele kolmio, jonka molemmat sivut ovat yhtä pitkiä. Kuinka todistat, että kaksi alinta kulmaa ovat täsmälleen samat?

Tämä on yksi AlphaGeometryn ensimmäisistä haasteista. Sen ratkaisemiseksi sinun on ymmärrettävä täysin geometrian säännöt, mutta myös luovuutta on tuettava vastausta kohti.

"Teoreemojen todistaminen osoittaa loogisen päättelyn hallinnan... mikä merkitsee huomattavaa ongelmanratkaisutaitoa", tiimi kirjoitti tänään julkaistussa tutkimuksessa luonto.

Tässä AlphaGeometryn arkkitehtuuri loistaa. Dubattuna neurosymbolinen järjestelmä, se ratkaisee ensin ongelman symbolisen vähennysmoottorin kanssa. Kuvittele nämä algoritmit A-luokan opiskelijana, joka opiskelee tiukasti matematiikan oppikirjoja ja noudattaa sääntöjä. Heitä ohjaa logiikka, ja he voivat helposti hahmotella jokaisen ratkaisuun johtavan vaiheen, kuten selittää matematiikan kokeen päättelyn.

Nämä järjestelmät ovat vanhan koulun, mutta uskomattoman tehokkaita, koska niissä ei ole "mustan laatikon" ongelmaa, joka kummittelee monia moderneja syväoppimisalgoritmeja.

Syväoppiminen on muokannut maailmaamme. Mutta koska nämä algoritmit toimivat, ne eivät usein pysty selittämään tulostaan. Tämä ei vain onnistu matematiikassa, joka perustuu tiukkaan loogiseen päättelyyn, joka voidaan kirjoittaa ylös.

Symboliset deduktiomoottorit torjuvat mustan laatikon ongelmaa, koska ne ovat järkeviä ja selitettäviä. Mutta monimutkaisten ongelmien edessä he ovat hitaita ja heillä on vaikeuksia sopeutua joustavasti.

Tässä tulevat käyttöön suuret kielimallit. ChatGPT:n liikkeellepaneva voima, nämä algoritmit ovat erinomaisia etsimään kuvioita monimutkaisista tiedoista ja luomaan uusia ratkaisuja, jos koulutusdataa on tarpeeksi. Mutta heillä ei useinkaan ole kykyä selittää itseään, minkä vuoksi heidän tulokset on tarkistettava uudelleen.

AlphaGeometry yhdistää molempien maailmojen parhaat puolet.

Kun kohtaat geometrian ongelman, symbolinen päättelymoottori antaa sen ensin. Ota kolmion ongelma. Algoritmi "ymmärtää" kysymyksen lähtökohdan siten, että sen on todistettava, että kaksi alinta kulmaa ovat samat. Kielimalli ehdottaa sitten uuden viivan piirtämistä kolmion yläosasta suoraan alaspäin ongelman ratkaisemiseksi. Jokaista uutta elementtiä, joka siirtää tekoälyä kohti ratkaisua, kutsutaan "konstruktiksi".

Symbolinen päättelymoottori ottaa neuvoja vastaan ja kirjoittaa muistiin päättelynsä taustalla olevan logiikan. Jos konstruktio ei toimi, molemmat järjestelmät käyvät läpi useita harkintakierroksia, kunnes AlphaGeometry saavuttaa ratkaisun.

Koko kokoonpano on "samanlainen kuin ajatus "ajattelusta, nopeasti ja hitaasti". kirjoitti tiimi DeepMindin blogissa. "Yksi järjestelmä tarjoaa nopeita, "intuitiivisia" ideoita ja toinen, harkitumpaa, rationaalista päätöksentekoa."

Me olemme voittajia

Toisin kuin teksti- tai äänitiedostot, geometriaan keskittyviä esimerkkejä on niukasti, mikä vaikeutti AlphaGeometryn harjoittelua.

Ratkaisuksi tiimi loi oman tietojoukon, joka sisälsi 100 miljoonaa synteettistä esimerkkiä satunnaisista geometrisista muodoista sekä pisteiden ja viivojen välisistä suhteista – samalla tavalla kuin ratkaiset geometrian matematiikan tunnilla, mutta paljon suuremmassa mittakaavassa.

Sieltä tekoäly ymmärsi geometrian säännöt ja oppi työskentelemään taaksepäin ratkaisusta selvittääkseen, oliko siihen lisättävä rakenteita. Tämä sykli antoi tekoälylle mahdollisuuden oppia tyhjästä ilman ihmisen panosta.

Testaamalla tekoälyä tiimi haastoi sen 30 olympiaongelmalla yli vuosikymmenen aiemmista kilpailuista. Aikaisempi olympialaisten kultamitalisti Evan Chen arvioi saadut tulokset varmistaakseen niiden laadun.

Kaiken kaikkiaan tekoäly vastasi aiempien kultamitalistien suorituskykyä ja suoritti 25 tehtävää määräajassa. The aikaisempi huippuluokan tulos oli 10 oikeaa vastausta.

"AlphaGeometryn tulos on vaikuttava, koska se on sekä todennettavissa että puhdas", Chen sanoi. "Se käyttää klassisen geometrian sääntöjä kulmien ja vastaavien kolmioiden kanssa aivan kuten opiskelijat tekevät."

Beyond Math

AlphaGeometry on DeepMindin viimeisin tutkimus matematiikassa. in 2021, heidän tekoälynsä mursi matemaattisia pulmia, jotka olivat järkyttäneet ihmisiä vuosikymmeniä. Viime aikoina he käyttivät suuria kielimalleja STEM-ongelmien perustelemiseksi korkeakoulutasolla ja säröillä aiemmin "ratkaisematon" matemaattinen ongelma, joka perustuu algoritmilla pelattuun korttipeliin FunSearch.

Toistaiseksi AlphaGeometry on räätälöity geometriaan ja varoin. Suuri osa geometriasta on visuaalista, mutta järjestelmä ei "näe" piirustuksia, mikä voisi nopeuttaa ongelmanratkaisua. Kuvien lisääminen, ehkä Googlen Gemini AI, joka julkaistiin viime vuoden lopulla, saattaa vahvistaa sen geometrista älykkyyttä.

Samanlainen strategia voisi myös laajentaa AlphaGeometryn ulottuvuutta monille tieteenaloille, jotka edellyttävät tiukkaa päättelyä ja ripausta luovuutta. (Ollaan todellisia – se on niitä kaikkia.)

"Kun otetaan huomioon laajemmat mahdollisuudet kouluttaa tekoälyjärjestelmiä tyhjästä suuren mittakaavan synteettisellä tiedolla, tämä lähestymistapa voisi muokata sitä, kuinka tulevaisuuden tekoälyjärjestelmät löytävät uutta tietoa matematiikasta ja muualta", tiimi kirjoitti.

Kuva pistetilanne: Joel Filipe / Unsplash